摘要
文章旨在探讨基于CNN算法的水轮机转轮叶片裂纹状态识别方法。水轮机作为水力发电的关键设备,其叶片裂纹问题严重影响电站安全运行。文章以混流式水轮机转轮为研究对象,采集3种不同裂纹状态下的振动信号,运用小波降噪技术处理信号,构建CNN模型进行特征提取和分类。实验结果显示,CNN模型在裂纹状态识别上表现出色,准确度、召回率和精确度均高于SVM和决策树模型,且均大于0.95。该方法为提高裂纹识别的准确性和效率提供了有力支持,有助于保障水电站安全运行。
出处
《今日制造与升级》
2025年第3期15-17,共3页
Manufacture & Upgrading Today
作者简介
张彬(1980-),男,四川内江人,本科,高级工程师,主要研究方向为水轮机结构设计。
