本發(fā)明涉及水輪發(fā)電機，具體涉及一種水輪發(fā)電機故障診斷方法及系統(tǒng)。

背景技術(shù)：

1、水輪發(fā)電機是水電站的核心設(shè)備，其主要功能是將水流的機械能轉(zhuǎn)換為電能；在水輪發(fā)電機中，轉(zhuǎn)子作為能量轉(zhuǎn)換的關(guān)鍵部件，通過高速旋轉(zhuǎn)產(chǎn)生強大的旋轉(zhuǎn)磁場，與定子相互作用，從而在定子繞組中感應(yīng)出電流，實現(xiàn)電能的輸出。轉(zhuǎn)子的健康狀態(tài)直接影響到整個發(fā)電系統(tǒng)的穩(wěn)定性，因此對轉(zhuǎn)子的故障診斷至關(guān)重要。

2、目前，針對轉(zhuǎn)子的故障檢測通常采用振動信號分析方法，其原理是通過從傳感器采集得到的振動數(shù)據(jù)進行頻譜分析，能夠識別出特定頻率下的異常信號，以此作為判斷轉(zhuǎn)子是否存在故障；然而，由于水輪發(fā)電機轉(zhuǎn)子結(jié)構(gòu)復(fù)雜且故障類型多樣化，僅依靠振動信號往往難以全面反映轉(zhuǎn)子的故障狀態(tài)，導(dǎo)致水輪發(fā)電機轉(zhuǎn)子故障診斷存在一定局限性，降低了故障診斷的準確度。

技術(shù)實現(xiàn)思路

1、為了解決水輪發(fā)電機轉(zhuǎn)子故障診斷準確度不足的技術(shù)問題，本發(fā)明的目的在于提供一種水輪發(fā)電機故障診斷方法及系統(tǒng)，所采用的技術(shù)方案具體如下：

2、本發(fā)明第一方面的技術(shù)方案提供了一種水輪發(fā)電機故障診斷方法，所述方法包括：

3、獲取水輪發(fā)電機轉(zhuǎn)子的圖像及聲學(xué)數(shù)據(jù)；

4、將轉(zhuǎn)子圖像數(shù)據(jù)與轉(zhuǎn)子參考圖像進行配準對齊，提取圖像差異特征；

5、對故障聲學(xué)數(shù)據(jù)進行標準化頻譜差異分析，提取聲學(xué)異常頻率特征；

6、構(gòu)建故障診斷模型，輸入差異圖像差異特征與聲學(xué)異常頻率特征，輸出轉(zhuǎn)子故障診斷結(jié)果。

7、進一步地，將轉(zhuǎn)子圖像數(shù)據(jù)與轉(zhuǎn)子參考圖像進行配準對齊包括：

8、基于互信息方法對轉(zhuǎn)子圖像數(shù)據(jù)和轉(zhuǎn)子參考圖像進行配準對齊；

9、將配準后的轉(zhuǎn)子圖像數(shù)據(jù)與轉(zhuǎn)子參考圖像按像素點位置進行相減，生成差異圖像。

10、進一步地，提取圖像差異特征包括：

11、對差異圖像進行邊緣檢測并提取邊緣輪廓；

12、計算局部梯度去除邊緣輪廓中的非輪廓點像素，得到初始輪廓；

13、根據(jù)預(yù)設(shè)窗口對初始輪廓進行劃分，得到輪廓子塊；

14、提取輪廓子塊的輪廓曲率變化及輪廓方向一致性。

15、進一步地，輪廓子塊的輪廓曲率變化的表達式為：

16、

17、式中，ci表示第i個輪廓子塊的輪廓曲率變化；ki,j表示第i個輪廓子塊中第j個像素點的曲率；表示第i個輪廓子塊中所有像素點曲率的平均值。

18、進一步地，對故障聲學(xué)數(shù)據(jù)進行標準化頻譜差異分析，包括：

19、對轉(zhuǎn)子聲學(xué)數(shù)據(jù)進行短時傅里葉變換，提取時間頻譜圖；

20、將時間頻譜圖與無故障參考頻譜圖進行相減，得到頻譜差異圖。

21、進一步地，提取聲學(xué)異常頻率特征，包括：

22、提取頻譜差異圖中各個頻率區(qū)間的能量分布，提取能量異常頻率區(qū)間以及峰值頻率；

23、基于包絡(luò)譜分析從能量異常頻率區(qū)間中提取瞬態(tài)沖擊信號。

24、進一步地，基于包絡(luò)譜分析從能量異常頻率區(qū)間中提取瞬態(tài)沖擊信號包括：

25、對頻譜差異圖進行希爾伯特變換，提取包絡(luò)譜的能量分布；

26、提取能量異常頻率區(qū)間內(nèi)的包絡(luò)譜數(shù)據(jù)，根據(jù)預(yù)設(shè)能量閾值檢檢測瞬態(tài)沖擊信號。

27、進一步地，提取包絡(luò)譜的能量分布的表達式為：

28、e(t)＝∫f|e(t,f)|2df

29、式中，e(t)表示時間點t處的包絡(luò)譜能量分布；e(t,f)表示包絡(luò)譜在時間點t頻率f處的幅度；d表示積分頻率步長。

30、進一步地，構(gòu)建故障診斷模型，輸入差異圖像差異特征與聲學(xué)異常頻率特征，輸出轉(zhuǎn)子故障診斷結(jié)果，包括：

31、構(gòu)建雙支神經(jīng)網(wǎng)絡(luò)模型，包括圖像差異特征分支和聲學(xué)異常頻率特征分支；

32、將差異圖像差異特征與聲學(xué)異常頻率特征輸入雙支神經(jīng)網(wǎng)絡(luò)模型；

33、利用全連接層合并處理雙分支神經(jīng)網(wǎng)絡(luò)模型的輸出；

34、根據(jù)預(yù)設(shè)任務(wù)，輸出健康狀態(tài)評分或故障類型。

35、本發(fā)明第二方面的技術(shù)方案提供了一種水輪發(fā)電機故障診斷系統(tǒng)，所述系統(tǒng)包括：

36、圖像采集模塊，配置為獲取水輪發(fā)電機轉(zhuǎn)子的圖像及聲學(xué)數(shù)據(jù)；

37、圖像差異特征提取模塊，配置為將轉(zhuǎn)子圖像數(shù)據(jù)與轉(zhuǎn)子參考圖像進行配準對齊，提取圖像差異特征；

38、聲學(xué)異常頻率特征提取模塊，配置為對故障聲學(xué)數(shù)據(jù)進行標準化頻譜差異分析，提取聲學(xué)異常頻率特征；

39、故障診斷模塊，配置為輸入差異圖像差異特征與聲學(xué)異常頻率特征，輸出轉(zhuǎn)子故障診斷結(jié)果。

40、本發(fā)明具有如下有益效果：

41、本發(fā)明提供的一種水輪發(fā)電機故障診斷方法及系統(tǒng)，通過將轉(zhuǎn)子圖像數(shù)據(jù)與轉(zhuǎn)子參考圖像進行配準對齊，提取圖像差異特征；對故障聲學(xué)數(shù)據(jù)進行標準化頻譜差異分析，提取聲學(xué)異常頻率特征；轉(zhuǎn)子不同類型的故障在圖像和聲學(xué)數(shù)據(jù)中表現(xiàn)出不同的特征，同時圖像差異特征與聲學(xué)異常頻率特征還可相互驗證，減少了單一數(shù)據(jù)源可能遺漏的故障信息，提升轉(zhuǎn)子故障診斷的準確度。

技術(shù)特征：

1.一種水輪發(fā)電機故障診斷方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的水輪發(fā)電機故障診斷方法，其特征在于，將轉(zhuǎn)子圖像數(shù)據(jù)與轉(zhuǎn)子參考圖像進行配準對齊包括：

3.如權(quán)利要求1所述的水輪發(fā)電機故障診斷方法，其特征在于，提取圖像差異特征包括：

4.如權(quán)利要求3所述的水輪發(fā)電機故障診斷方法，其特征在于，輪廓子塊的輪廓曲率變化的表達式為：

5.如權(quán)利要求1所述的水輪發(fā)電機故障診斷方法，其特征在于，對故障聲學(xué)數(shù)據(jù)進行標準化頻譜差異分析，包括：

6.如權(quán)利要求5所述的水輪發(fā)電機故障診斷方法，其特征在于，提取聲學(xué)異常頻率特征，包括：

7.如權(quán)利要求6所述的水輪發(fā)電機故障診斷方法，其特征在于，基于包絡(luò)譜分析從能量異常頻率區(qū)間中提取瞬態(tài)沖擊信號包括：

8.如權(quán)利要求7所述的水輪發(fā)電機故障診斷方法，其特征在于，提取包絡(luò)譜的能量分布的表達式為：

9.如權(quán)利要求1至8任一項所述的水輪發(fā)電機故障診斷方法，其特征在于，構(gòu)建故障診斷模型，輸入差異圖像差異特征與聲學(xué)異常頻率特征，輸出轉(zhuǎn)子故障診斷結(jié)果，包括：

10.一種水輪發(fā)電機故障診斷系統(tǒng)，其特征在于，所述系統(tǒng)包括：

技術(shù)總結(jié)
本發(fā)明涉及水輪發(fā)電機技術(shù)領(lǐng)域，具體涉及一種水輪發(fā)電機故障診斷方法及系統(tǒng)，所述方法包括：獲取水輪發(fā)電機轉(zhuǎn)子的圖像及聲學(xué)數(shù)據(jù)；將轉(zhuǎn)子圖像數(shù)據(jù)與轉(zhuǎn)子參考圖像進行配準對齊，提取圖像差異特征；對故障聲學(xué)數(shù)據(jù)進行標準化頻譜差異分析，提取聲學(xué)異常頻率特征；構(gòu)建故障診斷模型，輸入差異圖像差異特征與聲學(xué)異常頻率特征，輸出轉(zhuǎn)子故障診斷結(jié)果。其目的在于，解決水輪發(fā)電機轉(zhuǎn)子故障診斷準確度不足的問題。

技術(shù)研發(fā)人員：吳景平,馬嚴峰,廖濤,林志鵬,譚顯浪,趙勇,蒲濤
受保護的技術(shù)使用者：華電四川發(fā)電有限公司瓦屋山分公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6