Noise and Vibration Control ›› 2023, Vol. 43 ›› Issue (1): 110-115.

Previous Articles     Next Articles

Application of Transformer Neural Network and Axis Locus in Fault Diagnosis of Gas Turbine Rotors

  

  • Received:2021-10-26 Revised:2022-01-21 Online:2023-02-18 Published:2023-02-18

Transformer神经网络和轴心轨迹在燃机转子故障诊断中的应用

章明明1,蒋欢春2,茅大钧1,董渊博1   

  1. ( 1. 上海电力大学自动化工程学院,上海200090;2. 上海明华电力科技有限公司,上海200090 )

摘要: 针对目前国内燃机电厂转子故障诊断主要依靠振动分析,无自动识别轴心轨迹设备的现状,将在自然语言处理领域大放异彩的Transformer 神经网络引入转子轴心轨迹监测与识别领域,通过独立成分分析(IndependentComponent Analysis,ICA)与Transformer 结合提升燃机转子故障诊断准确性。使用ICA代替Transformer 自身的线性变换提取图片特征信息构建输入样本,为了解决自注意力机制无法捕捉位置信息的问题,提出相对位置编码方法,区别于使用较多的绝对位置编码,通过嵌入相对位置编码子层,将相对位置信息注入自注意力机制,使得Attention 模块能够学习到序列的相对位置信息,可进一步提高图像识别模型的准确性,该模型对于轴心轨迹故障类型平均识别率达到93.8 %。实验结果表明ICA-Transformer模型对转子轴心轨迹的识别准确率较高,对电厂运维具有一定的指导意义。

关键词: 故障诊断, 轴心轨迹, Transformer神经网络, 独立成分分析, 相对位置编码, 图像识别