[发明专利]一种基于LSTM深度学习模型的水电机组故障诊断方法与系统有效
| 申请号： | 201711463863.2 | 申请日： | 2017-12-28 |
| 公开（公告）号： | CN108197648B | 公开（公告）日： | 2020-06-05 |
| 发明（设计）人： | 李超顺;王若恒;涂文奇;陈昊;陈新彪 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G01R31/34 |
| 代理公司： | 深圳市六加知识产权代理有限公司 44372 | 代理人： | 严泉玉 |
| 地址： | 430070 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于LSTM深度学习模型的水电机组故障诊断方法与系统，该方法包含：获取水电机组的N个不同信号通道的采样序列，对每一个时间序列进行VMD分解得到K个IMF分量；构建相应的训练集和待诊断集；对每一个IMF分量的训练集构建LSTM模型，通过两层的LSTM层来对每一个IMF分量进行特征提取；同一个信号通道的K个LSTM层输出连接到一个Dense层；通过Softmax层对多个Dense层输出进行特征分类；通过RMSProp梯度下降算法对深度学习神经网络模型进行训练，将训练好的模型对待诊断集进行诊断。本发明将变分模态分解VMD相对较好的信噪分离效果与长短期记忆网络LSTM对时间序列的处理优势相结合，有效的提高了水电机组故障诊断的准确度。 | ||
| 搜索关键词： | 一种 基于 lstm 深度 学习 模型 水电 机组 故障诊断 方法 系统 | ||
【主权项】：
1.一种基于LSTM深度学习模型的水电机组故障诊断方法，其特征在于，方法包括：获取水电机组的N个不同信号通道的采样序列，对每一个时间序列进行变分模态分解，得到K个IMF分量；对每一个IMF分量进行归一化处理，并构建相应的训练集和待诊断集；对每一个IMF分量的训练集构建长短期记忆网络模型，通过至少两层的LSTM层来对每一个本征模态函数进行特征提取；同一个信号通道的K个LSTM层输出连接到一个Dense层，再将N个信号通道的Dense层输出连接到Softmax层来进行分类，并通过交叉熵损失函数与故障标签得到误差来用于训练；通过RMSProp梯度下降算法对深度学习神经网络模型进行训练，将训练好的模型对待诊断集进行诊断，得到最终的诊断结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华中科技大学，未经华中科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711463863.2/，转载请声明来源钻瓜专利网。
