【技術實現步驟摘要】
本專利技術涉及水電機組故障診斷領域，更具體的說是涉及一種基于msst-cnn的水電機組故障診斷方法、系統及存儲介質。
技術介紹
1、水電機組正朝著高水頭、大容量方向發展，保證機組安全穩定成為水電站運行的第一要義。隨著機組工況頻繁切換，水力、機械以及電磁因素共同影響著機組穩定運行，傳統水電檢修方法無法有效識別機組故障。據統計，水電機組80％的故障都是由振動引發的。因此，機組振動信號中包含著大量的故障信息。利用振動信號實現診斷可以快速識別機組故障，實現水電機組安全運行。
2、在旋轉機械故障診斷領域，隨著傳感器技術的發展，同時獲取多通道的振動信號已非常普遍。如大型轉子的現場檢測，一般采用非接觸式電渦流傳感器正交安裝在某一支撐截面，然后采集正交方向的振動信號，即使是某個傳感器出現故障，也能進行現場監測，但與之匹配的多通道振動信號的時頻分析技術還比較缺乏，故提出基于多尺度同步壓縮(multi-synchro?squeezing?transform，msst)的旋轉機械故障時域分析新方法，將多尺度概念引入同步壓縮變換，達到從多尺度上衡量信號復雜度的效果。
3、然而現有技術仍存在一些缺陷，需要進一步提高水電機組故障診斷效率和故障診斷準確性。
技術實現思路
1、有鑒于此，本專利技術提供了一種基于msst-cnn的水電機組故障診斷方法、系統及存儲介質。
2、為了實現上述目的，本專利技術采用如下技術方案：
3、一種基于msst-cnn的水電機組故障診斷方
4、獲取水電機組不同狀態振動信號；
5、利用改進的多尺度同步壓縮變換方法對不同狀態的振動信號進行預處理，得到振動信號圖像；
6、將振動信號圖像作為測試集和訓練集對卷積神經網絡進行訓練，得到msst-cnn模型；
7、將待檢測信號特征輸入到卷積神經網絡中進行特征提取和故障分類。
8、可選的，所述改進的多尺度同步壓縮變換方法基于短時傅里葉變換和連續小波變換的改進。
9、可選的，卷積神經網絡由輸入層、卷積層、池化層、全連接層以及輸出層組成；卷積層利用過濾器檢測圖像邊緣、形狀、紋理的不同模式特征；池化層通過減少參數數量、特征圖維度對網絡結構進行優化；全連接層將輸出映射到線性可分空間，配合分類器實現不同圖像的分類。
10、可選的，所述改進的多尺度同步壓縮變換方法具體為：對于一個時間序列{x1,x2,…,xn}，通過在非重疊窗口中逐次增加數據點的數量來構造連續的粗粒度時間序列，粗粒度時間序列中的每個元素都按照方程：
11、
12、其中τ代表縮放因子，且1≤j≤n/τ。每個粗粒化時間序列的長度是n/τ的整數部分，當τ＝1的時候這個粗?；臅r間序列恰好就是原始的時間序列。然后將多尺度理論引入sst，計算多尺度同步壓縮變換后的圖像。
13、一種基于msst-cnn的水電機組故障診斷方法，包括以下步驟：
14、水電機組振動信號獲取模塊：用于獲取水電機組不同狀態振動信號；
15、振動信號預處理模塊：用于利用改進的多尺度同步壓縮變換方法對不同狀態的振動信號進行預處理，得到振動信號圖像；
16、卷積神經網絡訓練模塊：用于將振動信號圖像作為測試集和訓練集對卷積神經網絡進行訓練，得到msst-cnn模型；
17、故障診斷模塊：用于將待檢測信號特征輸入到卷積神經網絡中進行特征提取和故障分類。
18、一種計算機存儲介質，所述計算機存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現任意一項所述的一種基于msst-cnn的水電機組故障診斷方法的步驟。
19、經由上述的技術方案可知，與現有技術相比，本專利技術提供了一種基于msst-cnn的水電機組故障診斷方法、系統及存儲介質，提高了診斷精度，為水電機組故障診斷提供了新思路，具有一定的現實意義。
本文檔來自技高網...【技術保護點】
1.一種基于MSST-CNN的水電機組故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于MSST-CNN的水電機組故障診斷方法，其特征在于，所述改進的多尺度同步壓縮變換方法基于短時傅里葉變換和連續小波變換的改進。
3.根據權利要求1所述的一種基于MSST-CNN的水電機組故障診斷方法，其特征在于，卷積神經網絡由輸入層、卷積層、池化層、全連接層以及輸出層組成；卷積層利用過濾器檢測圖像邊緣、形狀、紋理的不同模式特征；池化層通過減少參數數量、特征圖維度對網絡結構進行優化；全連接層將輸出映射到線性可分空間，配合分類器實現不同圖像的分類。
4.根據權利要求1所述的一種基于MSST-CNN的水電機組故障診斷方法，其特征在于，所述改進的多尺度同步壓縮變換方法具體為：對于一個時間序列{x1,x2,…,xN}，通過在非重疊窗口中逐次增加數據點的數量來構造連續的粗粒度時間序列，粗粒度時間序列中的每個元素都按照方程：
5.一種基于MSST-CNN的水電機組故障診斷方法，其特征在于，包括以下步驟：
6.一種計算機存儲介質
...【技術特征摘要】
1.一種基于msst-cnn的水電機組故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于msst-cnn的水電機組故障診斷方法，其特征在于，所述改進的多尺度同步壓縮變換方法基于短時傅里葉變換和連續小波變換的改進。
3.根據權利要求1所述的一種基于msst-cnn的水電機組故障診斷方法，其特征在于，卷積神經網絡由輸入層、卷積層、池化層、全連接層以及輸出層組成；卷積層利用過濾器檢測圖像邊緣、形狀、紋理的不同模式特征；池化層通過減少參數數量、特征圖維度對網絡結構進行優化；全連接層將輸出映射到線性可分空間，配合分類器實現不同圖像的分類。...
【專利技術屬性】
技術研發人員：吳鳳嬌，李昂，蒲樹仁，張婷婷，王斌，熊星，
申請(專利權)人：西北農林科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。