【技术实现步骤摘要】
本专利技术涉及故障诊断，尤其涉及一种故障诊断方法、装置、电子设备及存储介质。
技术介绍
1、基于振动的故障诊断已有40多年的发展历程，是目前汽轮机组状态评价的最有效方法。随着传感技术的发展，机械设备监测点日益增多，故障诊断技术也逐步进入数字化与智能化时代。
2、现有的深度学习诊断方法所具有的优异的分类性能往往高度依赖大量的标签数据，并且模型通常也缺乏推理能力。而在实际汽轮机组运行周期中，设备上需要布置多个同源或者异质的传感器，产生的监测数据中健康数据占绝大多数，故障数据稀少甚至缺失。因此导致现有的只能使用单一传感器准静态特征，训练样本稀缺的深度学习诊断方法无法在实际的生产过程中胜任故障诊断任务，导致故障诊断不准确。故，如何准确快速的执行故障诊断任务成为了目前亟待解决的问题。
技术实现思路
1、本专利技术提供了一种故障诊断方法、装置、电子设备及存储介质，以解决先。
2、根据本专利技术的一方面，提供了一种故障诊断方法，其中，该方法包括：
3、根据汽轮机发电机...
【技术保护点】
1.一种故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据汽轮机发电机组的测点参数获取所述汽轮机发电机组的振动数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述振动数据确定所述汽轮机发电机组的时域特征和频域特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述时域特征、所述频域特征确定测点归属于每个故障征兆的置信度，包括：
5.根据权利要求1所述的方法，其特征在于，所述按照置信度确定汽轮机发电机组的每个故障种类对应的发生概率，按照所述发生概率确定目标故障，
...
【技术特征摘要】
1.一种故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据汽轮机发电机组的测点参数获取所述汽轮机发电机组的振动数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述振动数据确定所述汽轮机发电机组的时域特征和频域特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述时域特征、所述频域特征确定测点归属于每个故障征兆的置信度，包括：
5.根据权利要求1所述的方法，其特征在于，所述按照置信度确定汽轮机发电机组的每个故障种类对应的发生概率，按照所述发生概率确定目标故障，包括：
【专利技术属性】
技术研发人员：王刚，史恒惠，赵永强，冯坤，陈丹峰，刘万宇，李广奇，王非，
申请(专利权)人：国家电投集团河南电力有限公司技术信息中心，
类型：发明
国别省市：
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。