[发明专利]基于时频谱图及卷积神经网络的水轮机组故障诊断方法有效
| 申请号： | 201910289197.8 | 申请日： | 2019-04-11 |
| 公开（公告）号： | CN109977920B | 公开（公告）日： | 2022-06-07 |
| 发明（设计）人： | 高伟;翁秉钧;陈珊珊;杨耿杰;郭谋发 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 362251 福建省泉州市*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于时频谱图及卷积神经网络的水轮机组故障诊断方法，包括以下步骤：步骤S1:采集水轮机组振动信号，并通过奇异值分解进行降噪，得到降噪后的振动信号；步骤S2：进行可变模态分解，得到各独立频段的IMF分量；步骤S3:量求取CWD时频矩阵，获得振动信号时频谱图；步骤S4:生成降维后的时频谱图，并随机分为训练样本集和测试样本集；步骤S5:构建CNN模型，并通过测试样本集测试训练后的CNN的分类性能；步骤S6:将待测水轮机组振动信号时频图输入训练后的CNN模型，得到表征数据类型的故障标签。本发明通过对水轮机组振动信号构造时频矩阵，完整地表征了振动信号的时频特征，包含信号本质特征的局部化信息。 | ||
| 搜索关键词： | 基于 频谱 卷积 神经网络 水轮 机组 故障诊断 方法 | ||
【主权项】：
1.一种基于时频谱图及卷积神经网络的水轮机组故障诊断方法，其特征在于，包括以下步骤：步骤S1:采集水轮机组振动信号，并通过奇异值分解进行降噪，得到降噪后的振动信号；步骤S2：对降噪后的振动信号进行可变模态分解，得到各独立频段的IMF分量；步骤S3:对每个IMF分量求取CWD时频矩阵，并将结果进行叠加重构，获得振动信号时频谱图；步骤S4:对振动信号时频谱图进行降维预处理，根据水轮机组振动信号的频率分布特性，将信号划分成K个频带和Z个时段，在频率维度上进行分频带求和，在时间维度上进行分时段求和，生成新的时频谱图矩阵，并随机分为训练样本集和测试样本集；步骤S5:通过训练样本集配置权值及偏置，构建CNN模型，并通过测试样本集测试训练后的CNN的分类性能；步骤S6:将待测水轮机组振动信号时频谱图输入训练后的CNN模型，得到表征数据类型的故障标签。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910289197.8/，转载请声明来源钻瓜专利网。
