摘要
本申请涉及一种汽轮机转子的故障诊断方法、装置、电子设备及存储介质,其中,方法包括:获取汽轮机转子的历史振动数据,并基于历史振动数据和对应历史振动数据的实际状态标签,构建训练样本集和测试样本集;利用训练样本集训练由图卷积神经网络构建的初始故障诊断模型,以得到训练后的初始故障诊断模型;利用测试样本集测试训练后的初始故障诊断模型,生成满足预设测试条件的汽轮机转子的最终故障诊断模型,以利用最终故障诊断模型诊断目标汽轮机转子的故障结果。由此,解决了相关技术中,仅依靠相似性度量进行故障诊断的准确性有限,模型算法则难以深度挖掘故障类型特征和振动信号之间的复杂关系,使得诊断结果的误差较大的技术问题。
技术关键词
故障诊断模型
汽轮机转子
故障诊断方法
检测汽轮机
训练样本集
标签
故障诊断装置
时域特征
频域特征
数据
节点特征
电子设备
模型算法
诊断模块
表达式
阶段
测试模块
处理器
系统为您推荐了相关专利信息
断裂预测方法
结构稳定性特征
断裂风险
裂纹
机器学习分类模型
网络单元
系统故障诊断方法
故障传播路径
轨迹轮廓
Kubernetes容器
动态监管
可视化监控平台
量子粒子群优化
模糊C均值聚类算法
神经模糊推理系统