[发明专利]一种基于卷积神经网络信息融合的水电机组故障诊断方法

摘要

本发明公开了一种基于卷积神经网络信息融合的水电机组故障诊断方法。该方法包括：获取机组开机过程低、中、高转速下稳定性数据；分别对低、中、高转速下机组数据进行预处理；分别将低、中、高转速下机组数据划分为相应转速下卷积神经网络的训练集和测试集；分别使用低、中、高转速下机组数据绘制机组轴心轨迹图，并将轴心轨迹图像转换为灰度图，将其余待融合信息对照轴心轨迹灰度图形成矩阵；使用低、中、高转速下机组数据分别建立卷积神经网络；使用低、中、高转速下机组数据分别训练对应卷积神经网络；使用训练完成的三个网络分别进行机组故障诊断，并将诊断结果融合以形成最终结论。本发明能够有效提高水电机组故障诊断的准确性。

主权项

1.一种基于卷积神经网络信息融合的水电机组故障诊断方法，其特征在于，包括以下步骤：S1：对水电机组进行实时稳定性监测，获取水电机组开机过程的低转速下稳定性数据、中转速下稳定性数据、高转速下稳定性数据；S2：分别对低转速下稳定性数据、中转速下稳定性数据、高转速下稳定性数据进行预处理；S3：将预处理后的低转速下稳定性数据划分为低转速下卷积神经网络的训练集和测试集，将预处理后的中转速下稳定性数据划分为中转速下卷积神经网络的训练集和测试集，将预处理后的高转速下稳定性数据划分为高转速下卷积神经网络的训练集和测试集；S4：使用低转速下稳定性数据绘制低转速轴心轨迹图，使用中转速下稳定性数据绘制中转速轴心轨迹图，使用高转速下稳定性数据绘制高转速轴心轨迹图，将轴心轨迹图像信息转换为轴心轨迹灰度图，作为后续步骤中对应卷积神经网络的一个输入通道，将其余待融合信息对照轴心轨迹灰度图形成矩阵，作为对应卷积神经网络其它输入通道；S5：分别使用低转速下稳定性数据、中转速下稳定性数据、高转速下稳定性数据建立低转速卷积神经网络、中转速卷积神经网络、高转速卷积神经网络，对水电机组开机过程的低转速下稳定性数据、中转速下稳定性数据、高转速下稳定性数据进行机组故障分类识别；S6：使用低转速下稳定性数据训练低转速卷积神经网络，使用中转速下稳定性数据训练中转速卷积神经网络，使用高转速下稳定性数据训练高转速卷积神经网络，设置损失函数作为机器学习目标函数；S7：使用训练完成的低转速卷积神经网络、中转速卷积神经网络、高转速卷积神经网络，分别对机组在某次开机过程中的低转速数据、中转速数据、高转速数据进行分析，得到对应的诊断结果，将三个诊断结果融合以形成最终诊断结论。