汽轮机转子瞬态应力的检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109657285A(43)申请公布日2019.04.19(21)申请号201811429070.3(22)申请日2018.11.27(71)申请人中国科学院空间应用工程与技术中心地址100094北京市海淀区邓庄南路九号(72)发明人宋磊梁浩然郑太生郭丽丽李绪志(74)专利代理机构北京轻创知识产权代理有限公司11212代理人杨立赵秀斌(51)Int.Cl.G06F17/50(2006.01)G06N20/00(2019.01)权利要求书2页说明书5页附图2页(54)发明名称汽轮机转子瞬态应力的检测方法(57)摘要本发明公开了汽轮机转子瞬态应力的检测方法，涉及汽轮机领域。包括：获取汽轮机组内影响汽轮机转子瞬态应力的特征参数；建立瞬态应力预测模型，根据特征参数对瞬态应力预测模型进行训练，其中，瞬态应力预测模型包括两层结构，第一层结构由n个互不相同的机器学习模型组成，第一层结构中的n个机器学习模型的输出与第二层结构中的机器学习模型的输入连接，n≥2；根据训练后的瞬态应力预测模型对汽轮机转子的瞬态应力进行检测。本发明提供的检测方法，提高了瞬态应力预测模型对复杂情况的预测能力，保证了充分学习数据间的信息，提高了多参数复杂情况下转子瞬态应力预测的精度，且不需要进行复杂建模。CN109657285ACN109657285A权利要求书1/2页1.一种汽轮机转子瞬态应力的检测方法，其特征在于，包括：获取汽轮机组内影响汽轮机转子瞬态应力的特征参数；建立瞬态应力预测模型，根据所述特征参数对所述瞬态应力预测模型进行训练，其中，所述瞬态应力预测模型包括两层结构，第一层结构由n个互不相同的机器学习模型组成，所述第一层结构中的n个所述机器学习模型的输出与第二层结构中的机器学习模型的输入连接，n≥2；根据训练后的所述瞬态应力预测模型对汽轮机转子的瞬态应力进行检测。2.根据权利要求1所述的检测方法，其特征在于，还包括：根据所述特征参数对所述瞬态应力预测模型进行预测。3.根据权利要求2所述的检测方法，其特征在于，根据所述特征参数对所述瞬态应力预测模型进行预测，具体包括：根据交叉验证法将所述特征参数的数据集分为n份，将其中1份作为测试集，其余作为训练集；重复划分n次，得到n个划分后的测试集；将n个测试集一对一地输入到所述第一层结构中的n个机器学习模型中进行预测，得到n个初步预测结果；对n个所述初步预测结果取均值，将所述均值和n个所述测试集输入到所述第二层结构中的机器学习模型中进行预测，得到预测结果。4.根据权利要求1至3中任一项所述的检测方法，其特征在于，获取汽轮机组内影响汽轮机转子瞬态应力的特征参数，具体包括：获取汽轮机组运行时的全部运行参数；根据预设特征选择模型对全部所述运行参数进行训练，根据训练结果确定全部所述运行参数的重要性，将重要性大于预设阈值的运行参数作为影响汽轮机转子瞬态应力的特征参数。5.根据权利要求4所述的检测方法，其特征在于，根据预设特征选择模型对全部所述运行参数进行训练，根据训练结果确定全部所述运行参数的重要性，具体包括：将任一所述运行参数输入到所述预设特征选择模型中进行训练，得到第一训练结果；根据所述第一训练结果与所述汽轮机转子瞬态应力进行误差计算，得到第一误差；向所述运行参数中加入随机噪声；将加入随机噪声后的所述运行参数重新输入到所述预设特征选择模型中进行训练，得到第二训练结果；根据所述第二训练结果与所述汽轮机转子瞬态应力进行误差计算，得到第二误差；根据所述第一误差、第二误差和预设重要性计算公式，计算得到所述运行参数的重要性；重复计算其他所述运行参数的重要性，直到全部所述运行参数的重要性计算完成。6.根据权利要求5所述的检测方法，其特征在于，根据以下公式计算运行参数的重要性：importace＝(|E1-E2|)/N其中，importace为重要性，E1为第一误差，E2为第二误差，N为所述预设特征选择模型中2CN109657285A权利要求书2/2页决策树的数量。7.根据权利要求5或6所述的检测方法，其特征在于，所述预设特征选择模型为随机森林模型。8.根据权利要求1所述的检测方法，其特征在于，所述第一层结构由3个互不相同的机器学习模型组成，分别是Lasso回归模型、弹性网络模型和随机森林模型。9.根据权利要求1所述的检测方法，其特征在于，所述第二层结构中的机器学习模型为Lasso回归模型。10.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至9中任一项所述的方法。3CN109657285A说明书1/5页汽轮机转子瞬态应力的检测方法技术领域[0001]本发明涉及汽轮机领域，尤其涉及一种汽轮机转子瞬态应力的检