基于卷积神经网络的水轮发电机组转子故障声学判别方法技术

基于卷积神经网络的水轮发电机组转子故障声学判别方法，它包括步骤一：以指定频率指定精度采集水轮发电机组运行状态下的声学样本；步骤二：将获得的声学样本降采样至指定采样率，以一定的窗口长度、重叠率，窗口形状为汉明窗进行短时傅里叶变换得到一个二维数组；步骤三：按照神经网络的训练得到网络的归一化参数进行归一化处理；步骤四：将经过步骤三处理得到的参数输入卷积神经网络，并得到输出等步骤。

【技术实现步骤摘要】
基于卷积神经网络的水轮发电机组转子故障声学判别方法
本专利技术属于水轮机发电机组故障检测
，具体涉及一种通过声学对水轮机发电机组故障进行判别的方法，尤其涉及一种基于卷积神经网络的水轮发电机组转子故障声学判别方法。
技术介绍
在现有技术中，由于水轮发电机祖在运行时有强背景噪声，且成分复杂，几乎覆盖全频域。传统的信号处理方法如小波、EMD等无法有效提取出高信噪比的故障信号。故障形式较多的情况下需要分情况研究判别方式，大大提高了研究难度。授权公告号为CN108106717B的专利文献公开了一种基于声音信号识别机组状态方法，采用VMD和概率密度方法生成特征向量，通过比较不同运行状态下的特征向量来判断机组的运行状态。授权公告号为CN111860241A的专利文献公开了一种基于小波分析的电力设备放电故障识别方法，基于小波分解和支持向量机对电力设备的声学信号进行分析。上述这类技术并非在强背景噪声环境下实现，信噪比较高。上述方法为了实现实时分析，采样率仅支持4千赫兹以下，无法充分利用高频信号特征。且上述方法都没有能力对故障进行判断或只能对单一故障本文档来自技高网...

【技术保护点】
1.一种对从水轮发电机组采集的声学信号进行处理的方法，其特征在于，包括以下步骤：/n步骤1：在水轮发电机组停止运行的状态下，采集特定部位发生故障时的声学样本，并将采集得到的声学样本经过分类处理成一维数组，作为训练网络的目标集；/n步骤2：在水轮发电机组正常运行状态下，采集水轮发电机组正常运行时的声学样本，将步骤1中得出的特定部位发生故障时的声学样本随机与水轮发电机组正常运行时的声学样本叠加，并经过数据处理成二维数组，作为训练网络的预测集；/n步骤3：将目标集与预测集以所对应的故障声学样本所一一对应，抽取其中部分作为验证集；/n步骤4：将目标集、预测集、验证集输入卷积神经网络进行训练重复若干轮；...

【技术特征摘要】
1.一种对从水轮发电机组采集的声学信号进行处理的方法，其特征在于，包括以下步骤：
步骤1：在水轮发电机组停止运行的状态下，采集特定部位发生故障时的声学样本，并将采集得到的声学样本经过分类处理成一维数组，作为训练网络的目标集；
步骤2：在水轮发电机组正常运行状态下，采集水轮发电机组正常运行时的声学样本，将步骤1中得出的特定部位发生故障时的声学样本随机与水轮发电机组正常运行时的声学样本叠加，并经过数据处理成二维数组，作为训练网络的预测集；
步骤3：将目标集与预测集以所对应的故障声学样本所一一对应，抽取其中部分作为验证集；
步骤4：将目标集、预测集、验证集输入卷积神经网络进行训练重复若干轮；
步骤5：记录卷积神经网络参数，得到用于声学信号预测特定部位故障的卷积神经网络；
通过以上步骤对从水轮发电机组采集的声学信号进行处理并得到用于声学信号预测特定部位故障的卷积神经网络。


2.根据权利要求1所述的对从水轮发电机组采集的声学信号进行处理的方法，其特征在于，在步骤1中，特定部位为挡风板或定子铁芯或转子，发生的故障不正常的碰撞、在紧固不完全时的摆动。


3.根据权利要求1所述的对从水轮发电机组采集的声学信号进行处理的方法，其特征在于，在步骤1中，具体的数据处理包括以下步骤：
1）将声学样本降采样至目标频率的采样率；
2）以指定窗口长度、指定重...

【专利技术属性】
技术研发人员：郑开元，邹祖冰，李友平，陈永雷，王建兰，徐波，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：北京;11