科研之友
微信
新浪微博
Facebook
分享链接
摘要
图像转化在水电机组故障诊断领域具有一定的潜力，传统将一维数据转化为图像的方法存在图像特征单一性、一张图像难以表示多种信号且图像识别精度偏低等问题。为此，提出一种基于增强层次对称点图像分析(Enhanced Hierarchical SDP,EHSDP)和深度残差网络(Deep Residual Network, Resnet50)的水电机组故障诊断方法。首先，利用移动差分和移动平均过程代替传统的层次分解，提出EHSDP的图像转化方法，在克服信号特征表现单一性问题的同时图像转化效率提高27.42%;其次，将分解过的振动信号图像化得到水电机组的图像数据库，划分EHSDP图像为训练集和验证集，利用训练集训练Resnet50模型得到最优模型参数；然后，将验证集图像输入训练好的Resnet50模型中，借助TSNE对提取到的特征降维可视化，各状态特征信号无混叠；最后，输出图像特征分类实现水电机组故障诊断，并用某水电站SK-3#真实机组数据进行验证。仿真实验和实例验证结果均表明，所提方法在所有对比模型中优势明显，验证了本文所提方法的有效性和实用性。
- 单位
