基于声音特征的水力发电机组试验分析

TK730; 针对工业设备声音数据的易得性,对两河口2号水轮机组开机试验过程中的升/甩负荷等实验进行声音数据采集,对采集的声音数据进行RMS、频谱、声谱图分析.基于波形、频谱以及声谱图的细微差别,选择神经网络作为辅助手段,将声谱图作为训练样本进入神经网络输入层,得到声纹特征,将声纹特征接入聚类模型实现分类,并实现测试样本的分类打分.结果表明,试验中的不同负荷工况和尾水门泄露事故均能够正确识别,本试验训练的模型对工况分类的正确率达到了100％.该研究将有助于建立针对水电站机电设备整体和重要关键部件的机器声纹特征图谱库....

Full description

Saved in:
Bibliographic Details
Published in中国农村水利水电 no. 2; pp. 226 - 238
Main Authors 何胜明, 刘剑, 胡捷, 李政, 刘豪睿
Format Journal Article
LanguageChinese
Published 雅砻江流域水电开发有限公司,四川成都 610051%北京华控智加科技有限公司,北京 100084 10.02.2023
Subjects
声谱图
工况
水轮发电机组
深度神经网络
状态识别
Online AccessGet full text
ISSN1007-2284
DOI10.12396/znsd.220546

Cover

More Information
Summary:TK730; 针对工业设备声音数据的易得性,对两河口2号水轮机组开机试验过程中的升/甩负荷等实验进行声音数据采集,对采集的声音数据进行RMS、频谱、声谱图分析.基于波形、频谱以及声谱图的细微差别,选择神经网络作为辅助手段,将声谱图作为训练样本进入神经网络输入层,得到声纹特征,将声纹特征接入聚类模型实现分类,并实现测试样本的分类打分.结果表明,试验中的不同负荷工况和尾水门泄露事故均能够正确识别,本试验训练的模型对工况分类的正确率达到了100％.该研究将有助于建立针对水电站机电设备整体和重要关键部件的机器声纹特征图谱库.
ISSN:1007-2284
DOI:10.12396/znsd.220546