[发明专利]基于堆栈自动编码器的水利机组故障分析方法

说明书

本发明公开了基于堆栈自动编码器的水利机组故障分析方法,包括以下步骤：(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，利用训练标签对网络进行微调，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；(4)将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。本方法采用水利机组全部运行状态的监测数据，通过堆栈自动编码器方法，对水利机组当前健康状态进行更全面的评估，诊断更加精确。

技术领域

本发明涉及一种基于堆栈自动编码器的水利机组故障分析方法，属于水利机组故障诊断技术领域。

背景技术

水利机组的故障诊断是指通过对水利机组大量状态数据的学习，利用深度网络模型对机组当前健康状况做出预测分析。

目前现有的水利机组检修的状态信息分析主要以振动信号为主，信息分析不全面，而且征兆与故障之间关系的复杂性不明确，构造出的机组故障诊断模型诊断精度不高。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于堆栈自动编码器的水利机组故障分析方法，本方法直接采用水利机组全部运行状态的监测数据，通过堆栈自动编码器方法，可以对水利机组当前健康状态进行更全面的评估，另外，基于深度学习的堆栈自动编码器网络构建机组的故障诊断模型，诊断更加精确。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明的基于堆栈自动编码器的水利机组故障分析方法,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，利用训练标签对网络进行微调，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；

(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，从水利机组检测系统采集的机组运行原始状态数据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。

当前我国大型水利机组都设置有监测点，实现了对机组运行状态的实时监测，同时存留有运行数据；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，…,N。

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。

上述训练数据和测试数据的构成比例为7:3。

上述水利机组故障分析模型具体的获得方法如下：