基于注意力卷积神经网络的水轮机健康状态评估研究

谭啸; 劳鹏飞; 李立

doi:10.20040/j.cnki.1000-7709.2025.20242382

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 >

基于注意力卷积神经网络的水轮机健康状态评估研究

水能利用及水电站工程 | 更新时间：2026-02-25

- 基于注意力卷积神经网络的水轮机健康状态评估研究
- 基于注意力卷积神经网络的水轮机健康状态评估研究
- 水电能源科学 2025年第5期页码：178-181
- 作者机构：
  
  1. 国能大渡河流域水电开发有限公司
  2. 武汉三联水电控制设备有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20242382
  中图分类号： TV734.1;TP183
- 纸质出版：2025
- 稿件说明：
移动端阅览
谭啸, 劳鹏飞, 李立. 基于注意力卷积神经网络的水轮机健康状态评估研究[J]. 水电能源科学, 2025,(5):178-181.

谭啸, 劳鹏飞, 李立. 基于注意力卷积神经网络的水轮机健康状态评估研究[J]. 2025, (5): 178-181.
谭啸, 劳鹏飞, 李立. 基于注意力卷积神经网络的水轮机健康状态评估研究[J]. 水电能源科学, 2025,(5):178-181. DOI： 10.20040/j.cnki.1000-7709.2025.20242382.

谭啸, 劳鹏飞, 李立. 基于注意力卷积神经网络的水轮机健康状态评估研究[J]. 2025, (5): 178-181. DOI： 10.20040/j.cnki.1000-7709.2025.20242382.

摘要

水轮机健康状态评估对保障水电站的安全稳定运行具有重要意义。针对水轮机故障诊断过程中信号时序特征信息利用不足的问题，提出了一种数据驱动的水轮机健康状态评估方法。首先将传感器采集到的原始振动信号通过Morlet连续小波变换算法转换为二维时频图像，然后将其输入到卷积神经网络中进行故障诊断。为提升模型的准确度，将Inception网络结构和卷积注意力模块引入到卷积神经网络中，实现多尺度的特征提取及自适应的特征权重调整。试验结果表明，所提出的模型在识别精度方面显著优于传统方法，能够辅助对水轮机的健康状态进行监测和分析，可为水轮机的预防性维修提供决策支持。

Abstract

关键词

Keywords

references

王淑青,盛世龙,王云鹤,翟宇胜,陈开元.基于ICEEMDAN-VMD与结合注意力机制的简单循环单元的水轮机故障诊断[J].中国农村水利水电,2024(11).

聂赛,杨雄,卢俊琦,章志平,秦程,孙洁,冯陈,张玉全,郑源.不同故障下水轮发电机组轴系的振动特性研究[J].水电能源科学,2024(04).

孙少楠,李博宇,聂相田.基于贝叶斯网络的水轮机故障诊断研究[J].水电能源科学,2023(03).

黎梓昕,林海军,徐雄,温乐鹏.基于KPCA-PSO-SVM的水轮机组故障检测方法[J].排灌机械工程学报,2023(05).

丁康,黄志东,林慧斌.一种谱峭度和Morlet小波的滚动轴承微弱故障诊断方法[J].振动工程学报,2014(01).

浏览量

286

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STFT-SE-CNN多通道特征融合的水电机组故障诊断

基于多因素的短期风电功率组合预测研究

基于CNN-LSTM-AM的大坝变形预测

基于注意力机制和CNN-GRU模型的脱硫系统pH值预测

基于云模型的水轮机健康状态评估