[发明专利]基于堆栈自动编码器的水利机组故障分析方法

权利要求书

1.基于堆栈自动编码器的水利机组故障分析方法,其特征在于，包括以下几个步骤：

(1)从水利机组检测系统采集机组运行原始状态数据，并进行人工标记；

(2)将所述机组运行原始状态数据划分为训练数据和测试数据，同时获得训练标签和测试标签；

(3)利用所述训练数据对堆栈自动编码器的每一层自动编码器进行预训练，提取预训练的特征；然后，利用训练标签对m层自动编码器与分类器构建的深度网络进行微调，获得微调后的基于堆栈自动编码器的故障分析网络，作为水利机组故障分析模型，其中，m为正整数；

(4)将所述测试数据输入到水利机组故障分析模型，完成水利机组故障分析；

步骤(1)中，机组运行原始状态数据的采集及人工标记的具体方法如下：

设定机组有N个监测点，每一个监测项作为一列，某一时刻所有监测项数据构成一条N列的数据；采集M个时刻的运行数据，获得M条机组运行数据；

每一条机组运行数据对应机组某个时刻的运行状态，根据状态类别标号进行人工标记独立存储，类别标号设定为1,2，…,C；M、N、C的取值为正整数；

步骤(2)中，训练数据、测试数据的划分以及训练标签、测试标签获取的具体方法如下：

读取机组运行原始状态数据，获得M×N的机组运行状态矩阵；对机组运行状态矩阵数据，从第一行开始，由上至下每隔七行抽取行向量，形成测试数据，其余构成训练数据；

读取人工标记数据，获得N×1的向量；从第一行开始，由上至下每隔七行抽取向量，形成测试标签，其余构成训练标签；

步骤(3)中，所述水利机组故障分析模型具体的获得方法如下：

基于堆栈自动编码器网络的水利机组故障分析模型设置为m层，构成堆栈自动编码器的每一层均为自动编码器，隐层节点个数分别为h₁、h₂...h_m，其中，h₁、h₂...h_m为正整数；前一层自动编码器的输出作为下一层自动编码器的输入；

首先，将训练数据作为堆栈自动编码器的第一层自动编码器的输入，以无监督学习方法训练当前层，并且把结果作为下一层自动编码器的输入，继续训练下一层，直至训练完构成堆栈自动编码器网络的所有层，从而完成基于堆栈自动编码器网络的预训练和特征提取；

在m层自动编码器的输出端设有分类器，m层自动编码器的h_m个输出作为分类器的输入，分类器输出节点的个数是机组状态类别总数C；

利用训练标签数据采用反向传播算法对网络权重进行微调，最终获得微调后的基于堆栈自动编码器网络，作为水利机组故障分析模型。

2.根据权利要求1所述的基于堆栈自动编码器的水利机组故障分析方法,其特征在于，步骤(1)中，将从水利机组检测系统采集的机组运行原始状态数据进行整理并保存为表格格式；步骤(2)中，人工标记后的训练标签数据和测试标签数据同样以表格方式进行存储。

3.根据权利要求1所述的基于堆栈自动编码器的水利机组故障分析方法,其特征在于，所述训练数据和测试数据的构成比例为7:3。

4.根据权利要求1所述的基于堆栈自动编码器的水利机组故障分析方法,其特征在于，所述分类器具体采用的是softmax分类器。

5.根据权利要求1所述的基于堆栈自动编码器的水利机组故障分析方法,其特征在于，水利机组故障分析模型的层数m取值为3-7，隐层节点个数h₁、h₂...h_m的取值为20-100。

6.根据权利要求1所述的基于堆栈自动编码器的水利机组故障分析方法,其特征在于，步骤(4)中，具体的方法如下：

利用步骤(3)中训练好的水利机组故障分析模型，将所述测试数据作为输入，进行分类，分类器输出为机组当前运行状态的标号，完成当前机组健康状况评估，以及机组故障分析；通过水利机组故障分析模型的输出标号和测试标签进行对比，从而计算出整个模型的分类准确度，评估模型分析性能。