融合EEMD-CNN的水电机组磨碰故障声纹识别模型

作者：肖博屹; 曾云^*; 刀方; 邹屹东; 李想; 拜树方

来源：水力发电学报, 2023, 1-11.

• 水电机组
• 声纹信号
• 卷积神经网络
• EEMD
• 故障诊断

水电机组声纹信号包含大量反映内部机械状态的有效信息，为了准确提取水电机组磨碰故障声纹特征，提出一种基于聚合经验模态分解（EEMD）与卷积神经网络（CNN）相结合的水电机组磨碰声纹识别模型。首先将水电机组噪声信号进行EEMD分解，得到若干本征模态分量（IMF）和残余分量（Res），然后将得到的IMF和Res与原噪声信号构建融合特征向量；以融合特征向量为输入，碰磨故障输出，正常和碰磨故障试验数据为样本，训练CNN深度学习神经网络，得到水电机组磨碰故障识别器，识别水电机组磨碰故障。结合水机电耦合平台和实际机组试验磨碰数据，验证了所提方法对水电机组碰磨故障识别效果，平均准确率达到99.8%，且该方法识别效果显著优于其他几种识别模型。

• 单位
  武汉大学; 昆明理工大学