【技术实现步骤摘要】
本专利技术涉及水轮机故障检测，具体涉及水轮机开集故障诊断方法、设备、存储介质及程序产品。
技术介绍
1、水轮发电机组价格昂贵，为水电站的核心关键设备。水轮发电机组的状态监测技术，可随时掌握和分析其运行状态，及时发现存在的隐患和缺陷，避免破坏性事故的发生，有利于指导机组运行和检修，有利于保障机组安全经济运行，是水电厂实现“无人值班、少人值守”的必要手段。
2、深度学习技术可以从信号中自动提取故障相关特征，而无需手动做特征工程，然而，当前基于深度学习的故障诊断模型大部分为闭集识别模型，即模型将所有的输入数据均分类为已知故障类别。模型在部署于现场后，遇到未知故障时，闭集模型将未知故障强制分类为已知故障，因此，故障识别灵活性和准确性低。
技术实现思路
1、有鉴于此，本专利技术提供了一种水轮机开集故障诊断方法、设备、存储介质及程序产品，以解决无法识别未知故障的问题，提高水轮机开集故障诊断准确性。
2、第一方面，本专利技术提供了一种水轮机开集故障诊断方法，该水轮机开集故障诊断方法包括：获取训练集，训练集包括水轮机开集的历史故障数据和对应的历史故障类别；将历史故障数据输入初始数据分析网络，得到历史故障数据的数据特征分布；将历史故障类别输入初始类别分析网络，得到历史故障类别的类别特征分布；基于数据特征分布和类别特征分布对初始数据分析网络和初始类别分析网络的参数进行调整，得到目标数据分析网络和目标类别分析网络；将待检测数据输入目标数据分析网络，得到目标特征分布；计算目标特征分
3、在该实现方式中，通过利用故障数据和故障类别对数据分析网络和类别分析网络进行训练，利用训练后的数据分析网络对待检测数据进行分析，利用训练后的类别分析网络对已知的预设故障类别进行分析，通过待检测数据与预设故障类别之间的目标距离确定与当前待检测数据最接近的故障类别。本申请不直接输出最接近的故障类别，而是将目标距离与距离阈值进行比对，区分已知故障和未知故障。因此，本申请的方法不仅能够识别已知故障类别，还能够识别出未知故障类别，提高故障检测的灵活性和准确信。
4、在一种可选的实施方式中，获取训练集包括：获取水轮机开集的多个历史故障类别；对于每个历史故障类别，采集多个历史故障数据；将每个历史故障数据与对应的历史故障类别作为一组数据，得到训练集。
5、在一种可选的实施方式中，初始数据分析网络包括初始共享骨干网络、初始第一分支网络和初始第二分支网络，将历史故障数据输入初始数据分析网络，得到历史故障数据的数据特征分布包括：将历史故障数据输入初始数据分析网络，利用初始共享骨干网络进行特征提取，得到历史故障特征数据；利用初始第一分支网络计算历史故障特征数据的均值，利用初始第二分支网络计算历史故障特征数据的方差，得到历史故障数据的数据特征分布。
6、在一种可选的实施方式中，初始类别分析网络为初始原型高斯分布网络，将历史故障类别输入初始类别分析网络，得到历史故障类别的类别特征分布包括：将历史故障类别输入初始原型高斯分布网络，计算历史故障类别的特征空间高斯分布，得到历史故障类别的类别特征分布。
7、在一种可选的实施方式中，基于数据特征分布和类别特征分布对初始数据分析网络和初始类别分析网络的参数进行调整，得到目标数据分析网络和目标类别分析网络包括：计算每个数据特征分布和多个类别特征分布之间的kl距离；基于kl距离构建分类损失函数，分类损失函数包括分类子损失函数、类内距离子损失函数和类间距离子损失函数，分类损失函数为：l＝lc+λ1lnd+λ2led；其中，l为分类损失函数，lc为分类子损失函数，lnd为类内距离子损失函数，led为类间距离子损失函数，λ1和λ2为子损失平衡系数；基于分类损失函数对初始数据分析网络和初始类别分析网络的参数进行调整，得到目标数据分析网络和目标类别分析网络。
8、在一种可选的实施方式中，基于kl距离构建分类损失函数包括：对kl距离使用softmax激活函数，并利用交叉熵计算分类损失函数，计算公式为：其中，为第i个数据特征分布与第s个类别特征分布之间的kl距离，yi为第i个历史故障类别，为历史故障数据的数据特征分布和对应的历史故障类别的类别特征分布之间的kl距离，γ为超参数。
9、在一种可选的实施方式中，类内距离子损失函数用于缩小历史故障数据的数据特征分布和对应的历史故障类别的类别特征分布之间的kl距离，基于kl距离构建分类损失函数包括：计算类内距离子损失函数的公式为：其中，yi为第i个历史故障类别，为历史故障数据的数据特征分布和对应的历史故障类别的类别特征分布之间的kl距离。
10、在一种可选的实施方式中，类间距离子损失函数用于扩大每个历史故障类别的类别特征分布之间的kl距离，基于kl距离构建分类损失函数包括：计算类间距离子损失函数的公式为：其中，ds,k为第s个类别特征分布与第k个类别特征分布之间的kl距离，m为预设的类别特征分布之间最小kl距离的超参数。
11、在该实现方式中，本申请构建共享骨干网络、两个分支网络和原型告诉分布网络，并利用分类子损失函数、类内距离子损失函数和类间距离子损失函数进行模型参数更新，三个子损失函数采用统一的距离度量，能够有效提高特征提取的鲁棒性，提高本申请开集故障检测的准确性。
12、在一种可选的实施方式中，计算目标特征分布和每个预设特征分布之间的目标距离之前还包括：获取交叉验证数据集；利用交叉验证数据集确定距离阈值，使得将交叉验证数据集预测为已知故障分类的准确率达到α％的边界值，其中，α为超参数。
13、在该实现方式中，本申请确保已知类分类准确率的边界值的基础上确定距离阈值，能够保证高已知类别分类性能的基础上，再执行未知故障识别，充分利用了现场的已知故障数据，提高故障分类准确性。
14、第二方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的水轮机开集故障诊断方法。
15、第三方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的水轮机开集故障诊断方法。
16、第四方面，本专利技术提供了一种计算机程序产品，包括计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的水轮机开集故障诊断方法。
本文档来自技高网...【技术保护点】
1.一种水轮机开集故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的水轮机开集故障诊断方法，其特征在于，所述获取训练集包括：
3.根据权利要求2所述的水轮机开集故障诊断方法，其特征在于，所述初始数据分析网络包括初始共享骨干网络、初始第一分支网络和初始第二分支网络，所述将所述历史故障数据输入初始数据分析网络，得到所述历史故障数据的数据特征分布包括：
4.根据权利要求3所述的水轮机开集故障诊断方法，其特征在于，所述初始类别分析网络为初始原型高斯分布网络，所述将所述历史故障类别输入初始类别分析网络，得到所述历史故障类别的类别特征分布包括：
5.根据权利要求4所述的水轮机开集故障诊断方法，其特征在于，所述基于所述数据特征分布和所述类别特征分布对所述初始数据分析网络和所述初始类别分析网络的参数进行调整，得到目标数据分析网络和目标类别分析网络包括：
6.根据权利要求5所述的水轮机开集故障诊断方法，其特征在于，所述基于所述KL距离构建分类损失函数包括：
7.根据权利要求5所述的水轮机开集故障诊断方法，其特征
8.根据权利要求5所述的水轮机开集故障诊断方法，其特征在于，所述类间距离子损失函数用于扩大每个所述历史故障类别的所述类别特征分布之间的KL距离，所述基于所述KL距离构建分类损失函数包括：
9.根据权利要求5所述的水轮机开集故障诊断方法，其特征在于，所述计算所述目标特征分布和每个所述预设特征分布之间的目标距离之前还包括：
10.一种计算机设备，其特征在于，包括：
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至9中任一项所述的水轮机开集故障诊断方法。
12.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令用于使计算机执行权利要求1至9中任一项所述的水轮机开集故障诊断方法。
...【技术特征摘要】
1.一种水轮机开集故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的水轮机开集故障诊断方法，其特征在于，所述获取训练集包括：
3.根据权利要求2所述的水轮机开集故障诊断方法，其特征在于，所述初始数据分析网络包括初始共享骨干网络、初始第一分支网络和初始第二分支网络，所述将所述历史故障数据输入初始数据分析网络，得到所述历史故障数据的数据特征分布包括：
4.根据权利要求3所述的水轮机开集故障诊断方法，其特征在于，所述初始类别分析网络为初始原型高斯分布网络，所述将所述历史故障类别输入初始类别分析网络，得到所述历史故障类别的类别特征分布包括：
5.根据权利要求4所述的水轮机开集故障诊断方法，其特征在于，所述基于所述数据特征分布和所述类别特征分布对所述初始数据分析网络和所述初始类别分析网络的参数进行调整，得到目标数据分析网络和目标类别分析网络包括：
6.根据权利要求5所述的水轮机开集故障诊断方法，其特征在于，所述基于所述kl距离构建分类损失函数包括：
7....
【专利技术属性】
技术研发人员：梅杰，王宇庭，金和平，刘洁，陈智迪，邝家月，陈鹏，李佳霖，任家朋，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。