一种油膜涡动检测方法、装置和系统制造方法及图纸

本发明专利技术实施例提供了一种油膜涡动检测方法、装置和系统，所述方法包括：通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；若检测结果包括存在油膜涡动，向油温调整系统发送调温指令，以供油温调整系统按照预设的油温调整策略对油温进行调整，能够提高检测准确性并对油膜涡动进行及时调控，从而保证机组稳定运行。从而保证机组稳定运行。从而保证机组稳定运行。

【技术实现步骤摘要】
一种油膜涡动检测方法、装置和系统


[0001]本专利技术涉及电力
，尤其涉及一种油膜涡动检测方法、装置和系统。

技术介绍

[0002]目前，高转速、大功率的汽轮发电机组支承系统多采用滑动轴承，油膜涡动是滑动轴承在运行过程中常见的故障。相关技术中，振动工程师通过时频分析法对油膜涡动进行人工分析，实际工况下的转子故障信号通常是非线性、非平稳的多分量信号，它们的频率成分随着时间变化，振动工程师在运用时频分析法时需要有充足的经验和精力，即便如此，也往往会出现诊断错误。油膜涡动故障发生初期无明显特征，故障隐匿性强，检测准确性较差且无法及时调控，导致机组无法稳定运行。

技术实现思路

[0003]本专利技术的一个目的在于提供一种油膜涡动检测方法，能够提高检测准确性并对油膜涡动进行及时调控，从而保证机组稳定运行。本专利技术的另一个目的在于提供一种油膜涡动检测装置。本专利技术的再一个目的在于提供一种计算机可读介质。本专利技术的还一个目的在于提供一种计算机设备。
[0004]为了达到以上目的，本专利技术一方面公开了一种油膜涡动检测方法，包括：
[0005]通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；
[0006]若检测结果包括存在油膜涡动，向油温调整系统发送调温指令，以供油温调整系统按照预设的油温调整策略对油温进行调整。
[0007]优选的，在通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果之前，还包括：
[0008]获取原始振动数据和对应的样本检测结果；
[0009]通过原始振动数据和对应的样本检测结果，对卷积神经网络进行训练，得到深度学习诊断模型。
[0010]优选的，在通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果之前，还包括：
[0011]通过振动测试系统，获取当前的轴瓦振动数据。
[0012]优选的，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果，包括：
[0013]按照指定时间间隔，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果。
[0014]优选的，方法还包括：
[0015]若检测结果包括不存在油膜涡动，继续执行按照指定时间间隔，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果的步骤。
[0016]本专利技术还公开了一种油膜涡动检测系统，系统包括：油膜涡动检测装置和油温调整系统，油膜涡动检测装置与油温调整系统通信连接；
[0017]油膜涡动检测装置用于通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；若检测结果包括存在油膜涡动，向油温调整系统发送调温指令；
[0018]油温调整系统用于响应于调温指令，按照预设的油温调整策略对油温进行调整。
[0019]优选的，系统还包括：振动测试系统，振动测试系统与油膜涡动检测装置通信连接；
[0020]油膜涡动检测装置还用于通过振动测试系统，获取当前的轴瓦振动数据。
[0021]本专利技术还公开了一种油膜涡动检测装置，包括：
[0022]检测单元，用于通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；
[0023]调温单元，用于若检测结果包括存在油膜涡动，向油温调整系统发送调温指令，以供油温调整系统按照预设的油温调整策略对油温进行调整。
[0024]优选的，装置还包括：
[0025]第一获取单元，用于获取原始振动数据和对应的样本检测结果；
[0026]训练单元，用于通过原始振动数据和对应的样本检测结果，对卷积神经网络进行训练，得到深度学习诊断模型。
[0027]优选的，装置还包括：
[0028]第二获取单元，用于通过振动测试系统，获取当前的轴瓦振动数据。
[0029]优选的，检测单元，具体用于按照指定时间间隔，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果。
[0030]优选的，检测单元，还用于若检测结果包括不存在油膜涡动，继续执行按照指定时间间隔，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果的步骤。
[0031]本专利技术还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
[0032]本专利技术还公开了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述处理器执行所述程序时实现如上所述方法。
[0033]本专利技术还公开了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现如上所述方法。
[0034]本专利技术通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；若检测结果包括存在油膜涡动，向油温调整系统发送调温指令，以供油温调整系统按照预设的油温调整策略对油温进行调整，能够提高检测准确性并对油膜涡动进行及时调控，从而保证机组稳定运行。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本专利技术实施例提供的一种油膜涡动检测系统的结构示意图；
[0037]图2为本专利技术实施例提供的一种油膜涡动检测方法的流程图；
[0038]图3为本专利技术实施例提供的又一种油膜涡动检测方法的流程图；
[0039]图4为本专利技术实施例提供的一种训练卷积神经网络的逻辑示意图；
[0040]图5为本专利技术实施例提供的一种自动调整油温的逻辑示意图；
[0041]图6为本专利技术实施例提供的一种油膜涡动检测装置的结构示意图；
[0042]图7为本专利技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]为了便于理解本申请提供的技术方案，下面先对本申请技术方案的相关内容进行说明。油膜涡动会引起较大的机组振动，给机组安全稳定运行带来很大的隐患。油膜涡动对机组稳定运行的影响是致命的，如果不能进行有效的干涉和处理，造成振动的扩散，很有可能造成汽轮机和辅助设备不可逆的损害。
[0045]深度学习作为人工智能全新领域，近些年来发展十分迅速，这是一种包含多级非线性变换的层级机器学习方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油膜涡动检测方法，其特征在于，所述方法包括：通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；若所述检测结果包括存在油膜涡动，向油温调整系统发送调温指令，以供所述油温调整系统按照预设的油温调整策略对油温进行调整。2.根据权利要求1所述的油膜涡动检测方法，其特征在于，在所述通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果之前，还包括：获取原始振动数据和对应的样本检测结果；通过所述原始振动数据和对应的样本检测结果，对卷积神经网络进行训练，得到深度学习诊断模型。3.根据权利要求1所述的油膜涡动检测方法，其特征在于，在所述通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果之前，还包括：通过振动测试系统，获取当前的轴瓦振动数据。4.根据权利要求1所述的油膜涡动检测方法，其特征在于，所述通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果，包括：按照指定时间间隔，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果。5.根据权利要求4所述的油膜涡动检测方法，其特征在于，所述方法还包括：若所述检测结果包括不存在油膜涡动，继续执行所述按照指定时间间隔，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果的步骤。6.一种油膜涡动检测系统，其特征在于，所述系统包括：油膜涡动检测装置和油温调整系统，所述油膜涡动检测装置与油温调整系统通信连接；所述油膜涡动检测装置用于通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；若所述检测结果包括存在油膜涡动，向所述油温调整系统发送调温指令；所述油温调整系统用于响应于所述调温指令，按照预设的油温调整策略对油温进行调整。7.根据权利要求6所述的油膜涡动检测系统，其特征在于，所述系统还包括：振动测试系统，所述振动测...

【专利技术属性】
技术研发人员：宋亚军，司派友，梅隆，刘双白，郝向中，张晓斌，张泽，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：