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

摘要

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。