基于STFT-SE-CNN多通道特征融合的水电机组故障诊断

魏学锋; 姬升阳; 刘志辉; 鹿明明; 徐恺; 肖龙; 李超顺

doi:10.20040/j.cnki.1000-7709.2025.20242352

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STFT-SE-CNN多通道特征融合的水电机组故障诊断

水能利用及水电站工程 | 更新时间：2026-02-25

- 基于STFT-SE-CNN多通道特征融合的水电机组故障诊断
- 基于STFT-SE-CNN多通道特征融合的水电机组故障诊断
- 水电能源科学 2025年第5期页码：187-191
- 作者机构：
  
  1. 中国长江电力股份有限公司溪洛渡水力发电厂
  2. 华中科技大学土木与水利工程学院
- 作者简介：
- 基金信息：
  
  三峡金沙江川云水电开发有限公司永善溪洛渡电厂科研项目资助(项目编号：4123020058;合同编号：Z412302044)
- DOI：10.20040/j.cnki.1000-7709.2025.20242352
  中图分类号： TV738
- 纸质出版：2025
- 稿件说明：
移动端阅览
魏学锋, 姬升阳, 刘志辉, 等. 基于STFT-SE-CNN多通道特征融合的水电机组故障诊断[J]. 水电能源科学, 2025,(5):187-191.

魏学锋, 姬升阳, 刘志辉, et al. 基于STFT-SE-CNN多通道特征融合的水电机组故障诊断[J]. 2025, (5): 187-191.
魏学锋, 姬升阳, 刘志辉, 等. 基于STFT-SE-CNN多通道特征融合的水电机组故障诊断[J]. 水电能源科学, 2025,(5):187-191. DOI： 10.20040/j.cnki.1000-7709.2025.20242352.

魏学锋, 姬升阳, 刘志辉, et al. 基于STFT-SE-CNN多通道特征融合的水电机组故障诊断[J]. 2025, (5): 187-191. DOI： 10.20040/j.cnki.1000-7709.2025.20242352.

摘要

针对基于单一传感器的水电机组故障诊断模型易导致有效信息的遗漏不利于机组状态的准确识别问题，提出了一种基于STFT-SE-CNN多通道特征融合的水电机组故障诊断模型。即首先将多个传感器数据通过短时傅里叶变换转换(STFT)为二维时频特征图，再利用卷积神经网络(CNN)提取不同通道的深度故障特征；然后通过SE注意力机制对特征进行加权的方式进行多通道特征融合，并将融合后的特征展平输入分类器获得故障诊断的结果；最后在帕德博恩轴承数据集和工业实际数据集上进行试验验证。结果表明，所提模型相比于其他模型具有更高的诊断精度，在实际的水电机组故障诊断中具有辅助判断的作用。

Abstract

关键词

Keywords

references

欧阳慧泉,杨峰,单定军,肖龙,周迪,李超顺.基于SSA-VMD-WDCNN的水电机组故障诊断[J].水电能源科学,2024(12).

潘鹏程,向阳,陈天佑,姜苗.基于多通道数据融合及CNN的电机故障诊断方法[J].船海工程,2024(04).

姬联涛,荆岫岩,周迪,王璞,刘昊,何鸿翔,李超顺.基于VMD-WT-CNN与注意力机制的水电机组故障诊断[J].水电能源科学,2024(06).

谢苗,孟庆爽,李博,卢进南,李玉岐,杨志勇.融合短时傅里叶变换和卷积神经网络的托辊故障诊断方法[J].工程设计学报,2024(05).

吕振虎,许新征,张芳艳.基于挤压激励的轻量化注意力机制模块[J].计算机应用,2022(08).

Guo Yiming,Hu Tao,Zhou Yifan,Zhao Kunkun,Zhang Zhisheng.Multi-channel data fusion and intelligent fault diagnosis based on deep learning[J].Measurement Science and Technology,2023.

Liu Zhiliang,Wang Huan,Liu Junjie,Qin Yong,Peng Dandan.Multitask Learning Based on Lightweight 1DCNN for Fault Diagnosis of Wheelset Bearings[J].IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT,2021.

Guo Yiming,Zhou Yifan,Zhang Zhisheng.Fault Diagnosis of Multi-channel Data by the CNN with the Multilinear Principal Component Analysis[J].Measurement,2020.

Hu Jie,Shen Li,Albanie Samuel,Sun Gang,Wu Enhua.Squeeze-and-Excitation Networks[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2019.

浏览量

374

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于PSO-PCA-CNN的水电机组故障诊断

基于VMD-WT-CNN与注意力机制的水电机组故障诊断

基于CNN-SVM的水电机组智能故障诊断方法研究

基于CWT-CNN模型的泵站机组故障诊断研究

基于注意力卷积神经网络的水轮机健康状态评估研究