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

张勇; 元文智; 段贵金; 王博宇; 刘豪睿

doi:10.20040/j.cnki.1000-7709.2023.20221875

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

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

机电与控制工程 | 更新时间：2026-02-25

- 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
- 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
- 水电能源科学 2023年第8期页码：188-191+130
- 作者机构：
  
  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
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2023.20221875
  中图分类号： TV738
- 纸质出版：2023
- 稿件说明：
移动端阅览
张勇, 元文智, 段贵金, 等. 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]. 水电能源科学, 2023,(8):188-191+130.

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.
张勇, 元文智, 段贵金, 等. 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]. 水电能源科学, 2023,(8):188-191+130. DOI： 10.20040/j.cnki.1000-7709.2023.20221875.

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.

摘要

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。

Abstract

关键词

Keywords

references

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)

浏览量

149

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

水轮发电机推力轴承纳米润滑油散热强化机理研究

融合PSO算法和信号熵评价准则的水电机组振动优化控制

基于SSA-KMIF的船闸人字门监测数据异常检测方法

水电机组轴系—分数阶基础的非线性耦合动力学研究

基于SSA-VMD-WDCNN的水电机组故障诊断