The invention discloses a method for fault analysis of hydraulic automatic stack based coder, comprising the following steps: (1) from the acquisition system running water detection unit original state data, and manual labeling; (2) the operation of the unit original data into training data and test data, and get the training and testing of label label; (3) using the training data of each layer of the stack automatic auto encoder encoder for pre training, feature extraction and pre training; then, to fine tune the network using the training label stack automatic encoder network based on the obtained after fine-tuning, as the water conservancy unit fault analysis model; (4) the test input to the hydraulic unit fault analysis the data model, analysis of water conservancy unit failure. The method adopts the monitoring data of all the running states of the water conservancy unit, and carries out a more comprehensive assessment of the current health status of the water conservancy unit by means of the stack automatic coder method, so that the diagnosis is more accurate.
【技术实现步骤摘要】
基于堆栈自动编码器的水利机组故障分析方法
本专利技术涉及一种基于堆栈自动编码器的水利机组故障分析方法,属于水利机组故障诊断
技术介绍
水利机组的故障诊断是指通过对水利机组大量状态数据的学习,利用深度网络模型对机组当前健康状况做出预测分析。目前现有的水利机组检修的状态信息分析主要以振动信号为主,信息分析不全面,而且征兆与故障之间关系的复杂性不明确,构造出的机组故障诊断模型诊断精度不高。
技术实现思路
针对现有技术存在的不足,本专利技术目的是提供一种基于堆栈自动编码器的水利机组故障分析方法,本方法直接采用水利机组全部运行状态的监测数据,通过堆栈自动编码器方法,可以对水利机组当前健康状态进行更全面的评估,另外,基于深度学习的堆栈自动编码器网络构建机组的故障诊断模型,诊断更加精确。为了实现上述目的,本专利技术是通过如下的技术方案来实现:本专利技术的基于堆栈自动编码器的水利机组故障分析方法,包括以下几个步骤:(1)从水利机组检测系统采集机组运行原始状态数据,并进行人工标记;(2)将所述机组运行原始状态数据划分为训练数据和测试数据,同时获得训练标签和测试标签;(3)利用所述训练数据对堆栈自动编码器的每一层自动编码器进行预训练,提取预训练的特征;然后,利用训练标签对网络进行微调,获得微调后的基于堆栈自动编码器网络,作为水利机组故障分析模型;(4)将所述测试数据输入到水利机组故障分析模型,完成水利机组故障分析。步骤(1)中,从水利机组检测系统采集的机组运行原始状态数据整理并保存为表格格式;步骤(2)中,人工标记后的训练标签数据和测试标签数据同样以表格方式进行存储。当 ...
【技术保护点】
基于堆栈自动编码器的水利机组故障分析方法,其特征在于,包括以下几个步骤:(1)从水利机组检测系统采集机组运行原始状态数据,并进行人工标记;(2)将所述机组运行原始状态数据划分为训练数据和测试数据,同时获得训练标签和测试标签;(3)利用所述训练数据对堆栈自动编码器的每一层自动编码器进行预训练,提取预训练的特征;然后,利用训练标签对m层自动编码器与分类器构建的深度网络进行微调,获得微调后的基于堆栈自动编码器的故障分析网络,作为水利机组故障分析模型,其中,m为正整数;(4)将所述测试数据输入到水利机组故障分析模型,完成水利机组故障分析。
【技术特征摘要】
1.基于堆栈自动编码器的水利机组故障分析方法,其特征在于,包括以下几个步骤:(1)从水利机组检测系统采集机组运行原始状态数据,并进行人工标记;(2)将所述机组运行原始状态数据划分为训练数据和测试数据,同时获得训练标签和测试标签;(3)利用所述训练数据对堆栈自动编码器的每一层自动编码器进行预训练,提取预训练的特征;然后,利用训练标签对m层自动编码器与分类器构建的深度网络进行微调,获得微调后的基于堆栈自动编码器的故障分析网络,作为水利机组故障分析模型,其中,m为正整数;(4)将所述测试数据输入到水利机组故障分析模型,完成水利机组故障分析。2.根据权利要求1所述的基于堆栈自动编码器的水利机组故障分析方法,其特征在于,步骤(1)中,将从水利机组检测系统采集的机组运行原始状态数据进行整理并保存为表格格式;步骤(2)中,人工标记后的训练标签数据和测试标签数据同样以表格方式进行存储。3.根据权利要求1所述的基于堆栈自动编码器的水利机组故障分析方法,其特征在于,步骤(1)中,机组运行原始状态数据的采集及人工标记的具体方法如下:设定机组有N个监测点,每一个监测项作为一列,某一时刻所有监测项数据构成一条N列的数据;采集M个时刻的运行数据,获得M条机组运行数据;每一条机组运行数据对应机组某个时刻的运行状态,根据状态类别标号进行人工标记独立存储,类别标号设定为1,2,…,C;M、N、C的取值为正整数。4.根据权利要求3所述的基于堆栈自动编码器的水利机组故障分析方法,其特征在于,步骤(2)中,训练数据、测试数据的划分以及训练标签、测试标签获取的具体方法如下:读取机组运行原始状态数据,获得M×N的机组运行状态矩阵;对机组运行状态矩阵数据,从第一行开始,由上至下每隔七行抽取行向量,形成测试数据,其余构成训练数据;读取人工标记数据,获得N×1的向量;从第一行开始,由上至下每隔七行抽取向量,形成测试标签,其余构成训练标签。5...
【专利技术属性】
技术研发人员:刘惠义,杨雪,陈霜霜,孟志伟,
申请(专利权)人:河海大学,
类型:发明
国别省市:江苏,32
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。