The invention discloses a fault diagnosis method for hydropower units based on information fusion technology. Firstly, the characteristic parameters of different vibration faults of hydropower units are extracted; the corresponding training set and test set are constructed; then three independent improved cuckoo search algorithms are established to optimize BP neural network model for primary diagnosis of vibration faults of hydropower units; and the primary diagnosis results are taken as evidence. According to the independent evidence body of the theory, the final fusion decision is made. The invention uses the fitness of cuckoo search algorithm in the iteration process to adjust the step factor, and strengthens the adaptability for complex optimization problems. In addition, the invention adopts the fault diagnosis method based on information fusion technology to enhance the robustness and fault tolerance of the diagnosis model, thereby effectively improving the accuracy of vibration fault diagnosis of hydropower units.
【技术实现步骤摘要】
一种基于信息融合技术的水电机组故障诊断方法
本专利技术属于水电机组故障诊断
,涉及一种基于信息融合技术的水电机组故障诊断方法。
技术介绍
水电机组(HGU)在运行过程中易受到水力、机械、电磁等因素的耦合影响,随着运行时间的累积,水电机组及其辅助设备难免会发生故障甚至失效,其故障通常以振动的形式表现出来;因此,准确提取振动信号的特征并正确识别其故障类型,对保证水电机组的安全稳定运行具有重要意义。近年来,随着人工智能技术的发展,多种智能诊断方法已应用于水电机组(HGU)的故障诊断中,如支持向量机(SVM)、BP神经网络(BPNN)以及自组织映射神经网络(SOM)等;然而,支持向量机对缺失数据敏感;而BPNN具有收敛速度慢、处理复杂问题的能力差等缺陷;不同的初始条件对SOM网络的学习过程以及学习结果有着非常敏感的影响。基于此,研究者选择将人工智能与优化算法相结合进而诊断水电机组的振动故障。但由于算法运行的随机性,需要多次实验才能获得较满意的诊断结果。因此,选择适宜的优化算法是非常必要的。布谷鸟搜索(CS)是一种新颖的优化算法,鉴于其模型简单且易于实现,已被应用于不同的工程领域。研究表明,CS优于遗传算法(GA)和粒子群优化(PSO)算法。然而,在原始CS算法中,步长因子对优化问题较敏感;对于不同的问题,它可以设置为1、0.1或0.01。显然,合理设置步长因子是一项挑战性工作。因此,需要对CS算法进行改进,以提高其优化性能。此外,BP神经网络的诊断性能受初始权阈值参数设置的影响严重,其求解复杂非线性问题时易出现过拟合。
技术实现思路
本专利技术的目的是提供一种基 ...
【技术保护点】
1.一种基于信息融合技术的水电机组故障诊断方法,其特征在于,具体按照以下步骤实施:步骤1、采用至少一组加速度传感器来收集水电机组振动故障的信息,并提取出特征参数;步骤2、将所述特征参数划分为训练数据和测试数据,所述训练数据用于构建神经网络模型,所述测试数据用于验证神经网络模型的诊断性能;步骤3、建立至少两个基于改进布谷鸟搜索算法优化BP神经网络的初级诊断模型,获取基本概率赋值;步骤4、采用证据理论的合成规则对所述基本概率赋值进行信息融合,得出所述水电机组振动故障的诊断结论。
【技术特征摘要】
1.一种基于信息融合技术的水电机组故障诊断方法,其特征在于,具体按照以下步骤实施:步骤1、采用至少一组加速度传感器来收集水电机组振动故障的信息,并提取出特征参数;步骤2、将所述特征参数划分为训练数据和测试数据,所述训练数据用于构建神经网络模型,所述测试数据用于验证神经网络模型的诊断性能;步骤3、建立至少两个基于改进布谷鸟搜索算法优化BP神经网络的初级诊断模型,获取基本概率赋值;步骤4、采用证据理论的合成规则对所述基本概率赋值进行信息融合,得出所述水电机组振动故障的诊断结论。2.根据权利要求1所述的一种基于信息融合技术的水电机组故障诊断方法,其特征在于,步骤1中,所述振动故障的类型分为:转子不平衡、转子不对中和尾水管偏心涡带,上述三种类型构成了振动故障的识别框架;所述特征参数为振动信号频谱分量的幅值:<0.5f0、f0、2f0、3f0、>3f0,其中f0为基频。3.根据权利要求1所述的一种基于信息融合技术的水电机组故障诊断方法,其特征在于,步骤3中,所述建立基于改进布谷鸟搜索算法优化BP神经网络的初级诊断模型,具体按照以下步骤实施:步骤3.1、构建BP神经网络模型,对以下参数进行初始化:训练步数、学习率、学习目标以及隐含层神经元个数,并确定转移函数与训练函数;步骤3.2、初始化改进布谷鸟搜索算法,初始化参数包括:种群规模N、最大迭代次数tmax、发现概率pa以及刻度因子α0;步骤3.3、生成初始解xi(i=1,2,…,N),计算其适应度f(xi);步骤3.4、记录最优解xbest及其适应度fbest;步骤3.5、若当前迭代次数t<tmax,搜索最优解,且每次循环后,迭代次数加1;否则跳转至步骤3.12;步骤3.6、计算步长因子;步骤3.7、采用Levy飞行策略生成...
【专利技术属性】
技术研发人员:程加堂,熊燕,艾莉,赵熙靖,
申请(专利权)人:红河学院,
类型:发明
国别省市:云南,53
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。