10.3969/j.issn.1674-8530.19.0320
基于卷积神经网络的水电机组轴心轨迹类型识别
针对常规水力机组故障类型识别需要人工参与、识别效率低下的问题,借助轴心轨迹图片蕴含的丰富信息,在引入细粒度模型对故障严重程度进行区分的基础上,提出了一种基于卷积神经网络的水力机组轴心轨迹类型的智能识别方法.该方法先建立了4种故障严重程度的评判标准和对应的2种水电机组轴心轨迹细粒度数据库;利用改进过卷积层与池化层参数的卷积神经网络模型对数据库进行了模拟计算,并和全连接网络进行了对比分析.结果证明该模型对轴心轨迹故障类型的识别率达到了98.75%,对严重程度的识别率达到了98.33%,该方法提出的关于细粒度分类的有量纲指标相比量纲一指标拥有更优的状态描述能力,也符合水力机组故障诊断的发展趋势,因此基于卷积神经网络技术的轴心轨迹识别算法对于机组故障诊断具有重要价值.
水电机组、轴心轨迹、卷积神经网络、细粒度模型、图像识别、故障类型
39
TV734.2;S277.9(水能利用、水电站工程)
国家自然科学基金51809082
2021-06-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
471-476