检索结果-维普期刊中文期刊服务平台

基于暂态振动数据融合特征的GCB健康度识别策略: 1; 作者冉帅张兆闯 +3 位作者张舸杨树锋屈文锋曹宏《水电站机电技术》 2025年第1期40-42,97,共4页; 发电机出口断路器(简称“GCB”)是安装于发电机和主变压器之间的高压核心设备,其可靠性直接决定了发电机组的同期并网可靠性和发变组故障快速切除能力。为了有效识别GCB的健康状态,提高设备状态监测和评估水平,国内某电站已在多台HEC 8A... 展开更多; 关键词 GCB 短时能量 VMD样本熵小波系数局部均值; 在线阅读下载PDF 职称材料

基于音频特征的水车室工作状态异常检测被引量：2: 2; 作者曾广栋魏学锋 +2 位作者何林孙长江张旋《水电能源科学》北大核心 2024年第8期168-172,共5页; 水电站的水车室包含轴承和顶盖等机械设备,受水力因素影响,水车室的异常工作会带来较大的安全隐患,基于大数据分析的精确维护对于水车室的可靠运行至关重要。针对水车室的异常工作状态,通过模型训练、特征工程和分类模型的开发等过程,采... 展开更多; 关键词音频数据水车室 STFT Log-Mel 梅尔频率倒频谱系数(MFCC) 时域特征支持向量机; 在线阅读下载PDF 职称材料

基于归一化流概率模型的水电机组异常声音检测: 3; 作者钟卫华张健 +1 位作者徐衡邓羽丰《中国农村水利水电》北大核心 2024年第1期237-243,256,共8页; 为推进水电机组智能化运维的发展,提出了一种自注意多阶统计量池化(SAMOSP)归一化流条件概率模型(NFCPM)用于水电机组的无监督异常声音检测。文中首次提出了自注意多阶统计量池化模块。该模块首先用一维压缩卷积层和瓶颈压缩激励部分自... 展开更多; 关键词水电机组自注意多阶统计量池化归一化流条件概率模型无监督异常声音检测对数梅尔系数; 在线阅读下载PDF 职称材料

基于深度卷积神经网络与高斯混合模型的水电机组异常声音检测被引量：2: 4; 作者张勇元文智 +2 位作者段贵金王博宇刘豪睿《水电能源科学》北大核心 2023年第8期188-191,130,共5页; 为实现水电机组运行状态的安全监测,解决自动化值守问题,依据语音识别技术,基于发电机组运行监测信息对水轮机部分测点的正常状态建模,以实现异常检测。先使用西储大学轴承试验数据,验证深度卷积神经网络(CNN)与高斯混合模型(GMM)组合... 展开更多; 关键词水轮发电机组深度卷积神经网络高斯混合模型异常检测声谱图; 在线阅读下载PDF 职称材料

基于声音特征的水力发电机组试验分析被引量：2: 5; 作者何胜明刘剑 +2 位作者胡捷李政刘豪睿《中国农村水利水电》北大核心 2023年第2期226-232,238,共8页; 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... 展开更多; 关键词水轮发电机组深度神经网络声谱图工况状态识别; 在线阅读下载PDF 职称材料

题名基于暂态振动数据融合特征的GCB健康度识别策略: 1; 作者冉帅张兆闯张舸杨树锋屈文锋曹宏; 机构溪洛渡水力发电厂北京华控智加科技有限公司; 出处《水电站机电技术》 2025年第1期40-42,97,共4页; 基金中国长江电力股份有限公司项目(Z412202002)。; 文摘发电机出口断路器(简称“GCB”)是安装于发电机和主变压器之间的高压核心设备,其可靠性直接决定了发电机组的同期并网可靠性和发变组故障快速切除能力。为了有效识别GCB的健康状态,提高设备状态监测和评估水平,国内某电站已在多台HEC 8A型GCB上加装振动在线监测系统。本文通过对该电站GCB振动监测系统采集的暂态信号进行分析,得到其健康度分值。具体方法是首先应用短时能量法检测暂态振动信号起点。其次,应用VMD样本熵和小波系数局部均值法提取暂态信号特征。最后,使用KNN回归距离,作为健康度的指标。数据分析结果表明,GCB在不同的合分闸动作类型以及不同运行时段分合的振动信号,在VMD样本熵和小波系数局部均值所构造的特征上具有一定的区分度。; 关键词 GCB 短时能量 VMD样本熵小波系数局部均值; 分类号 TM507 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于音频特征的水车室工作状态异常检测被引量：2: 2; 作者曾广栋魏学锋何林孙长江张旋; 机构溪洛渡水力发电厂北京华控智加科技有限公司; 出处《水电能源科学》北大核心 2024年第8期168-172,共5页; 基金三峡金沙江川云水电开发有限公司永善溪洛渡电厂科研项目(4122020006)。; 文摘水电站的水车室包含轴承和顶盖等机械设备,受水力因素影响,水车室的异常工作会带来较大的安全隐患,基于大数据分析的精确维护对于水车室的可靠运行至关重要。针对水车室的异常工作状态,通过模型训练、特征工程和分类模型的开发等过程,采用STFT、Log-Mel、MFCC等方法对音频数据进行了预处理,建立了基于音频数据的异常检测模型,并对溪洛渡水电站水车室工作状态进行了异常检测。结果表明,Log-Mel方法具有有效性。研究结果不仅降低了异常检测的成本,还为水电机组的健康监测提供了参考。; 关键词音频数据水车室 STFT Log-Mel 梅尔频率倒频谱系数(MFCC) 时域特征支持向量机; Keywords audio data waterwheel chamber STFT Log-Mel Mel-scale frequency cepstrum coefficients(MFCC) time-domain features support vector machine; 分类号 TV738 [水利工程—水利水电工程] TK730 [交通运输工程—轮机工程]; 在线阅读下载PDF 职称材料

题名基于归一化流概率模型的水电机组异常声音检测: 3; 作者钟卫华张健徐衡邓羽丰; 机构雅砻江流域水电开发有限公司清华大学电子工程系北京华控智加科技有限公司; 出处《中国农村水利水电》北大核心 2024年第1期237-243,256,共8页; 文摘为推进水电机组智能化运维的发展,提出了一种自注意多阶统计量池化(SAMOSP)归一化流条件概率模型(NFCPM)用于水电机组的无监督异常声音检测。文中首次提出了自注意多阶统计量池化模块。该模块首先用一维压缩卷积层和瓶颈压缩激励部分自注意到时间帧的权重向量。权重向量用来计算多阶统计池化向量。然后再分频段的自注意到多阶统计池化量的不同权重,并按其提取不同频段的重要统计量信息,从而得到时频图的自注意统计池化特征向量。接着用归一化流条件概率模型对从水轮机组正常音频信号中提取到的自注意统计池化特征向量进行正常数据的概率建模。不同时间段的测试样本在该正常数据概率模型中进行测试,并得到相应的分数。分数越低表示概率密度越低,则异常程度越大,从而实现水电机组音频信号的无监督异常检测。; 关键词水电机组自注意多阶统计量池化归一化流条件概率模型无监督异常声音检测对数梅尔系数; Keywords hydropower units self-attention multi-order statistics pooling normalized flow condition probability model unsupervised abnormal sound detection Logarithmic Mel coefficient; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度卷积神经网络与高斯混合模型的水电机组异常声音检测被引量：2: 4; 作者张勇元文智段贵金王博宇刘豪睿; 机构雅砻江流域水电开发有限公司北京华控智加科技有限公司; 出处《水电能源科学》北大核心 2023年第8期188-191,130,共5页; 文摘为实现水电机组运行状态的安全监测,解决自动化值守问题,依据语音识别技术,基于发电机组运行监测信息对水轮机部分测点的正常状态建模,以实现异常检测。先使用西储大学轴承试验数据,验证深度卷积神经网络(CNN)与高斯混合模型(GMM)组合建模方法的正确性;其次针对水轮机组共布置了42个测点,根据过速前后RMS的上升率,选择10个敏感测点进行位置分类;然后选取部分数据作为训练数据,得到CNN模型及机组声音特征,进一步训练并得到GMM模型;最后利用测试数据的打分结果,判断机器运行状态——即偏离正常状态的程度,实现异常状态检测。该试验方案通过人工标注确认,验证了方法的可行性,实现了基于声音的水电机组异常检测算法设计。; 关键词水轮发电机组深度卷积神经网络高斯混合模型异常检测声谱图; Keywords hydroelectric unit deep convolutional neural network Gaussian mixture model abnormal detection spectrogram; 分类号 TK730 [交通运输工程—轮机工程] TV734.1 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名基于声音特征的水力发电机组试验分析被引量：2: 5; 作者何胜明刘剑胡捷李政刘豪睿; 机构雅砻江流域水电开发有限公司北京华控智加科技有限公司; 出处《中国农村水利水电》北大核心 2023年第2期226-232,238,共8页; 文摘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。; 关键词水轮发电机组深度神经网络声谱图工况状态识别; Keywords hydro-generator unit deep neural network spectrogram working condition state prediction; 分类号 TK730 [交通运输工程—轮机工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于暂态振动数据融合特征的GCB健康度识别策略	冉帅张兆闯张舸杨树锋屈文锋曹宏	《水电站机电技术》	2025	0	在线阅读下载PDF 职称材料
2	基于音频特征的水车室工作状态异常检测	曾广栋魏学锋何林孙长江张旋	《水电能源科学》北大核心	2024	2	在线阅读下载PDF 职称材料
3	基于归一化流概率模型的水电机组异常声音检测	钟卫华张健徐衡邓羽丰	《中国农村水利水电》北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于深度卷积神经网络与高斯混合模型的水电机组异常声音检测	张勇元文智段贵金王博宇刘豪睿	《水电能源科学》北大核心	2023	2	在线阅读下载PDF 职称材料
5	基于声音特征的水力发电机组试验分析	何胜明刘剑胡捷李政刘豪睿	《中国农村水利水电》北大核心	2023	2	在线阅读下载PDF 职称材料