中子斩波器运维健康状态监测系统

1.本发明涉及中子斩波器监控监测领域，尤其涉及中子斩波器运维健康状态监测系统。


背景技术：

2.中子斩波器(大科学装置斩波器)是一种机械式斩波器，属于旋转机械类设备，又称中子能量选择器，出现于二十世纪三四十年代，最早用于中子诱发放射性同位素的研究；随着中子散射技术的发展，被广泛应用于各类大型中子源设施；在飞行时间型中子散射谱仪中，斩波器可以从时间上裁剪束流，起到去除快中子和高能伽马射线背底、选择中子波长范围和单色化中子的作用。
3.中子斩波器在实际运维过程中，稳定性比较好，因此一般没有对其进行健康状态监测，然而，中子斩波器在实际运维过程中，仍然会出现一定的故障，主要的故障因素如振动、温度、真空度和电流，因此亟需设计一种中子斩波器运维健康状态监测系统用于实时监测并反馈中子斩波器的运行状态。


技术实现要素：

4.本发明的目的是提供中子斩波器运维健康状态监测系统，通过数据采集模块定时的采集斩波器的运行状态，并将采集到的数据通过数据库管理模块写入到数据库中，故障诊断模块根据数据库中的数据判断斩波器是否发生故障，状态显示模块将最新的监测数据及故障信息显示给用户。
5.为了实现以上目的，本发明采用的技术方案为：中子斩波器运维健康状态监测系统，包括安装在斩波器上的数据采集模块和远程终端处的数据库管理模块、状态显示模块和故障诊断模块，数据采集模块用于采集斩波器的振动、电流、温度和真空度数据，数据库管理模块用于接收数据采集模块采集的数据，并将其存储在数据库中；故障诊断模块用于诊断数据库中记录的数据是否为故障数据，并将诊断结果反馈到数据库管理模块；状态显示模块用于显示采集到的数据信息及故障信息。
6.优选的，故障诊断模块的诊断步骤如下：
7.步骤一、利用双向生成对抗网络(bi-gan)算法的生成对抗机制从正常状态数据中提取有效特征；
8.步骤二、利用步骤一提取到的有效特征基于单类学习算法构建故障检测模型；
9.步骤三、将数据库传入的数据经过特征提取器后输入故障检测模型，判断是否为故障数据，并将诊断的结果反馈给数据库管理模块。
10.优选的，步骤二中所采用的单位学习算法为支持向量机(oc-svm)，支持向量机的基本函数由下式给出：
11.f(x)＝ω
·
∮(x)+b
12.其中f(x)是一个非线性映射函数，并且ω和b是需要确定的向量参数；在数据集
{(x1，y1)，(x2，y2)，
…
,(xn，yn)}(xi∈rn，yi∈rn)中xi为输入，yi是输出，并且rn表示n维欧氏空间；可训练函数f(x)逼近实际值y；支持向量机的目标函数可以表示为：
[0013][0014]
其中，∫是代价函数，c是惩罚因子，n表示数据的数量；
[0015]
svm的代价函数如下：
[0016][0017]
其中ε为参数；svm方法将预测值f(x)与实际值y之间的最大偏差ε置于两者之间，当两者之间的绝对差值大于ε时，开始计算成本值；两个宽度的边距2ε将在f(x)的中心下方建造；右边界点是“支持向量”的确定模型；如果训练样本停留在空白处，则可以假定结果是正确的。
[0018]
由于柔性边界，松弛变量ξi和被引入，因此方程可以被改写为：
[0019][0020][0021]
式中，ξi和分别表示误差上限和误差下限；通过引入拉格朗日乘子α≥0，δ≥0；拉格朗日函数为；
[0022][0023]
对偶函数可以写成：
[0024][0025][0026]
函数k(xi,yj)是核函数，核函数可以将低维空间的非线性问题转化为高维空间的规划线性问题，近似函数为：
[0027][0028]
优选的，步骤一利用双向生成对抗网络(bi-gan)算法是在gan算法上作出的改进，不仅包含gan算法从gan只含有从特征(feature)空间到数据(data)空间的一个生成器g，还
包含一个从数据(data)空间到特征(feature)空间的特征提取器e(encoder)，判别器的作用是判断数据对(x，z)是服从联合分布p
ex
(x，z)＝p
x
(x)pe(z|x)还是：p
gz
(x，z)＝pg(x|z)pz(z)。
[0029]
优选的，数据采集模块包括用于采集斩波器电流信号的电流传感器、用于采集斩波器内温度信号的温度传感器、用于采集斩波器内真空度信号的真空度传感器和用于采集斩波器振动信号的振动传感器；斩波器的外侧面设置有外接块，外接块上开设有两个外接孔，两个外接孔套接有可插入到斩波器内的温度传感器和真空度传感器，且安装后的温度传感器和真空度传感器实现外接孔的密封。
[0030]
优选的，斩波器配合四个安装块，安装块上设置直角形的振动检测座，振动检测座竖直边贴住斩波器的壳体，且竖直边通过安装法兰安装有振动传感器，水平边设置在安装块上，且振动检测座上开设有上大下小阶梯状的调节孔，调节孔的下部与安装块上的安装孔配合，且调节孔的下部尺寸大于安装块上的安装孔，调节孔的上部放置有锁紧螺母。
[0031]
本发明的技术效果为：
[0032]
1、通过数据采集模块定时的采集斩波器的运行状态，并将采集到的数据传入到数据库管理模块，数据库管理模块将数据写入到数据库中，故障诊断模块用于判断数据库中的数据是否为故障数据，状状态显示模块将最新的监测数据及故障信息显示给用户，如此可以实现中子斩波器的运维状态监测。
[0033]
2、外接块的设计，可以使温度传感器和真空度传感器的本体安装在斩波器的外部，方便拆装，同时通过密封安装，不会影响到斩波器的真空度。
[0034]
3、调节孔的设计，可以微调振动检测座的位置，确保振动检测座能够贴紧斩波器的壳体，如此即可确保斩波器的壳体振动能够直接带动振动检测座的竖直边振动，进而使振动传感器能够精准的测量出振动幅度，同时也是通过一个螺栓直接是实现斩波器和振动传感器的结构的安装，能使斩波器和振动传感器的安装锁紧位置一致，确保振动检测器采集的振动信号为斩波器本身的振动，不会受到安装架或者安装座振动的影响。
附图说明
[0035]
图1为中子斩波器运维健康状态监测系统的示意图。
[0036]
图2为数据采集模块的示意图。
[0037]
图3为双向生成对抗网络(bi-gan)算法进行单类数据特征提取的示意图。
[0038]
图4为斩波器的立体示意图。
[0039]
图5为振动传感器与斩波器的配合示意图。
[0040]
图6为斩波器配合锁紧螺栓后的示意图。
[0041]
图中所示文字标注表示为：1、斩波器；2、安装块；3、外接块；4、外接孔；5、振动检测座；6、振动传感器；7、安装法兰；8、调节孔；9、锁紧螺母；10、锁紧螺栓。
具体实施方式
[0042]
为了使本领域技术人员更好地理解本发明的技术方案，下面对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。
[0043]
如图1-3所示，本技术的技术方案为：中子斩波器运维健康状态监测系统，其特征
在于，包括安装在斩波器上的数据采集模块和远程终端处的数据库管理模块、状态显示模块和故障诊断模块，数据采集模块用于采集斩波器1的振动、电流、温度和真空度数据，数据库管理模块用于接收数据采集模块采集的数据，并将数据存储在数据库中；故障诊断模块用于诊断数据库中记录的数据是否为故障数据；状态显示模块用于显示采集到的数据信息及故障信息，故障诊断模块的诊断步骤如下：
[0044]
步骤一、利用双向生成对抗网络(bi-gan)算法的生成对抗机制从正常状态数据中提取有效特征；
[0045]
步骤二、利用步骤一提取到的有效特征基于单类学习算法构建故障检测模型；
[0046]
步骤三、将数据库传入的数据经过特征提取器后输入故障检测模型，判断是否为故障数据，并将诊断的结果反馈给数据库管理模块；
[0047]
步骤二中所采用的单类学习算法为支持向量机(oc-svm)，支持向量机的基本函数由下式给出：
[0048]
f(x)＝ω
·
∮(x)+b[0049]
其中f(x)是一个非线性映射函数，并且ω和b是需要确定的向量参数；在数据集{(x1，y1)，(x2，y2)，
…
,(xn，yn)}(xi∈rn，yi∈rn)中xi为输入，yi是输出，并且rn表示n维欧氏空间；可训练函数f(x)逼近实际值y；支持向量机的目标函数可以表示为：
[0050][0051]
其中，∫是代价函数，c是惩罚因子，n表示数据的数量；
[0052]
svm的代价函数如下：
[0053][0054]
其中ε为参数；svm方法将预测值f(x)与实际值y之间的最大偏差ε置于两者之间，当两者之间的绝对差值大于ε时，开始计算成本值；两个宽度的边距2ε将在f(x)的中心下方建造；右边界点是“支持向量”的确定模型；如果训练样本停留在空白处，则可以假定结果是正确的。
[0055]
由于柔性边界，松弛变量ξi和被引入，因此方程可以被改写为：
[0056][0057][0058]
式中，ξi和分别表示误差上限和误差下限；通过引入拉格朗日乘子α≥0，δ≥0；拉格朗日函数为；
[0059][0060]
对偶函数可以写成：
[0061][0062][0063]
函数k(xi,yj)是核函数，核函数可以将低维空间的非线性问题转化为高维空间的规划线性问题，近似函数为：
[0064][0065]
步骤一利用双向生成对抗网络(bi-gan)算法是在gan算法上作出的改进，不仅包含gan算法从gan只含有从特征(feature)空间到数据(data)空间的一个生成器g，还包含一个从数据(data)空间到特征(feature)空间的特征提取器e(encoder)，判别器的作用是判断数据对(x，z)是服从联合分布p
ex
(x，z)＝p
x
(x)pe(z|x)还是：p
gz
(x，z)＝pg(x|z)pz(z)。
[0066]
具体应用如下，先将正常运行状态下的数据写入到数据库管理模块，而温度和真空度则是特定的范围，在此范围内则为正常，反之则异常，这两项指标无需构建故障检测模型；而振动和电流则需要单独构建故障检测模型，具体是利用双向生成对抗网络(bi-gan)算法的生成对抗机制从正常状态数据中提取有效特征；利用提取到的有效特征基于支持向量机(oc-svm)算法构建故障检测模型；之后则是通过数据采集模块定时的采集斩波器的温度、真空度、电流和振动数据，之后将采集的数据传入到数据库管理系统，将其存储在数据库中；故障诊断模块读取数据库中的数据，通过特征提取器处理数据后输入到故障检测模型，判断是否为故障数据，并将诊断的结果反馈给数据库管理模块；状态显示模块用于显示最新的监测数据及故障信息，如此即可实现中子斩波器运维监控的状态监测；为了更好的验证故障检测模型，可以在检测为故障后，进行人工核实，并将核实结果穿入到数据库管理模块进行更新。
[0067]
如图4-6所示，数据采集模块包括用于采集斩波器电流信号的电流传感器、用于采集斩波器内温度信号的温度传感器、用于采集斩波器内真空度信号的真空度传感器和用于采集斩波器振动信号的振动传感器；斩波器1的外侧面设置有外接块3，外接块3上开设有两个外接孔4，两个外接孔4套接有可插入到斩波器1内的温度传感器和真空度传感器，且安装后的温度传感器和真空度传感器实现外接孔4的密封，斩波器1配合四个安装块2，安装块2上设置直角形的振动检测座5，振动检测座5竖直边贴住斩波器1的壳体，且竖直边通过安装法兰7安装有振动传感器6，水平边设置在安装块2上，且振动检测座5上开设有上大下小阶梯状的调节孔8，调节孔8的下部与安装块2上的安装孔配合，且调节孔8的下部尺寸大于安
装块2上的安装孔，调节孔8的上部放置有锁紧螺母9。
[0068]
电流传感器一般是安装在中子斩波器内，其他结构在具体安装时，通过锁紧螺栓10穿过安装块2上的安装孔和调节孔8的上部，并穿入到锁紧螺母9内，进而通过锁紧螺栓10和锁紧螺母9锁紧将安装块2安装到安装座或安装架上，调节孔的设计，可以微调振动检测座5的位置，确保振动检测座5能够贴紧斩波器1的壳体，如此即可确保斩波器1的壳体振动能够直接带动振动检测座5的竖直边振动，进而使振动传感器6能够精准的测量出振动幅度，同时也是通过一个螺栓直接是实现斩波器和采集器的安装，而且还能使斩波器和采集器的安装锁紧位置一致，确保振动传感器6采集的振动信号为斩波器1本身的振动，不会受到安装架或者安装座振动的影响，外接孔4一般为螺纹孔，并与斩波器的内部连通，且外接块3一般是处于斩波器散热风机的相对的一侧，而温度传感器和真空度传感器是通过螺纹的形式安装在外接孔4内，并通过法兰盘进行密封。
[0069]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0070]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实例的说明只是用于帮助理解本发明的方法及其核心思想。以上所述仅是本发明的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的具体结构，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将发明的构思和技术方案直接应用于其它场合的，均应视为本发明的保护范围。

技术特征：
1.中子斩波器运维健康状态监测系统，其特征在于，包括安装在斩波器1上的数据采集模块和远程终端处的数据库管理模块、状态显示模块和故障诊断模块，数据采集模块用于采集斩波器1的振动、电流、温度和真空度数据，数据库管理模块用于接收数据采集模块采集的数据，并将数据存储在数据库中；故障诊断模块用于诊断数据库中记录的数据是否为故障数据，并将诊断结果反馈到数据库管理模块；状态显示模块用于显示采集到的数据信息及故障信息。2.根据权利要求1所述的中子斩波器运维健康状态监测系统，其特征在于，故障诊断模块的诊断步骤如下：步骤一、利用双向生成对抗网络(bi-gan)算法的生成对抗机制从正常状态数据中提取有效特征；步骤二、利用步骤一提取到的有效特征基于单类学习算法构建故障检测模型；步骤三、将数据库传入的数据经过特征提取器后输入故障检测模型，判断是否为故障数据，并将诊断的结果反馈给数据库管理模块。3.根据权利要求2所述的中子斩波器运维健康状态监测系统，其特征在于，步骤二中所采用的单位学习算法为支持向量机(oc-svm)，支持向量机的基本函数由下式给出：f(x)＝ω
·
∮(x)+b其中f(x)是一个非线性映射函数，并且ω和b是需要确定的向量参数；在数据集{(x1，y1)，(x2，y2)，
…
,(x
n
，y
n
)}(x
i
∈r
n
，y
i
∈r
n
)中x
i
为输入，y
i
是输出，并且r
n
表示n维欧氏空间；可训练函数f(x)逼近实际值y；支持向量机的目标函数可以表示为：其中，∫是代价函数，c是惩罚因子，n表示数据的数量；svm的代价函数如下：其中ε为参数；svm方法将预测值f(x)与实际值y之间的最大偏差ε置于两者之间，当两者之间的绝对差值大于ε时，开始计算成本值；两个宽度的边距2ε将在f(x)的中心下方建造；右边界点是“支持向量”的确定模型；如果训练样本停留在空白处，则可以假定结果是正确的。由于柔性边界，松弛变量ξ
i
和被引入，因此方程可以被改写为：被引入，因此方程可以被改写为：式中，ξ
i
和分别表示误差上限和误差下限；通过引入拉格朗日乘子α≥0，δ≥0；拉格朗日函数为；
对偶函数可以写成：对偶函数可以写成：函数k(x
i
,y
j
)是核函数，核函数可以将低维空间的非线性问题转化为高维空间的规划线性问题，近似函数为：4.根据权利要求2所述的中子斩波器运维健康状态监测系统，其特征在于，步骤一利用双向生成对抗网络(bi-gan)算法是在gan算法上作出的改进，不仅包含gan算法从gan只含有从特征(feature)空间到数据(data)空间的一个生成器g，还包含一个从数据(data)空间到特征(feature)空间的特征提取器e(encoder)，判别器的作用是判断数据对(x,z)是服从联合分布p
ex
(x，z)＝p
x
(x)p
e
(z|x)还是p
gz
(x，z)＝p
g
(x|z)p
z
(z)。5.根据权利要求1所述的中子斩波器运维健康状态监测系统，其特征在于，数据采集模块包括用于采集斩波器电流信号的电流传感器、用于采集斩波器内温度信号的温度传感器、用于采集斩波器内真空度信号的真空度传感器和用于采集斩波器振动信号的振动传感器；斩波器1的外侧面设置有外接块3，外接块3上开设有两个外接孔4，两个外接孔4套接有可插入到斩波器1内的温度传感器和真空度传感器，且安装后的温度传感器和真空度传感器实现外接孔4的密封。6.根据权利要求5所述的中子斩波器运维健康状态监测系统，其特征在于，斩波器1配合四个安装块2，安装块2上设置直角形的振动检测座5，振动检测座5竖直边贴住斩波器1的壳体，且竖直边通过安装法兰7安装有振动传感器6，水平边设置在安装块2上，且振动检测座5上开设有上大下小阶梯状的调节孔8，调节孔8的下部与安装块2上的安装孔配合，且调节孔8的下部尺寸大于安装块2上的安装孔，调节孔8的上部放置有锁紧螺母9。

技术总结
本发明涉及中子斩波器运维健康状态监测系统，包括安装在斩波器上的数据采集模块和远程终端处的数据库管理模块、状态显示模块和故障诊断模块，数据采集模块用于采集斩波器的振动、电流、温度和真空度数据，数据库管理模块用于接收数据采集模块采集的数据，并将接收到的数据存储在数据库中；故障诊断模块用于诊断数据库中存储的数据是否为故障数据，并将诊断结果反馈到数据库管理模块；状态显示模块从数据库中读取最新的监测数据，将数据和故障信息显示给用户。示给用户。示给用户。


技术研发人员：黄云伟 周锐畅 龙建宇 杨喆
受保护的技术使用者：东莞理工学院
技术研发日：2023.06.27
技术公布日：2023/8/13