核电厂循环水泵滚动轴承故障诊断和特征迁移方法研究.pdf

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