基于CNN-ARMA-Softmax的海流发电机叶轮缠绕故障融合诊断方法技术

本发明专利技术公开了基于CNN‑ARMA‑Softmax的海流发电机叶轮缠绕故障融合诊断方法，该诊断方法的具体计算过程如图1所示。在海流发电机叶轮缠绕故障情况下，该诊断方法利用ARMA和CNN分别对海流发电机单周期的定子电流样本与叶轮图像样本进行特征提取并作卷积融合和融合特征距离计算；将得到的所有相关缠绕故障特征输入softmax进行分类诊断。本发明专利技术通过提取海流发电机机定子电流和海流发电机图像的特征进行故障融合诊断，增加了海流发电机叶轮缠绕故障诊断效率，增强了海流发电机系统的稳定性并给其他关于图像与电压电路数据特征融合的场合提供思路。

【技术实现步骤摘要】
基于CNN-ARMA-Softmax的海流发电机叶轮缠绕故障融合诊断方法
：本专利技术涉及海流发电机的叶轮缠绕故障诊断，尤其涉及一种基于CNN-ARMA-Softmax的海流发电机叶轮缠绕故障融合诊断方法。
技术介绍
：海流发电系统是将海流能转换成电能的设备，与一般工作在干燥、清洁、温度可控和方便维修的陆地设备相比，海流发电机组对故障检测和诊断的精度要求更高，海流发电机受海洋环境影响产生附着物、生物淤积和腐蚀生锈现象，造成多故障耦合。因此研究海流发电系统非稳定工况下的故障检测和诊断方法尤为重要。
技术实现思路
：本专利技术的目的是要解决上述海流发电机叶轮受缠绕的故障，为了及时发现叶轮被海底生物缠绕，避免造成叶轮大面积的生物淤积，利用定子电流数据和海流发电机图像数据同时作为诊断信息，通过针对图像处理的CNN算法和针对时间周期数据的ARMA算法提取海流发电机叶轮缠绕故障特征信息作为卷积计算核，与其他周期定子电流数据做卷积并计算特征间距离，最后采用softmax回归，输出各类别的概率，输出具有概率统计意义，便于分析不确定性问题。为了实现上述目的，本专利技术所提出的技术方案包括以下：1.构建一个本文档来自技高网...

【技术保护点】
1.一种基于CNN‑ARMA‑Softmax的海流发电机叶轮缠绕故障融合诊断方法，其特征在于包括以下步骤：步骤1：构建一个海流发电机叶轮缠绕物故障的实验平台利用低速海流发电系统，模拟海流发电机在水下的工作状态，并根据生物淤积的过程，从叶轮被生物缠绕，繁衍至大面积覆盖，模拟叶轮被海底生物缠绕并逐渐产生淤积的过程。根据叶轮被海底生物缠绕和覆盖的程度，即海流发电机的叶轮表面被生物缠绕的面积占叶轮总面积的比例为0％到100％，依次通过水下传感器拍摄叶轮正面彩色图像信息作为分析数据，建立缠绕故障与分类特征集；步骤2：提取局部信息从无标签的图片中提取局部图片作为特征提取样本；从无标签的定子电流数据组中提取...

【技术特征摘要】
1.一种基于CNN-ARMA-Softmax的海流发电机叶轮缠绕故障融合诊断方法，其特征在于包括以下步骤：步骤1：构建一个海流发电机叶轮缠绕物故障的实验平台利用低速海流发电系统，模拟海流发电机在水下的工作状态，并根据生物淤积的过程，从叶轮被生物缠绕，繁衍至大面积覆盖，模拟叶轮被海底生物缠绕并逐渐产生淤积的过程。根据叶轮被海底生物缠绕和覆盖的程度，即海流发电机的叶轮表面被生物缠绕的面积占叶轮总面积的比例为0％到100％，依次通过水下传感器拍摄叶轮正面彩色图像信息作为分析数据，建立缠绕故障与分类特征集；步骤2：提取局部信息从无标签的图片中提取局部图片作为特征提取样本；从无标签的定子电流数据组中提取局部周期信息作为特征提取样本；步骤3：数据预处理对样本图像数据进行零均值处理，并通过ZCA白化以降低图像像素之间的相关度；同时对定子电流数据采取低通滤波处理，降低部分噪声干扰；步骤4：提取故障特征信息基于ARMA和定子电流进行海流发电机缠绕故障特征预测包含以下步骤：(1)利用当前时刻t0前时长为T0的一维特征参数数据，建立时间间隔为ΔT的特征参数时间序列x(n)；(2)利用时间序列x(n)进行模型识别与参数标定，获得ARMA模型的阶次、自回归参数和滑动平均参数；利用模型阶次和参数，ARMA模型考虑白噪声；(3)根据所建立的ARMA模型，利用实测定子电流数据的峭度值对模型的状态表征能力进行评价；(4)基于所建立的ARMA模型，对t0时刻后续的特征参数进行预测，预测特征参数在各ti时刻的值ui，并与给定的判定阈值A1、A2进行对比；轴承发生故障、失效的判定条件分...

【专利技术属性】
技术研发人员：王天真，温平平，刘卓，郑义来，李志超，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海,31