CN115950957A - 一种轴流式水轮发电机组螺栓失效预警方法及系统 - Google Patents
一种轴流式水轮发电机组螺栓失效预警方法及系统 Download PDFInfo
- Publication number
- CN115950957A CN115950957A CN202211297217.4A CN202211297217A CN115950957A CN 115950957 A CN115950957 A CN 115950957A CN 202211297217 A CN202211297217 A CN 202211297217A CN 115950957 A CN115950957 A CN 115950957A
- Authority
- CN
- China
- Prior art keywords
- bolt
- early warning
- ultrasonic
- detected
- failure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种轴流式水轮发电机组螺栓失效预警方法及系统，属于水轮发电机组螺栓检测技术领域。首先构建不同温度和预紧力下超声波在螺栓内飞行时间的第一螺栓失效检测模型，构建不同螺栓疲劳裂纹状态下超声波检测波形的第二螺栓失效检测模型；然后在当前温度下对待检测螺栓进行超声波检测，获得超声波的飞行时间和超声波检测波形；再将超声波飞行时间和当前温度值输入第一螺栓失效检测模型中，得到待检测螺栓的预紧力；将超声波检测波形输入第二螺栓失效检测模型中，得到待检测螺栓的疲劳裂纹状态；最后识别待检测螺栓的预紧力和疲劳裂纹状态，并根据识别结果判断是否输出螺栓失效预警信息。本发明的准确性好、检出率高，且操作简单、成本低。
Description
技术领域
本发明属于水轮发电机组螺栓检测技术领域，具体涉及一种轴流式水轮发电机组螺栓失效预警方法及系统。
背景技术
螺栓连接是轴流式水轮发电机组中常见的机械连接结构形式，螺栓连接是否可靠对轴流式水轮发电机的安全运行至关重要。因此，需要对螺栓连接的可靠性进行检测或巡检，即螺栓失效检测。
现有技术中，螺栓失效检测的方式主要有两种，其一是采用人工巡检，通过敲击、目视等方法根据经验判断螺栓连接的可靠性，其不仅效率低，而且准确性差；另一种是安装若干传感器，通过传感器进行检测，然而，大量的传感器不仅安装维护成本较高，而且传感器越多，故障概率越高。
发明内容
为了解决上述现有技术中存在的缺陷，本发明的目的在于提供一种轴流式水轮发电机组螺栓失效预警方法及系统，准确性好、检出率高，且操作简单、成本低。
本发明是通过以下技术方案来实现：
一种轴流式水轮发电机组螺栓失效预警方法，包括：
S1：构建不同温度和预紧力下超声波在螺栓内飞行时间的第一螺栓失效检测模型；
S2：构建不同螺栓疲劳裂纹状态下超声波检测波形的第二螺栓失效检测模型；
S3：在当前温度下对待检测螺栓进行超声波检测，获得超声波在待检测螺栓内的飞行时间和超声波检测波形；
S4：将S3获得的超声波飞行时间和当前温度值输入S1建立的第一螺栓失效检测模型中，得到待检测螺栓的预紧力；将S3获得的超声波检测波形输入S2建立的第二螺栓失效检测模型中，得到待检测螺栓的疲劳裂纹状态；
S5：识别待检测螺栓的预紧力和疲劳裂纹状态，并根据识别结果判断是否输出螺栓失效预警信息。
优选地，S1中，所述第一螺栓失效检测模型的构建方法包括以下步骤：
S1.1：基于螺栓工作模型，获取不同温度和预紧力下超声波在螺栓内的飞行时间数据；
S1.2：对温度数据、预紧力数据和飞行时间数据进行初步数据处理；
S1.3：采用处理后的数据，通过交叉验证的方式训练多元逻辑回归模型；
S1.4：对训练后的多元逻辑回归模型进行测试验证，得到基于不同温度和预紧力下超声波在螺栓内飞行时间的第一螺栓失效检测模型。
进一步优选地，S1.2中，所述初步数据处理包括填充缺失数据、处理异常数据和/或删除冗余数据。
进一步优选地，S1.3中，通过交叉验证的方式训练多元逻辑回归模型时，训练集和测试集的比例为9:1。
优选地，S2中，所述第一螺栓失效检测模型的构建方法包括以下步骤：
S2.1：基于螺栓工作模型，获取不同疲劳裂纹状态下，超声波检测螺栓的超声波检测波形的图片数据；
S2.2：将获取的图片数据输入至卷积神经网络中，并分割为训练集和测试集；
S2.3：通过训练集对卷积神经网络进行训练并输出训练结果，完成模型训练；
S2.4：通过测试集对训练后的模型进行测试验证，得到基于不同螺栓疲劳裂纹状态下超声波检测波形的第二螺栓失效检测模型。
进一步优选地，S2.2中，训练集与测试集的比例为8:2。
优选地，S2.3中，通过训练集对卷积神经网诺进行训练，直至达到预设的训练准确度，完成模型训练。
优选地，S5中，若待检测螺栓的预紧力低于螺栓设置预紧力下限或高于螺栓设置预紧力上限，则输出预紧力失效预警信息；若疲劳裂纹状态低于安全阈值，则输出裂纹失效预警信息。
本发明公开的一种轴流式水轮发电机组螺栓失效预警系统，包括：
第一螺栓失效检测模型构建模块，构建不同温度和预紧力下超声波在螺栓内飞行时间的第一螺栓失效检测模型；
第二螺栓失效检测模型构建模块，构建不同螺栓疲劳裂纹状态下超声波检测波形的第二螺栓失效检测模型；
第一测量模块，检测待检测螺栓的当前温度和超声波在螺栓内的飞行时间；
第一识别判断模块，将超声波飞行时间和当前温度值输入至第一螺栓失效检测模型中，对待检测螺栓的预紧力进行识别并判断；
第二测量模块，通过超声波检测待检测螺栓当前的螺栓裂纹，获取超声波的检测波形；
第二识别判断模块，将超声波检测波形输入至第二螺栓失效检测模型中，对待检测螺栓的疲劳裂纹状态进行识别并判断；
预警信息输出模块，识别待检测螺栓的预紧力和疲劳裂纹状态，并根据识别结果判断是否输出螺栓失效预警信息。
与现有技术相比，本发明具有以下有益的技术效果：
本发明公开的轴流式水轮发电机组螺栓失效预警方法，基于多元逻辑回归模型和卷积神经网络模型，通过超声波检测分别实现对螺栓预紧力和螺栓疲劳裂纹的检测及预警，不仅避免了人工检测和安装若干传感器并通过传感器进行检测的弊端，而且将螺栓裂纹预警和螺栓预紧力预警相结合，提高了预警精度和预警可靠性。
本发明公开的轴流式水轮发电机组螺栓失效预警系统，构建简单，自动化程度高，能够与现有的系统硬件兼容，适用范围广。
附图说明
图1为本发明的方法流程示意图；
图2为本发明的系统结构框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
如图1，本发明的轴流式水轮发电机组螺栓失效预警方法，包括：
一、构建基于不同工况下超声波在螺栓内飞行时间的第一螺栓失效检测模型；第一螺栓失效检测模型采用多元逻辑回归模型，引入螺栓温度、螺栓预紧力和超声波在螺栓内的飞行时间，其具有容易使用和解释、计算代价低、对数据中小噪声鲁棒性很好、并且不会受到轻微多重共线性影响等优点；本实施例中，第一螺栓失效检测模型具体构建方法如下：
首先，基于螺栓工作模型，获取不同工况下超声波在螺栓内的飞行时间数据；然后，对工况数据、飞行时间数据进行初步数据处理，初步数据处理的方法包括：填充缺失数据、处理异常数据和/或删除冗余数据；采用处理后的数据，通过交叉验证的方式训练多元逻辑回归模型，在模型训练时，采用的训练集和测试集的比例为9:1；对训练后的多元逻辑回归模型进行测试验证。在检测预警时，利用最优的多元逻辑回归模型进行检测预警。本实施例中，第一螺栓失效检测模型将螺栓温度作为变量引入模型中的原因是：螺栓温度影响超声波在螺栓内的飞行速度，引入螺栓温度，可提高检测预警精度。
二、构建基于不同螺栓疲劳裂纹状态下，针对螺栓检测的超声波检测波形的第二螺栓失效检测模型；第二螺栓失效检测模型采用卷积神经网络模型，引入通过超声波检测螺栓裂纹的检测波形图像数据，卷积神经网络长期以来是图像识别领域的核心算法之一，并在学习数据充足时有稳定的表现；本实施例中第二螺栓失效检测模型的具体构建方法如下：
首先，基于螺栓工作模型，获取不同疲劳裂纹下，超声波检测螺栓的超声波检测波形的图片数据，获取的图片数据可以进行预处理，将图片处理为统一尺寸格式；其次，将获取的图片数据输入至卷积神经网诺中，并分割为训练集和测试集，训练集和测试集的比例为8:2；再其次，通过训练集对卷积神经网诺进行训练并输出训练结果，直至达到预设的训练准确度，即完成模型训练，本实施例中，预设的训练准确度为90％；最后，通过测试集对训练后的模型进行测试验证。
三、基于第一螺栓失效检测模型，检测待检测螺栓当前温度和超声波在螺栓内的飞行时间，其中，检测温度使用温度传感器，超声波在螺栓内的飞行时间采用超声波探测仪；将检测后的温度数据和超声波飞行时间数据作为输入量输入至第一螺栓失效检测模型中，然后，对待检测螺栓的预紧力进行识别并判断，若识别的预紧力与设置的预紧力阈值不匹配，则认为螺栓可能失效，并输出预紧力失效信息，其中，设置的预紧力阈值包括预紧力下限值和预紧力上限值，若识别的预紧力不在紧力下限值和预紧力上限值之间，则认为识别的预紧力与设置的预紧力阈值不匹配。
四、基于第二螺栓失效检测模型，通过超声波检测待检测螺栓当前的螺栓裂纹，获取超声波的检测波形，其中，超声波的检测波形采用针对螺栓检测的超声波探伤仪；将检测到的超声波的检测波形图像作为输入量输入至第二螺栓失效检测模型中，然后，对待检测螺栓的疲劳裂纹进行识别并判断，若识别的疲劳裂纹低于安全阈值，则输出裂纹失效预警信息，其中，疲劳裂纹的安全阈值为设置值。
通过螺栓失效检测及预警方法，可将失效预警信息分割为预紧力失效预警信息和裂纹失效信息，在发出预警信息的同时，也可辅助工作人员判断螺栓可能失效的潜在因数，并在后续的设备运行过程中予以重点关注或及时检修。
如图2所示，本发明提供的基于上述轴流式水轮发电机组的螺栓失效检测及预警方法的系统，该系统包括：第一螺栓失效检测模型构建模块，用于构建基于不同工况下超声波在螺栓内飞行时间的第一螺栓失效检测模型；第二螺栓失效检测模型构建模块，用于构建基于不同螺栓疲劳裂纹状态下，针对螺栓检测的超声波检测波形的第二螺栓失效检测模型；第一测量模块，用于检测待检测螺栓当前温度和超声波在螺栓内的飞行时间；第一识别判断模块，将温度数据和飞行时间数据输入至第一螺栓失效检测模型中，对待检测螺栓的预紧力进行识别并判断；第二测量模块，通过超声波检测待检测螺栓当前的螺栓裂纹，获取超声波的检测波形；第二识别判断模块，将超声波的检测波形输入至第二螺栓失效检测模型中，对待检测螺栓的疲劳裂纹进行识别并判断；预警信息输出模块，若预紧力的识别并判断低于螺栓设置预紧力下限或高于螺栓设置预紧力下限，则输出预紧力失效预警信息；若识别并判断的疲劳裂纹低于安全阈值，则输出裂纹失效预警信息；其中，预警信息输出模块包括有预紧力失效预警模块和裂纹失效预警模块，由此将预紧力失效预警和螺栓裂纹失效预警进行分割，在发出预警信息的同时，也可辅助工作人员判断螺栓可能失效的潜在因数，并在后续的设备运行过程中予以重点关注或及时检修。
需要说明的是，以上所述仅为本发明实施方式的一部分，根据本发明所描述的系统所做的等效变化，均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均属于本发明的保护范围。
Claims (9)
1.一种轴流式水轮发电机组螺栓失效预警方法，其特征在于，包括：
S1：构建不同温度和预紧力下超声波在螺栓内飞行时间的第一螺栓失效检测模型；
S2：构建不同螺栓疲劳裂纹状态下超声波检测波形的第二螺栓失效检测模型；
S3：在当前温度下对待检测螺栓进行超声波检测，获得超声波在待检测螺栓内的飞行时间和超声波检测波形；
S4：将S3获得的超声波飞行时间和当前温度值输入S1建立的第一螺栓失效检测模型中，得到待检测螺栓的预紧力；将S3获得的超声波检测波形输入S2建立的第二螺栓失效检测模型中，得到待检测螺栓的疲劳裂纹状态；
S5：识别待检测螺栓的预紧力和疲劳裂纹状态，并根据识别结果判断是否输出螺栓失效预警信息。
2.如权利要求1所述的轴流式水轮发电机组螺栓失效预警方法，其特征在于，S1中，所述第一螺栓失效检测模型的构建方法包括以下步骤：
S1.1：基于螺栓工作模型，获取不同温度和预紧力下超声波在螺栓内的飞行时间数据；
S1.2：对温度数据、预紧力数据和飞行时间数据进行初步数据处理；
S1.3：采用处理后的数据，通过交叉验证的方式训练多元逻辑回归模型；
S1.4：对训练后的多元逻辑回归模型进行测试验证，得到基于不同温度和预紧力下超声波在螺栓内飞行时间的第一螺栓失效检测模型。
3.如权利要求2所述的轴流式水轮发电机组螺栓失效预警方法，其特征在于，S1.2中，所述初步数据处理包括填充缺失数据、处理异常数据和/或删除冗余数据。
4.如权利要求2所述的轴流式水轮发电机组螺栓失效预警方法，其特征在于，S1.3中，通过交叉验证的方式训练多元逻辑回归模型时，训练集和测试集的比例为9:1。
5.如权利要求1所述的轴流式水轮发电机组螺栓失效预警方法，其特征在于，S2中，所述第一螺栓失效检测模型的构建方法包括以下步骤：
S2.1：基于螺栓工作模型，获取不同疲劳裂纹状态下，超声波检测螺栓的超声波检测波形的图片数据；
S2.2：将获取的图片数据输入至卷积神经网络中，并分割为训练集和测试集；
S2.3：通过训练集对卷积神经网络进行训练并输出训练结果，完成模型训练；
S2.4：通过测试集对训练后的模型进行测试验证，得到基于不同螺栓疲劳裂纹状态下超声波检测波形的第二螺栓失效检测模型。
6.如权利要求5所述的轴流式水轮发电机组螺栓失效预警方法，其特征在于，S2.2中，训练集与测试集的比例为8:2。
7.如权利要求1所述的轴流式水轮发电机组螺栓失效预警方法，其特征在于，S2.3中，通过训练集对卷积神经网诺进行训练，直至达到预设的训练准确度，完成模型训练。
8.如权利要求1所述的轴流式水轮发电机组螺栓失效预警方法，其特征在于，S5中，若待检测螺栓的预紧力低于螺栓设置预紧力下限或高于螺栓设置预紧力上限，则输出预紧力失效预警信息；若疲劳裂纹状态低于安全阈值，则输出裂纹失效预警信息。
9.一种轴流式水轮发电机组螺栓失效预警系统，其特征在于，包括：
第一螺栓失效检测模型构建模块，构建不同温度和预紧力下超声波在螺栓内飞行时间的第一螺栓失效检测模型；
第二螺栓失效检测模型构建模块，构建不同螺栓疲劳裂纹状态下超声波检测波形的第二螺栓失效检测模型；
第一测量模块，检测待检测螺栓的当前温度和超声波在螺栓内的飞行时间；
第一识别判断模块，将超声波飞行时间和当前温度值输入至第一螺栓失效检测模型中，对待检测螺栓的预紧力进行识别并判断；
第二测量模块，通过超声波检测待检测螺栓当前的螺栓裂纹，获取超声波的检测波形；
第二识别判断模块，将超声波检测波形输入至第二螺栓失效检测模型中，对待检测螺栓的疲劳裂纹状态进行识别并判断；
预警信息输出模块，识别待检测螺栓的预紧力和疲劳裂纹状态，并根据识别结果判断是否输出螺栓失效预警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211297217.4A CN115950957A (zh) | 2022-10-21 | 2022-10-21 | 一种轴流式水轮发电机组螺栓失效预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211297217.4A CN115950957A (zh) | 2022-10-21 | 2022-10-21 | 一种轴流式水轮发电机组螺栓失效预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115950957A true CN115950957A (zh) | 2023-04-11 |
Family
ID=87284994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211297217.4A Pending CN115950957A (zh) | 2022-10-21 | 2022-10-21 | 一种轴流式水轮发电机组螺栓失效预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115950957A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117990797A (zh) * | 2024-04-07 | 2024-05-07 | 国网新源集团有限公司 | 一种大型水轮机转轮联轴螺栓裂纹检测方法 |
-
2022
- 2022-10-21 CN CN202211297217.4A patent/CN115950957A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117990797A (zh) * | 2024-04-07 | 2024-05-07 | 国网新源集团有限公司 | 一种大型水轮机转轮联轴螺栓裂纹检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111400961B (zh) | 风力发电机组叶片故障判断方法及装置 | |
| CN104767482B (zh) | 一种光伏组件老化和短路故障在线诊断方法 | |
| CN111946559B (zh) | 一种风机基础和塔架结构检测方法 | |
| CN110672332B (zh) | 一种基于sarima模型的燃气轮机故障预警系统 | |
| CN111855816A (zh) | 一种综合概率模型和cnn网络的风叶故障识别方法 | |
| CN109099975A (zh) | 一种建筑结构健康监测系统 | |
| CN115526515B (zh) | 一种水利水电用闸门的安全监测系统 | |
| CN115950957A (zh) | 一种轴流式水轮发电机组螺栓失效预警方法及系统 | |
| CN111506049A (zh) | 基于aann网络系统的航空发动机控制系统多重故障诊断方法 | |
| CN116677569A (zh) | 一种风机塔架应力监测与预警方法及其系统 | |
| CN109872511B (zh) | 一种针对轴向位移突变监测的自适应两级报警方法 | |
| CN114577470A (zh) | 用于风机主轴承的故障诊断方法及系统 | |
| CN114282423B (zh) | 一种岸桥结构的疲劳监测方法和寿命预测方法 | |
| CN116049958A (zh) | 历史建筑结构监测数据异常诊断与修复系统 | |
| CN114417941B (zh) | 一种曲轴故障检测方法及系统 | |
| CN114508490B (zh) | 一种智能中开离心泵以及应用于该离心泵的网络故障点定位方法、可读存储模块 | |
| CN110530631A (zh) | 一种基于混合分类器的齿轮单类型故障检测方法 | |
| Yasuda et al. | Fatigue crack detection system based on IoT and statistical analysis | |
| CN115270875A (zh) | 一种基于深度学习的隔膜泵运行状态监测方法 | |
| CN104731955A (zh) | 风电机组油液监测诊断标准建立及智能诊断方法及系统 | |
| CN112861396B (zh) | 一种水下连接器可靠性分析方法及系统 | |
| CN112446612B (zh) | 一种软刚臂系泊系统连接结构的损伤评估系统的评估方法 | |
| CN118014405B (zh) | 一种基于数据处理的电力故障预警系统 | |
| CN112782236B (zh) | 变流器柜体的材料状态监测方法、系统、装置及存储介质 | |
| CN114323302A (zh) | 一种氧化锌避雷器故障智能识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |