基于CNN-SVM的核电厂轴承故障诊断方法

为提升核电厂旋转机械部件的故障诊断准确率,以及增强诊断模型泛化能力,本文提出了一种基于卷积神经网络和支持向量机的滚动轴承故障诊断方法。对轴承原始振动信号进行连续小波变换,得到其时频图;然后,使用预训练好的卷积基对小波时频图进行特征提取,获取深层特征,并将这些深层特征正则化处理后,使用主成分分析法对其进行降维;将得到的特征数据输入到基于粒子群优化的支持向量机中,从而实现滚动轴承的故障诊断。实验结果表明:该方法对不同负载工况下的多类滚动轴承故障具有良好的诊断效果,并且在噪声干扰下也能保持较好的效果,与其他方法相比,其抗噪稳定性更好,泛化能力更强。

基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别

为了提升传统希尔伯特黄变换在处理复杂非平稳信号时的时频分析能力,本文将变分模态分解和希尔伯特变换进行结合,提出了一种时频分析方法变分模态分解和希尔伯特变换。此外,为了对变分模态分解的模态数进行自动调整,还提出了一种基于相关系数的希尔伯特黄变换参数优化方法,有效避免了由于希尔伯特黄变换模态数设置不合理而导致的信号分解不足和分解过剩的问题。利用转子故障信号对变分模态分解和希尔伯特变换方法的时频分析能力进行了验证,并且与传统希尔伯特黄变换的对比突出了该方法在处理非平稳信号中的优势。

基于扩展有限元法的传热管贯穿裂纹应力强度因子计算

蒸汽发生器作为压水堆的重要压力边界,其传热管是否破损直接关系到反应堆的运行安全。为解决蒸汽发生器中传热管疲劳裂纹扩展数字孪生中裂纹长度的预测问题,本文通过ABAQUS软件,对已存在贯穿裂纹的传热管进行建模,比较其自带的围线积分法和扩展有限元法(extended finite element method,XFEM)计算应力强度因子(stress intensity factor,SIF)的准确性。在裂纹尺寸a/W>0.5时,XFEM与公式解结果相差较小。因此,采用XFEM计算其在不同应力下的应力强度因子,发现随着裂纹尺寸、载荷的增大,应力强度因子也随着增大,应力值与应力强度因子成正比关系。

改进变分模态分解的核电厂轴承故障诊断

轴承是核电厂旋转机械的重要支撑部件,为了提高轴承早期故障的检测能力,本文提出了一种基于人工蜂群优化的参数自适应变分模态分解故障特征提取方法。利用峭度和相关系数构建加权峭度指标;以最大加权峭度指标为目标函数,利用人工蜂群算法对变分模态分解过程中的模态数和带宽控制参数进行优化,获取最优参数组合并对轴承振动信号进行模态分解;对加权峭度指标最大的敏感模态分量进行包络谱分析并识别故障频率。通过仿真与实验验证了该方法的有效性,并通过与集成经验模态分解、局部均值分解和固定参数变分模态分解的特征提取效果进行比较,突出了该方法在轴承早期故障诊断中的优势。

基于CEEMDAN-GRU的主泵电机绕组温度预测

针对核电站主泵电机绕组温度的预测问题,提出了基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和门控循环单元(gated recurrent unit,GRU)的预测模型。首先使用CEEMDAN对采集到的绕组温度序列进行分解,经过分量重构得到其高、低频分量和趋势项,在此基础上分别构建各分量的GRU预测模型,将各分量的预测结果叠加集成得到绕组温度的整体预测值。仿真结果表明,与传统的循环神经网络(recurrent neural network,RNN)、长短期记忆(long short-term memory,LSTM)模型和GRU模型相比,本文提出的预测模型在多元评价指标方面均优于其他模型,具有更高的预测精度,验证了该模型的可行性。

自适应随机共振在信号特征提取中的应用

针对强背景噪声下旋转机械振动信号特征难以提取的问题,本文提出了一种自适应多稳态欠阻尼随机共振方法应用于该信号的特征提取。本文对随机共振的机理、计算方法等理论进行了研究,通过仿真实验验证了该方法的适用性,通过采用粒子群优化算法对随机共振系统中涉及到的参数进行自适应选择,利用该方法在滚动轴承实验数据上进行了验证。结果表明:本文所提出的方法能够有效过滤掉信号中的噪声信号,同时放大信号的特征,提高输出信号的信噪比。