发电机组定转子缺陷智能诊断方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了发电机组定转子缺陷智能诊断方法、装置、计算机设备及存储介质，包括：采集发电机组多角度图像数据；对采集的所述发电机组多角度图像数据分别进行畸变校正；将畸变校正输出的n幅图像拼接成全方位无死角的水电机组定转子监测全景图；进入部署在服务器上的深度学习故障诊断网络进行水电机组的定转子缺陷诊断；根据深度学习故障诊断网络的缺陷诊断结果即时发出报警。本发明专利技术通过超广角监测摄像头对水电机组内部狭小空间进行近距离全方位视频监测，并通过图像处理算法进行超广角畸变校正、图像拼接以及基于图像深度学习技术的智能故障诊断。可以极大地减少电站水电机组因故障维修带来的直接经济损失以及停机停电产生的间接经济损失。生的间接经济损失。生的间接经济损失。

【技术实现步骤摘要】
发电机组定转子缺陷智能诊断方法、装置、计算机设备及存储介质


[0001]本专利技术涉及水利电站发电
，更具体地说是指发电机组定转子缺陷 智能诊断方法、装置、计算机设备及存储介质。

技术介绍

[0002]水电机组内部电气设备运行异常会造成设备跳闸、损坏，严重时机组将非 计划停运，对水电站生产、安全带来严重损失。水电机组的内部电气设备故障 在发展和形成过程中，部分表现在内部电气设备结构外观的改变，如微小裂痕、 松动、脱落等，并由于结构外观的改变将引起的水电机组内部组件运动状态的 改变。因此，对于保障电站的安全稳定运行是非常有必要的。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的缺陷，提供发电机组定转子缺陷智能诊 断方法、装置、计算机设备及存储介质。
[0004]为实现上述目的，本专利技术采用以下技术方案：发电机组定转子缺陷智能诊 断方法，其特征在于，包括：
[0005]采集发电机组多角度图像数据I
ori1
(x，y)、I
ori2
(x，y)、
…
、I
orin
(x，y)；
[0006]对采集的所述发电机组多角度图像数据I
ori1
(x，y)、I
ori2
(x，y)、
…
、 I
orin
(x，y)分别进行畸变校正获得I
corr1
(x，y)、I
corr2
(x，y)、
…/>、I
corrn
(x，y)；
[0007]将畸变校正输出的n幅图像I
corr1
(x，y)、I
corr2
(x，y)、
…
、I
corrn
(x，y) 拼接成全方位无死角的水电机组定转子监测全景图I
ov
(x，y)；
[0008]所述水电机组定转子监测全景图I
ov
(x，y)进入部署在服务器上的深度学习 故障诊断网络进行水电机组的定转子缺陷诊断；
[0009]根据深度学习故障诊断网络的缺陷诊断结果即时发出报警。
[0010]作为优选，所述水电机组定转子监测全景图I
ov
(x，y)的深度学习故障诊断 网络通过以下步骤进行训练：
[0011]将所述水电机组定转子监测全景图I
ov
(x，y)图像预处理，建立灰度提取和 骨架提取；
[0012]建立裂纹、振动、脱落模型，并提取特征；
[0013]将不同类型缺陷的全景图学习样本，对深度学习神经网络进行训练并识别 相对应的缺陷类型，使其识别率达到99％以上；
[0014]将训练完毕的智能故障诊断网络部署到服务器中。
[0015]作为优选，通过多路高帧频超广角摄像头采集发电机组多角度图像数据 I
ori1
(x，y)、I
ori2
(x，y)、
…
、I
orin
(x，y)。
[0016]本专利技术还提供了发电机组定转子缺陷智能诊断装置，包括：
[0017]图像数据采集单元，用于采集发电机组多角度图像数据；
[0018]图像校正单元，对所述图像数据获取单元采集的发电机组多角度图像数据 畸变校正；
[0019]图像拼接单元，将畸变校正后的图像数据拼接成全方位无死角的水电机组 定转子监测全景图；
[0020]深度学习单元，对所述水电机组定转子监测全景图进行水电机组的定转子 缺陷诊断；
[0021]报警单元，根据深度学习单元的根据深度学习故障诊断网络的缺陷诊断结 果即时发出报警。
[0022]本专利技术还提供了一种计算机设备，所述计算机设备包括存储器及处理器， 所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上 述的方法。
[0023]本专利技术还提供了一种存储介质，其特征在于，所述存储介质存储有计算机 程序，所述计算机程序被处理器执行时可实现如上述的方法。
[0024]本专利技术与现有技术相比的有益效果是：本专利技术通过超广角监测摄像头对水 电机组内部狭小空间进行近距离全方位视频监测，并通过图像处理算法进行超 广角畸变校正、图像拼接以及基于图像深度学习技术的智能故障诊断。采用高 清可见光图像采集与缺陷智能诊断系统可以实时记录运行中水电机组的内部组 件的结构外观改变(如微小裂痕、松动、脱落等)以及由结构外观改变引起的 内部组件运动状态的改变，通过基于深度学习的人工智能识别技术实时检测出 图像中设备结构外观的改变以及内部设备运动状态的改变。缺陷智能诊断系统 按照先验的结构及运动异常特征发出报警信号，及时把报警信号上传，监控中 心可以便捷、安全、直观、准确的查找、判断电气设备的结构故障，并在这些 故障还处于初级阶段时即加以排除，可以极大地减少电站水电机组因故障维修 带来的直接经济损失以及停机停电产生的间接经济损失。
[0025]下面结合附图和具体实施例对本专利技术作进一步描述。
附图说明
[0026]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要 使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实 施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0027]图1为本专利技术所述一种发电机组定转子缺陷智能诊断装置的结构框图。
[0028]图2为本专利技术所述一种发电机组定转子缺陷智能诊断装置的深度学习处理 流程图。
[0029]图3为发电机组定转子裂缝缺陷的深度学习处理图谱。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部 的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳 动前提下所获得的所有其他实
施例，都属于本专利技术保护的范围。
[0031]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包 含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除 一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添 加。
[0032]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施 例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使 用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个
”ꢀ
及“该”意在包括复数形式。
[0033]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且 包括这些组合。
[0034]为了使本
的人员更好的理解本专利技术方案，下面将结合本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.发电机组定转子缺陷智能诊断方法，其特征在于，包括：采集发电机组多角度图像数据I
ori1
(x，y)、I
ori2
(x，、y)、...、I
orin
(x，y)；对采集的所述发电机组多角度图像数据I
ori1
(x，y)、I
ori2
(x，y)、...、I
orin
(x，y)分别进行畸变校正获得I
corr1
(x，y)、I
corr2
(x，y)、...、I
corrn
(x，y)；将畸变校正输出的n幅图像I
corr1
(x，y)、I
corr2
(x，y)、...、I
corrn
(x，y)拼接成全方位无死角的水电机组定转子监测全景图I
ov
(x，y)；所述水电机组定转子监测全景图I
ov
(x，y)进入部署在服务器上的深度学习故障诊断网络进行水电机组的定转子缺陷诊断；根据深度学习故障诊断网络的缺陷诊断结果即时发出报警。2.根据权利要求1所述的发电机组定转子缺陷智能诊断方法，其特征在于，所述水电机组定转子监测全景图I
ov
(x，y)的深度学习故障诊断网络通过以下步骤进行训练：将所述水电机组定转...

【专利技术属性】
技术研发人员：李诚，周宏，高建国，袁杰，胡平良，夏海军，何亮，胡勉，吴军法，韩文刚，
申请(专利权)人：浙江黑卡电气有限公司，
类型：发明
国别省市：