基于无监督特征学习的水电机组健康状态实时评价方法

摘要：

水电机组健康状态实时评价是状态监测和劣化预警中的重要内容,传统方法采用单一限值比较,不能体现机组个性特色,且适用机组运行工况有限.同时,现阶段已知的水电机组故障类型有限,缺乏故障样本,限制了有监督特征学习方法的实际应用.本文提出了以无监督特征学习技术构建水电机组健康状态劣化指标的新方法,充分利用水电机组状态监测系统中海量数据,挖掘机组正常状态关键特征,建立基于特征空间重构奇异值分解的时域劣化指标和基于自编码器重构误差的频域劣化指标,实时量化评价机组健康状态.以国内某水电站机组轴向振动波形为例,验证了劣化指标的有效性.结果表明,所提出的劣化指标能够反映机组健康状态劣化程度,且比常用时域统计指标更清晰地表现劣化趋势,有效评价机组健康状态,实用性更强.

关键词：水电机组、振动信号、无监督特征学习、奇异值分解、自编码器、劣化指标

所属期刊栏目：52

分类号：TK05(一般性问题)

资助基金：国家自然科学基金项目51979204

在线出版日期：2021-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：474-485