基于连续小波变换和卷积神经网络的尾水管涡带状态识别

• 作者: 洪礼聪 王卫玉 陈启卷
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 尾水管涡带 状态识别 小波系数云图 连续小波变换 卷积神经网络
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 发电技术
• 页码范围: 1-6
• 页数: 6页
• 分类号: TK730
• 字数: 4116字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2018.005.001

摘要

混流式水轮机尾水管压力脉动是影响水电机组稳定性的重要因素,监测和识别尾水管涡带状态对于保障水电机组的安全稳定运行十分必要.为此,采用能有效表征信号时频域特性的小波系数云图作为特征图像,并结合卷积神经网络对图像拓扑结构的良好适应性,将图像智能识别技术引入尾水管涡带状态识别领域,提出了基于连续小波变换与卷积神经网络的尾水管涡带状态识别方法,实现了时频图纹理特征的自动提取,避免了人工辨识并简化了特征预处理程序,能迅速准确识别尾水管涡带状态.根据某水电站单机容量200 MW的混流式机组变负荷试验数据对该方法进行实例验证,结果证明了其有效性.