[发明专利]基于传感器关联网络的燃气轮机异常检测与故障诊断方法

摘要

一种基于传感器关联网络的燃气轮机异常检测与故障诊断方法，涉及燃气轮机故障诊断技术领域，诊断方法步骤如下：步骤一信号预处理；步骤二：对预处理后的测点集合中的任意两个传感器测点之间的相关性进行评价；步骤三：对得到的燃气轮机传感器关联网络模型进行分层聚类；步骤四：利用信息熵指标对最小粒度子类分别对应的残差矩阵的结构分布进行评价；步骤五：计算各层中所有子类的信息熵，计算所有信息熵指标超限子类的超类的信息熵指标。本基于传感器关联网络的燃气轮机异常检测与故障诊断方法，用于实现对大型燃气轮机完整运行状态的异常监测，特别适用于传感器测点信息非常丰富的情况。

主权项

1.一种基于传感器关联网络的燃气轮机异常检测与故障诊断方法，其特征在于：诊断方法步骤如下：步骤一：信号预处理，将通过传感器测点测量到的燃气轮机运行数据时间序列分为连续的周期类型信号、趋势类型信号以及离散的指令信号，并对不同类型的信号采用相应的特征提取方法获得能够准确描述信号行为的特征；步骤二：对预处理后的测点集合中的任意两个传感器测点之间的相关性进行评价，并利用得到的相关性指标和测点集合构建燃气轮机的传感器关联网络模型；步骤三：对得到的燃气轮机传感器关联网络模型进行分层聚类，并利用矩阵的形式表示分层聚类后的传感器关联网络模型，将连续两个测量到的燃气轮机运行数据时间序列对应的矩阵进行矩阵差计算，形成一个残差矩阵；步骤四：利用信息熵指标对最小粒度子类分别对应的残差矩阵的结构分布进行评价，并通过与经验阈值的比较判断残差是否超限，如果超限，则说明该子类对应的功能集合出现异常，如果没有超限，则说明系统工作在容忍范围内；步骤五：计算各层中所有子类的信息熵，计算所有信息熵指标超限子类的超类的信息熵指标，直到遇到信息熵指标不超限的子类，则具有信息熵指标超限的最大子类即为当前故障效果的影响范围。