[发明专利]一种基于信息融合技术的水电机组故障诊断方法

权利要求书

1.一种基于信息融合技术的水电机组故障诊断方法，其特征在于，具体按照以下步骤实施：

步骤1、采用至少一组加速度传感器来收集水电机组振动故障的信息，并提取出特征参数；

步骤2、将所述特征参数划分为训练数据和测试数据，所述训练数据用于构建神经网络模型，所述测试数据用于验证神经网络模型的诊断性能；

步骤3、建立至少两个基于改进布谷鸟搜索算法优化BP神经网络的初级诊断模型，获取基本概率赋值；

步骤4、采用证据理论的合成规则对所述基本概率赋值进行信息融合，得出所述水电机组振动故障的诊断结论。

2.根据权利要求1所述的一种基于信息融合技术的水电机组故障诊断方法，其特征在于，步骤1中，所述振动故障的类型分为：转子不平衡、转子不对中和尾水管偏心涡带，上述三种类型构成了振动故障的识别框架；所述特征参数为振动信号频谱分量的幅值：<0.5f0、f0、2f0、3f0、>3f0，其中f0为基频。

3.根据权利要求1所述的一种基于信息融合技术的水电机组故障诊断方法，其特征在于，步骤3中，所述建立基于改进布谷鸟搜索算法优化BP神经网络的初级诊断模型，具体按照以下步骤实施：

步骤3.1、构建BP神经网络模型，对以下参数进行初始化：训练步数、学习率、学习目标以及隐含层神经元个数，并确定转移函数与训练函数；

步骤3.2、初始化改进布谷鸟搜索算法，初始化参数包括：种群规模N、最大迭代次数t_max、发现概率p_a以及刻度因子α₀；

步骤3.3、生成初始解x_i(i＝1,2,…,N)，计算其适应度f(x_i)；

步骤3.4、记录最优解x_best及其适应度f_best；

步骤3.5、若当前迭代次数t＜t_max，搜索最优解，且每次循环后，迭代次数加1；否则跳转至步骤3.12；

步骤3.6、计算步长因子；

步骤3.7、采用Levy飞行策略生成新解；

步骤3.8、计算新解的适应度，若新解优于当前解，则用新解替换当前解；否则保留当前解；

步骤3.9、采用偏好随机行走再次生成新解；

步骤3.10、计算新解的适应度，若新解优于当前解，则用新解替换当前解；

步骤3.11、记录最佳适应度及最优解；

步骤3.12、将最优解作为BP神经网络的权阈值参数；

步骤3.13、采用改进布谷鸟搜索算法优化的BP神经网络对所述水电机组振动故障进行诊断，并将诊断结果进行归一化处理后作为证据理论的基本概率赋值。

4.根据权利要求3所述的一种基于信息融合技术的水电机组故障诊断方法，其特征在于，步骤3.1中，所述BP神经网络选择三层拓扑的网络；所述转移函数选择tansig和logsig；所述训练函数选择trainlm函数。

5.根据权利要求3所述的一种基于信息融合技术的水电机组故障诊断方法，其特征在于，步骤3.6中，所述步长因子的计算规则表示为：

式(1)中，f_avg为种群的平均适应度，a₀为刻度因子。

6.根据权利要求3所述的一种基于信息融合技术的水电机组故障诊断方法，其特征在于，步骤3.7中，所述Levy飞行策略表示为：

式(2)和(3)中，u_i与x_i分别为新解和当前解；表示点乘积；z和v为两个服从正态分布的随机数；β为分布参数。

7.根据权利要求3所述的一种基于信息融合技术的水电机组故障诊断方法，其特征在于，步骤3.9中，所述偏好随机行走表示为：

式(4)中，r和rand为两个服从均匀分布的随机数；p_a为发现概率；x_m和x_n为两个随机解。

8.根据权利要求1所述的一种基于信息融合技术的水电机组故障诊断方法，其特征在于，步骤4中，所述证据理论的合成规则描述为：

式(5)和(6)中，m₁(A_i)与m₂(B_j)分别为命题A_i和B_j的基本概率赋值；k的大小表示证据间的冲突强度。