核电厂循环水泵滚动轴承故障诊断和特征迁移方法研究
摘要
循环水泵是核电厂循环水系统中至关重要的设备,肩负着为冷却水提供驱动压头带
走核电厂多余热能的重要任务,其稳定性和可靠性对核电厂的安全运行至关重要。但由
于核电厂循环水泵长期高负荷的工作环境,其滚动轴承极易发生故障,若无法及时发现
并解决故障,可能导致循环水泵损坏进而影响核电厂的安全运行。因此,有必要开展循
环水泵轴承故障诊断方法研究,但依靠专家分析运行数据进行诊断费时费力,建立物理
模型进行诊断缺乏通用性,难以满足核电厂循环水泵滚动轴承故障诊断的需求。针对此
类问题,本文开展循环水泵滚动轴承故障模拟实验,结合特征分析和深度学习技术建立
智能故障诊断模型,并考虑核电厂循环水泵滚动轴承故障数据不足的问题建立深度特征
迁移模型,最后通过实验数据进行测试和验证。本文主要内容如下:
(1)设计不同故障类型的循环水泵滚动轴承信号采集实验,对实验采集得到的振
动信号进行时域、频域和时频域特征分析,验证所采集轴承故障数据的有效性,并构建
多域特征集为下一步的故障诊断方法研究提供数据支持。
(2)为实现循环水泵滚动轴承的智能诊断,提出时间卷积胶囊网络故障诊断模型,
挖掘特征数据的深度时序向量特征提高诊断准确率,通过特征数据集进行测试验证确定
了多域特征集的优势,但也发现时间卷积胶囊网络虽然诊断准确率较高,但计算量大诊
断实时性不足。本文针对此问题,提出基于支持向量机的动态路由特征向量重构算法对
时间卷积胶囊网络进行改进。最后通过实验数据进行测试分析,结果表明相比于其他常
用故障诊断模型,本文的改进时间卷积胶囊网络模型在诊断准确率上具有较大优势,同
时有效提高了胶囊网络的计算效率。
(3)针对实际工程中核电厂循环水泵滚动轴承故障数据不足的问题,基于平衡分
布自适应对故障数据进行特征迁移,并在此基础上结合改进时间卷积胶囊网络提出深度
特征迁移故障诊断模型。实验结果证明,在不同负载下和不同传感器位置两种迁移场景
下本文的深度特征迁移故障诊断模型的可迁移性都比较好,具有较高的跨域诊断精度和
迁移稳定性,能够满足循环水泵滚动轴承故障诊断的需求。
关键词:循环水泵滚动轴承;故障诊断;特征迁移;胶囊网络
核电厂循环水泵滚动轴承故障诊断和特征迁移方法研究
Abstract
Thecirculatingwaterpumpisacrucialpieceofequipmentinthecirculatingwatersystem
ofnuclearpowerplants.Ithastheimportanttaskofprovidingdrivingpressuretocoolthewater
andremoveexcessheatfromthenuclearpowerplant.Thestabilityandreliabilityofthe
circulatingwaterpumparecrucialforthesafeoperationofthenuclearpowerplant.However,
duetothelong-termhigh-loadworkingenvironmentofthecirculatingwaterpumpinnuclear
powerplants,itsrollingbearingsarepronetofailure.Iffailuresarenotidentifiedandresolved
inatimelymanner,itmaycausedamagetothecirculatingwaterpump,whichcanaffectthe
safeoperationofthenuclearpowerplant.Therefore,itisnecessarytoconductresearchon
circulatingwaterpumpbearingfaultdiagnosismethods.However,rely