1. 雅砻江流域水电开发有限公司
2. 北京华控智加科技有限公司
Published:2023
移动端阅览
张勇, 元文智, 段贵金, et al. 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[J]. 2023, (8): 188-191+130.
DOI:
张勇, 元文智, 段贵金, et al. 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[J]. 2023, (8): 188-191+130. DOI: 10.20040/j.cnki.1000-7709.2023.20221875.
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。
Identification of partial discharges immersed in noise in large hydro-generators based on improved wavelet selection methods[J]. Andre T. Carvalho;Antonio C.S. Lima;Caio F.F.C. Cunha;Mariane Petraglia.Measurement,2015
基于声音特征的水力发电机组试验分析[J]. 何胜明;刘剑;胡捷;李政;刘豪睿.中国农村水利水电,2023(02)
基于比率方法和BP神经网络的柳州市工业需水量区间预测[J]. 张志博;钟献词;谢仁奎.水电能源科学,2022(04)
神经网络的声场景自动分类方法[J]. 梁腾;姜文宗;王立;刘宝弟;王延江.应用声学,2022(03)
小波包能量熵和改进的LSSVM在风力机轴承故障诊断中的应用[J]. 万晓静;孙文磊;陈坤.水电能源科学,2021(02)
声音监测在水轮发电机组状态监测中的应用[J]. 杜江.自动化应用,2020(10)
轴流泵内部流动诱导噪声数值研究[J]. 季燕羽;吴贤芳;刘厚林;谈明高;何乃昌.水电能源科学,2018(07)
基于征兆驱动和专家推理的水电机组轴承状态分析[J]. 唐磊;陈启卷;王卫玉;洪礼聪.水电能源科学,2018(05)
低比转速混流式水轮机流动噪声数值模拟[J]. 王惠芝;周大庆;张蓝国.水电能源科学,2014(08)
0
Views
149
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution