一种结合数据精化的水电机组故障定位新方法
系统与控制
2024-05-31 v1 人工智能
机器学习
系统与控制
摘要
由于水电机组故障样本稀缺以及数据具有非线性和非光滑特性的复杂性，大多数传统水电机组故障定位方法难以进行精确定位。针对这些问题，提出了一种基于稀疏自编码器（SAE）-生成对抗网络（GAN）-小波降噪（WNR）-流形增强深度学习（SG-WMBDL）的水电机组故障定位方法。为了克服数据稀缺问题，在数据生成模块中将SAE嵌入GAN以生成更多高质量样本。考虑到信号涉及非线性和非光滑特性，在数据预处理模块中采用结合软硬阈值改进的WNR和局部线性嵌入（LLE）来降低噪声并有效捕获局部特征。此外，为了追求更高性能，提出了新型自适应增强（AdaBoost）与多深度学习相结合的方法以实现精确故障定位。实验结果表明，与其他前沿方法相比，SG-WMBDL能够在少量具有非线性和非光滑特性的故障样本下，以更高的精度和准确度定位水电机组故障，验证了所提方法的有效性和实用性。
引用
@article{arxiv.2405.19665,
title = {A novel fault localization with data refinement for hydroelectric units},
author = {Jialong Huang and Junlin Song and Penglong Lian and Mengjie Gan and Zhiheng Su and Benhao Wang and Wenji Zhu and Xiaomin Pu and Jianxiao Zou and Shicai Fan},
journal= {arXiv preprint arXiv:2405.19665},
year = {2024}
}
备注
6pages,4 figures,Conference on Decision and Control(CDC) conference