水轮机故障监测方法、装置、设备及介质制造方法及图纸

本公开涉及一种水轮机故障监测方法，包括在水轮机运行过程中，获取水轮机在预设时长内的音频信息；对所述音频信息进行特征提取，得到多个特征向量；根据所述多个特征向量以及每个特征向量对应的故障阈值，确定故障指数；根据所述故障指数，确定所述水轮机的当前状态。本公开不采用机器学习，逻辑简明，在确定故障阈值时不会采用大量的数据进行运算，可以有效节省时间。同时，采用模型输出的结果的可解释性较差，在模型输出错误结果时，不能确定模型出现错误结果的原因。同时，本公开具有较高的可解释性，且适用于不同的环境中，增强了方案的鲁棒性。的鲁棒性。的鲁棒性。

【技术实现步骤摘要】
水轮机故障监测方法、装置、设备及介质


[0001]本公开涉及水电设备
，具体地，涉及一种水轮机故障监测方法、 装置、设备及介质。

技术介绍

[0002]水轮机是把水流的能量转换为旋转机械能的动力机械，在水电站中，上 游水库中的水经引水管引向水轮机，推动水轮机转轮旋转，带动发电机发电。 由于机械形变、轴瓦磨损等原因，造成水轮机组故障，如不及时处理，会造 成严重的破坏性后果，因此在机组运行过程中需要进行机组稳定参数的监测， 以反映机组的实际状态。
[0003]为了监测水电机组的运行状态，通常采用直接放置在水轮机上的传感器 搜集震动信号加以分析。通过数据处理，获得大轴转动偏离轴心的振幅，作 为机组保护在旋转状态下的评判标准。
[0004]相关技术中，采用深度神经网络、决策树、模糊神经网络等机器学习的 方法对水轮机运行状态进行监测，而训练机器学习的模型需要花费大量的时 间，且训练得到的模型的通用性较低，更换不同型号的水轮机后往往需要重 新获取数据训练模型。

技术实现思路

[0005]本公开的目的是提供一种水轮机故障监测方法、装置、设备及介质，以 解决现有技术中水轮机状态监测方法的通用性较低的问题。
[0006]为了实现上述目的，在本公开的第一方面提供了一种水轮机故障监测方 法，所述方法包括：
[0007]在水轮机运行过程中，获取水轮机在预设时长内的音频信息；
[0008]对所述音频信息进行特征提取，得到多个特征向量；
[0009]根据所述多个特征向量以及每个特征向量对应的故障阈值，确定故障指 数；
[0010]根据所述故障指数，确定所述水轮机的当前状态。
[0011]可选地，对所述音频信息进行特征提取，得到多个特征向量的步骤，包 括：
[0012]将所述音频信息分别进行时域变换和频域变换，获得多个特征向量。
[0013]可选地，所述多个特征向量包括多个时域特征向量以及多个频域特征向 量，将所述音频信息分别进行时域变换和频域变换，获得多个特征向量的步 骤，包括：
[0014]根据多个时域特征公式分别对所述音频信息进行运算，得到多个时域特 征向量；
[0015]根据多个频域特征公式分别对所述音频信息进行运算，得到多个频域特 征向量；
[0016]其中，每个时域特征公式对应一个时域特征向量，每个频域特征公式对 应一个频域特征向量。
[0017]可选地，根据所述多个特征向量以及每个特征向量对应的故障阈值，确 定故障指数的步骤，包括：
[0018]在所述多个特征向量中的任意一个特征向量超出对应的故障阈值的情 况下，确
定该特征向量的故障值为1；
[0019]在所述多个特征向量中的任意一个特征向量未超出对应的故障阈值的 情况下，确定该特征向量的故障值为0；
[0020]根据所述多个特征向量对应的故障值，确定所述故障指数。
[0021]可选地，根据所述多个特征向量对应的故障值，确定所述故障指数的步 骤，包括：
[0022]将所述多个特征向量的对应的故障值之和作为所述故障指数。
[0023]可选地，根据所述故障指数，确定所述水轮机的当前状态的步骤，包括：
[0024]在所述故障指数小于第一阈值的情况下，确定所述水轮机的当前状态为 正常运行状态；
[0025]在所述故障指数处于所述第一阈值以及第二阈值的情况下，确定所述水 轮机的当前状态为弱故障状态；
[0026]在所述故障指数大于所述第二阈值的情况下，确定所述水轮机的当前状 态为强故障状态。
[0027]可选地，所述方法还包括：
[0028]每所述预设时长内，获取所述水轮机的多个样本音频信息，所述样本音 频信息是所述水轮机在正常状态下的音频信息；
[0029]对所述多个样本音频信息进行特征提取，得到多组样本特征向量，其中， 每个样本音频信息对应一组样本特征向量；
[0030]对每组所述样本特征向量进行计算，得到每组样本特征向量对应的初始 故障阈值；
[0031]将多个所述初始故障阈值的平均值作为所述故障阈值。
[0032]为了实现上述目的，在本公开的第二方面还提供了一种水轮机故障监测 装置，所述装置包括：
[0033]获取模块，用于在水轮机运行过程中，获取水轮机在预设时长内的音频 信息；
[0034]获得模块，用于对所述音频信息进行特征提取，得到多个特征向量；
[0035]第一确定模块，用于根据所述多个特征向量以及每个特征向量对应的故 障阈值，确定故障指数；
[0036]第二确定模块，用于根据所述故障指数，确定所述水轮机的当前状态。
[0037]为了实现上述目的，在本公开的第三方面还提供了一种电子设备，包括：
[0038]存储器，其上存储有计算机程序；
[0039]处理器，用于执行所述存储器中的所述计算机程序，以实现上述第一方 面所述方法的步骤。
[0040]为了实现上述目的，在本公开的第四方面还提供了一种计算机可读存储 介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面所 述方法的步骤。
[0041]本公开通过水轮机的音频信息进行特征提取，获得多个特征向量，并根 据多个特征向量以及每个特征向量对应的故障阈值确定故障指数，从而可以 根据故障指数确定水轮机的当前状态，相比于采用机器学习的方法对水轮机 状态进行监测时需要大量数据和时间训练模型，本公开不采用机器学习，逻 辑简明，在确定故障阈值时不会采用大量的数据进行运算，可以有效节省时 间。同时，采用模型输出的结果的可解释性较差，在模型输出
错误结果时， 不能确定模型出现错误结果的原因。本公开对音频信息进行特征提取后获得 的特征向量以及对应的故障阈值，得出故障指数，可以确定水轮机的当前状 态，若在判断水轮机运行状态时发生错误，一般情况下，可以判定是采集音 频信息的传感器发生故障，因此，本公开的方案具有较高的可解释性。
[0042]另外，在水轮机所处环境不同的情况下，模型需要重新训练，而重新训 练的过程会再次花费大量时间和数据，而在水轮机所处环境对本公开方案的 影响较小，本公开适用于不同的环境中，增强了方案的鲁棒性。
[0043]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0044]附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与 下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在 附图中：
[0045]图1是根据一示例性实施例示出的一种水轮机故障监测方法的流程图。
[0046]图2是根据一示例性实施例示出的一种水轮机故障监测装置。
[0047]图3是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
[0048]以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是， 此处所描述的具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水轮机故障监测方法，其特征在于，所述方法包括：在水轮机运行过程中，获取水轮机在预设时长内的音频信息；对所述音频信息进行特征提取，得到多个特征向量；根据所述多个特征向量以及每个特征向量对应的故障阈值，确定故障指数；根据所述故障指数，确定所述水轮机的当前状态。2.根据权利要求1所述的方法，其特征在于，对所述音频信息进行特征提取，得到多个特征向量的步骤，包括：将所述音频信息分别进行时域变换和频域变换，获得多个特征向量。3.根据权利要求2所述的方法，其特征在于，所述多个特征向量包括多个时域特征向量以及多个频域特征向量，将所述音频信息分别进行时域变换和频域变换，获得多个特征向量的步骤，包括：根据多个时域特征公式分别对所述音频信息进行运算，得到多个时域特征向量；根据多个频域特征公式分别对所述音频信息进行运算，得到多个频域特征向量；其中，每个时域特征公式对应一个时域特征向量，每个频域特征公式对应一个频域特征向量。4.根据权利要求1所述的方法，其特征在于，根据所述多个特征向量以及每个特征向量对应的故障阈值，确定故障指数的步骤，包括：在所述多个特征向量中的任意一个特征向量超出对应的故障阈值的情况下，确定该特征向量的故障值为1；在所述多个特征向量中的任意一个特征向量未超出对应的故障阈值的情况下，确定该特征向量的故障值为0；根据所述多个特征向量对应的故障值，确定所述故障指数。5.根据权利要求4所述的方法，其特征在于，根据所述多个特征向量对应的故障值，确定所述故障指数的步骤，包括：将所述多个特征向量的对应的故障值之和作为所述故障指数。6.根据权利要求1或4所述的方法，其特征在...

【专利技术属性】
技术研发人员：陈瀚，严戴志，张泽彬，邱巍，刘芬香，
申请(专利权)人：成都大汇智联科技有限公司，
类型：发明
国别省市：