基于深度卷积神经网络与高斯混合模型的水电机组异常声音检测

作者：张勇; 元文智; 段贵金; 王博宇; 刘豪睿^*

来源：水电能源科学, 2023, 41(08): 188-130.

DOI：10.20040/j.cnki.1000-7709.2023.20221875

• 水轮发电机组
• 深度卷积神经网络
• 高斯混合模型
• 异常检测
• 声谱图

为实现水电机组运行状态的安全监测，解决自动化值守问题，依据语音识别技术，基于发电机组运行监测信息对水轮机部分测点的正常状态建模，以实现异常检测。先使用西储大学轴承试验数据，验证深度卷积神经网络(CNN)与高斯混合模型(GMM)组合建模方法的正确性；其次针对水轮机组共布置了42个测点，根据过速前后RMS的上升率，选择10个敏感测点进行位置分类；然后选取部分数据作为训练数据，得到CNN模型及机组声音特征，进一步训练并得到GMM模型；最后利用测试数据的打分结果，判断机器运行状态——即偏离正常状态的程度，实现异常状态检测。该试验方案通过人工标注确认，验证了方法的可行性，实现了基于声音的水电机组异常检测算法设计。

• 单位
  雅砻江流域水电开发有限公司