【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于電力工程，具體涉及一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法。
技術(shù)介紹
1、水電站導(dǎo)水機(jī)構(gòu)是水輪機(jī)的核心支撐部件以及流道組成部分，可控制流速，一旦轉(zhuǎn)輪出現(xiàn)故障，水流速度以及方向均可能發(fā)生進(jìn)而影響能量轉(zhuǎn)換，重則發(fā)生導(dǎo)水機(jī)構(gòu)塌陷而導(dǎo)致整個(gè)廠房破壞甚至危及工人生命，目前缺乏對(duì)導(dǎo)水結(jié)構(gòu)運(yùn)行信號(hào)有效診斷，主要存在以下幾個(gè)問(wèn)題：(1)目前診斷方法基本從時(shí)域、頻域等角度出發(fā)時(shí)程信號(hào)轉(zhuǎn)為一個(gè)特征值，從宏觀角度分析了故障，而忽略了微觀中時(shí)間對(duì)信號(hào)的影響；(2)僅從時(shí)程角度考慮時(shí)間對(duì)故障診斷影響，而忽略了信號(hào)的時(shí)域、頻域特征對(duì)故障診斷的影響。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)要解決的技術(shù)問(wèn)題是提供一種能提升故障診斷模型的精度與魯棒性的基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法。
2、本專利技術(shù)的技術(shù)方案為：一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法，包括以下步驟：
3、(1)、對(duì)導(dǎo)水機(jī)構(gòu)振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行處理，構(gòu)建數(shù)據(jù)集；
4、(2)、將數(shù)據(jù)集按8：2的比例分為訓(xùn)練集和測(cè)試集；
5、(3)、構(gòu)建水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別深度學(xué)習(xí)模型，包括以下步驟：
6、s1、從時(shí)程信號(hào)分析出發(fā)，構(gòu)建一維cnn網(wǎng)絡(luò)結(jié)構(gòu)，所述一維cnn網(wǎng)絡(luò)結(jié)構(gòu)包括：1×3卷積層、注意力機(jī)制、池化層、歸一化層、lstm層、全連接層以及dropout正則化，兩層所述1×3卷積層提取時(shí)程信號(hào)的特征，另一所述1×3卷積層的引入注意力機(jī)制；
7、s2、
8、s3、從時(shí)程信號(hào)中提取時(shí)域特征，所述時(shí)域特征為均方根值；
9、s4、采用svm分類器對(duì)三個(gè)維度的特征進(jìn)行分類處理；
10、(4)、將訓(xùn)練集作為輸入，對(duì)模型進(jìn)行訓(xùn)練從而獲得水輪機(jī)導(dǎo)水機(jī)構(gòu)故障識(shí)別模型，并通過(guò)測(cè)試集驗(yàn)證模型的效果。
11、進(jìn)一步地，所述對(duì)導(dǎo)水機(jī)構(gòu)振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行處理具體為通過(guò)三個(gè)不同路徑來(lái)提取特征，所述三個(gè)不同路徑包括：路徑1：通過(guò)1×3卷積層提取時(shí)程信號(hào)的特征，路徑2：通過(guò)傅里葉變換提取頻域特征，路徑3：從時(shí)程信號(hào)中提取時(shí)域特征。
12、進(jìn)一步地，所述1×3卷積層的卷積運(yùn)算在時(shí)序信號(hào)上進(jìn)行，所述卷積運(yùn)算的表達(dá)式為：
13、y＝σ(w*x+b)，
14、其中，*表示卷積操作，w表示卷積核，σ表示激活函數(shù)，b表示偏置項(xiàng)；
15、所述注意力機(jī)制的表達(dá)式為：
16、
17、其中，q表示查詢矩陣，k表示鍵矩陣，v表示值矩陣，dk表示縮放因子，t表示矩陣的轉(zhuǎn)置；
18、所述池化層的表達(dá)式為：
19、ypool＝max(xi：i+k)，
20、其中，ypool表示池化層的輸出，xi：i+k表示輸入數(shù)據(jù)x的第i個(gè)元素到第i+k個(gè)元素的子序列或子區(qū)域；
21、所述歸一化層的表達(dá)式為：
22、
23、其中，xnorm表示經(jīng)過(guò)歸一化后的輸入數(shù)據(jù)，x表示輸入數(shù)據(jù)，μ表示輸入數(shù)據(jù)的均值，σ表示輸入數(shù)據(jù)的標(biāo)準(zhǔn)差；
24、所述lstm層的表達(dá)式為：
25、ft＝σ(wf·[ht-1，xt]+bf)
26、it＝σ(wi·[ht-1，xt]+bi)
27、
28、ot＝σ(wo·[ht-1，xt]+bo)
29、ht＝ot·tanh(ct)，
30、其中，ft表示遺忘門的輸出，σ表示sigmoid激活函數(shù)，wf表示遺忘門的權(quán)重矩陣，xt表示當(dāng)前時(shí)間步的輸入，ht-1表示前一個(gè)時(shí)間步的隱藏狀態(tài)，bf表示遺忘門的偏置項(xiàng)，it表示輸入門的輸出，wi表示輸入門的權(quán)重矩陣，bi表示輸入門的偏置項(xiàng)，表示候選記憶單元，wc表示候選記憶單元的權(quán)重矩陣，bc表示候選記憶單元的偏置項(xiàng)，ct表示當(dāng)前時(shí)間步的記憶單元，ct-1表示前一個(gè)時(shí)間步的記憶單元，ot表示輸出門的輸出，wo表示輸出門的權(quán)重矩陣，bo表示輸出門的偏置項(xiàng)，ht表示當(dāng)前時(shí)間步的隱藏狀態(tài)；
31、所述全連接層的表達(dá)式為：
32、yfc＝wfc·x+bfc，
33、其中，yfc表示全連接層的輸出，wfc表示全連接層的權(quán)重矩陣，x表示輸入向量，bfc表示全連接層的偏置向量；
34、所述dropout正則化的表達(dá)式為：
35、h＝dropout(h，p)，
36、其中，h表示輸入的特征向量，p表示丟棄率。
37、進(jìn)一步地，所述通過(guò)傅里葉變換獲取時(shí)程信號(hào)的頻域特征的表達(dá)式為：
38、
39、其中，x(t)表示輸入的時(shí)程信號(hào)，t表示時(shí)間變量，f表示頻率變量，j表示虛數(shù)單位；
40、所述從時(shí)程信號(hào)中提取時(shí)域特征的表達(dá)式為：
41、
42、其中，rms表示均方根值，n表示時(shí)程信號(hào)中的數(shù)據(jù)點(diǎn)總數(shù)，xi表示時(shí)程信號(hào)的第i個(gè)數(shù)據(jù)點(diǎn)。
43、進(jìn)一步地，所述svm分類器的表達(dá)式為：
44、
45、subject?to?yi(w·xi+b)≥1-ξi，ξi≥0，
46、其中，w表示權(quán)重向量，b表示決策函數(shù)的偏置項(xiàng)，ξi表示松弛變量，即第i個(gè)數(shù)據(jù)點(diǎn)未能在正確側(cè)且位于邊界外的距離，yi表示第i個(gè)數(shù)據(jù)點(diǎn)的類別標(biāo)簽，xi表示第i個(gè)數(shù)據(jù)點(diǎn)的特征向量，c表示正則化參數(shù)，n表示數(shù)據(jù)點(diǎn)的總數(shù)量。
47、本專利技術(shù)的有益效果：本專利技術(shù)的一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法通過(guò)從時(shí)程信號(hào)分析出發(fā)，構(gòu)建一維cnn網(wǎng)絡(luò)結(jié)構(gòu)，其由1×3卷積層、注意力機(jī)制、池化層、歸一化層、lstm層、全連接層以及dropout正則化組成，其中兩層1x3卷積層提取時(shí)程信號(hào)的特征信息，同時(shí)引入注意機(jī)制使另外一卷積層考慮局部信息與全局信息，池化層與歸一化層提升計(jì)算速度以及降低冗余信息，lstm結(jié)構(gòu)避免在時(shí)間維度丟失信息，采用全連接層以及dropout正則化，減少了特征量對(duì)結(jié)果影響，同時(shí)避免數(shù)據(jù)過(guò)擬合，最終輸出一個(gè)反應(yīng)故障的特征值；通過(guò)運(yùn)用傅里葉變換獲取頻域特征和直接從時(shí)域提取均方根值，能夠全面捕捉導(dǎo)水機(jī)構(gòu)振動(dòng)信號(hào)中的關(guān)鍵信息；簡(jiǎn)而言之，本專利技術(shù)的一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法通過(guò)融合時(shí)程信號(hào)的時(shí)域、頻域特征，同時(shí)考慮時(shí)程信號(hào)中時(shí)刻影響，避免了單角度分析，提升了故障診斷模型的精度與魯棒性。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法，其特征在于，所述對(duì)導(dǎo)水機(jī)構(gòu)振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行處理具體為通過(guò)三個(gè)不同路徑來(lái)提取特征，所述三個(gè)不同路徑包括：路徑1：通過(guò)1×3卷積層提取時(shí)程信號(hào)的特征，路徑2：通過(guò)傅里葉變換提取頻域特征，路徑3：從時(shí)程信號(hào)中提取時(shí)域特征。
3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法，其特征在于，所述1×3卷積層的卷積運(yùn)算在時(shí)序信號(hào)上進(jìn)行，所述卷積運(yùn)算的表達(dá)式為：
4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法，其特征在于，所述通過(guò)傅里葉變換獲取時(shí)程信號(hào)的頻域特征的表達(dá)式為：
5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法，其特征在于，所述SVM分類器的表達(dá)式為：
【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的水電站導(dǎo)水機(jī)構(gòu)運(yùn)行故障識(shí)別方法，其特征在于，所述對(duì)導(dǎo)水機(jī)構(gòu)振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行處理具體為通過(guò)三個(gè)不同路徑來(lái)提取特征，所述三個(gè)不同路徑包括：路徑1：通過(guò)1×3卷積層提取時(shí)程信號(hào)的特征，路徑2：通過(guò)傅里葉變換提取頻域特征，路徑3：從時(shí)程信號(hào)中提取時(shí)域特征。
3.根據(jù)權(quán)利要求1...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：徐葉松，
申請(qǐng)(專利權(quán))人：云南電力試驗(yàn)研究院集團(tuán)有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。