一种基于CWT-CNN-LSTM对抗域适应的水利设备轴承跨工况故障诊断方法

摘要: 本发明涉及水利工程设备状态监测与故障诊断,具体来说,涉及一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法。背景技术:1、近年来,随着水...
一种基于CWT-CNN-LSTM对抗域适应的水利设备轴承跨工况故障诊断方法

本发明涉及水利工程设备状态监测与故障诊断,具体来说,涉及一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法。

背景技术:

1、近年来,随着水利工程建设的规模化推进,防洪减灾、水资源优化配置、清洁发电等核心任务对水利枢纽运行可靠性的要求日益提高。水利枢纽旋转机械,如闸门启闭系统轴承、水泵机组轴承、水力发电机组轴承等作为保障工程安全稳定运行的核心部件,其运行状态直接决定防洪调度的及时性、水资源供给的稳定性以及发电供电的连续性,是维系水利工程功能发挥的关键支撑。而轴承运行状态的精准监测与故障诊断,正是保障这一核心部件可靠工作的重要基础,对水利枢纽整体运行安全具有决定性意义。

2、早期轴承故障诊断多依赖人工巡检与离线检测,自动化监测系统的普及率较低,这直接导致智能化诊断研究基础较为薄弱。基础薄弱的现状使得多数工程现场至今仍采用简单的阈值判定或人工经验识别模式。

3、为弥补传统诊断模式的短板,近年来传感器技术与人工智能技术的快速发展为水利轴承诊断提供了新的解决方案,使得诊断的自动化与智能化水平得到一定提升。但水利设备运行场景特有的“跨工况”特性,却带来了新的突出挑战:一方面,水位波动、流量调节会引发设备负载频繁变化,转速波动、水流冲击噪声等因素还会让轴承振动信号呈现强非平稳性与多分量耦合性;另一方面,水利工程长周期连续运行的特点,还会导致信号传输延迟、环境干扰叠加等问题。这些因素相互交织,大幅加剧了诊断难度,也凸显了研发适配跨工况场景精准诊断技术的紧迫性。

4、面对跨工况下的复杂诊断需求,传统诊断方案的局限性愈发明显。由于水利轴承运行系统的动态过程不确定性强,振动信号的非线性特征显著,故障模式与工况耦合关系复杂,传统的人工特征提取方法易受干扰导致故障特征漏判,而单一的深度学习模在固定工况下训练后,面对工况变化时诊断准确率骤降,难以保证诊断性能最优。

5、针对相关技术中的问题,目前尚未提出有效的解决方案。

技术实现思路

1、针对现有技术的不足,本发明提供了一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,具备动态提取跨工况振动信号的时频特征、对齐域分布、优化无监督适配,实现水利设备轴承故障的精准诊断的目的,进而解决传统的人工特征提取方法易受干扰导致故障特征漏判,而单一的深度学习模在固定工况下训练后,面对工况变化时诊断准确率骤降,难以保证诊断性能最优的问题。

2、为实现上述动态提取跨工况振动信号的时频特征、对齐域分布、优化无监督适配,实现水利设备轴承故障的精准诊断的目的,本发明采用的具体技术方案如下:

3、一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,包括:

4、获取不同工况下的水利设备轴承振动信号,并对获取的水利设备轴承振动信号进行预处理;

5、利用母小波对预处理后的轴承振动信号进行连续小波变换处理,得到时频幅值矩阵,并结合三通道rgb映射技术,将时频幅值矩阵转化二维时频图,以实现轴承故障特征的高效表征及模型输入适配;

6、构建深度特征混合网络,并利用二维时频图对深度特征混合网络进行多轮训练,并根据训练结果通过早停策略选择深度特征混合网络的最优状态,建立基础诊断模型;

7、基于预先构建的单对抗网络架构,通过双目标协同优化策略进行对抗训练,更新基础诊断模型的参数,得到训练好的基础诊断模型;

8、利用伪标签迭代优化机制,结合水利监测数据的工况标识进行数据划分,优化训练好的基础诊断模型,得到优化后的诊断模型;

9、将优化后的诊断模型权重转换为onnx格式,支持在不同硬件平台上的推理部署,并对优化后的诊断模型进行softmax概率归一化,得到结构化的诊断结果,以实现水利设备轴承跨工况的故障诊断;

10、通过pca技术降维可视化源域样本与目标域特征分布的重叠度,计算综合性能指标并生成混淆矩阵热力图,以验证优化后的诊断模型的稳定性。

11、与现有技术相比,本发明提供了一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,具备以下有益效果:

12、(1)本发明通过cwt-rgb时频表征保留故障瞬态特征,cnn-lstm协同提取空间-时序特征,对抗域适应对齐跨工况分布,目标域诊断准确率达98.5%以上,较无域适应模型提升25%以上,解决了传统模型跨工况泛化差的核心问题。

13、(2)本发明基于“文件名前缀-众数投票”的伪标签策略,无需目标域人工标注,避免水利现场设备停机检测,降低标签获取成本80%以上,大幅提升工程应用可行性。

14、(3)本发明通过onnx格式模型支持cpu/gpu双模式推理,推理耗时≤0.5ms,可直接集成至现有水利设备在线监测系统,适配闸门启闭机、水泵、发电机组等多类旋转机械,部署兼容性强。

15、(4)本发明通过pca降维、训练曲线、混淆矩阵等多维度可视化手段,直观呈现域适应效果与模型稳定性,为运维人员提供清晰的性能评估依据,降低技术落地门槛。

16、(5)本发明通过cwt时频分析结合小波去噪技术,有效抑制水流冲击、电磁干扰等复杂噪声,在信噪比低至-10db的水利恶劣环境中,诊断准确率仍保持≥95%,鲁棒性显著优于传统时域、频域分析方法。

1.一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,包括:

2.根据权利要求1所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述获取不同工况下的水利设备轴承振动信号,并对获取的水利设备轴承振动信号进行预处理包括:

3.根据权利要求2所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述利用z-score归一化机制对样本集进行标准化处理,得到标准化的轴承振动信号包括:

4.根据权利要求1所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述利用母小波对预处理后的轴承振动信号进行连续小波变换处理,得到时频幅值矩阵,并结合三通道rgb映射技术,将时频幅值矩阵转化二维时频图,以实现轴承故障特征的高效表征及模型输入适配包括:

5.根据权利要求1所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述构建深度特征混合网络,并利用二维时频图对深度特征混合网络进行多轮训练,并根据训练结果通过早停策略选择深度特征混合网络的最优状态,建立基础诊断模型包括:

6.根据权利要求5所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述在训练过程中,通过交叉熵损失函数结合二维时频图,量化深度特征混合网络预测与真实故障类别标签之间的差异,并采用adam优化器执行反向传播与网络参数的迭代更新包括:

7.根据权利要求5所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述基于预先构建的单对抗网络架构,通过双目标协同优化策略进行对抗训练,更新基础诊断模型的参数,得到训练好的基础诊断模型包括:

8.根据权利要求1所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述利用伪标签迭代优化机制,结合水利监测数据的工况标识进行数据划分,优化训练好的基础诊断模型,得到优化后的诊断模型包括:

9.根据权利要求1所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述将优化后的诊断模型权重转换为onnx格式,支持在不同硬件平台上的推理部署,并对优化后的诊断模型进行softmax概率归一化,得到结构化的诊断结果,以实现水利设备轴承跨工况的故障诊断包括:

10.根据权利要求1所述的一种基于cwt-cnn-lstm对抗域适应的水利设备轴承跨工况故障诊断方法,其特征在于,所述通过pca技术降维可视化源域样本与目标域特征分布的重叠度,计算综合性能指标并生成混淆矩阵热力图,以验证优化后的诊断模型的稳定性包括: