基于CPN网络和D-S证据的汽轮机集成故障诊断方法

摘要

本发明涉及一种基于CPN网络和D-S证据的汽轮机集成故障诊断方法，利用CPN神经网络和D-S证据理论的优点，针对电厂汽轮机，将从不同传感器采集到的汽轮机振动状态参数作为独立的数据样本，经过特征提取、处理和参数归一化处理后输入各自独立的CPN神经网络进行训练，使得每个独立的CPN神经网络都能形成故障征兆到故障模式的非线性映射。再利用D-S证据理论方法对各个CPN神经网络的诊断结果进行进一步的数据融合诊断，提高诊断结果的准确性和可靠性。从而实现对汽轮机当前运行状态进行更准确的诊断和分析。

主权项

1.一种基于CPN网络和D-S证据的汽轮机集成故障诊断方法，其特征在于，方法包括如下具体步骤：1）将从汽轮机转子振动模拟试验台上传感器采集到的汽轮机振动状态参数作为独立的数据样本，经过特征提取、处理和参数归一化处理后输入到各自独立的CPN神经网络进行训练，使得每个独立的CPN神经网络都能形成故障征兆到故障模式的非线性映射；2）应用各自独立的CPN神经网络进行故障诊断后，将CPN神经网络的输出值采用下面公式进行归一化处理，转换成对应该CPN神经网络的各种故障状态的基本概率分配BPA，其中表示第个证据在CPN网络中的第个输出结果；代表第个证据对状态的BPA；3）根据D-S证据理论的融合规则对各个故障CPN神经网络的诊断结果进行进一步的数据融合，求得其正交和，即为融合后各状态故障状态的基本概率分配，得到故障诊断结果。