本申請涉及聲紋信號(hào)處理領(lǐng)域，特別是涉及一種水電機(jī)組工作狀態(tài)確定方法、設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、在水電站內(nèi)，圍繞水電機(jī)組存在許多潛在的振動(dòng)來源，涵蓋了旋轉(zhuǎn)機(jī)械的振動(dòng)、流體動(dòng)力的沖擊以及電磁作用等。由這些激振源產(chǎn)生的聲紋信號(hào)相互重疊，使得通過聲學(xué)監(jiān)測手段來直接識(shí)別機(jī)組的內(nèi)部狀況變得異常困難。特別是獲取像轉(zhuǎn)速、水壓這樣的內(nèi)部狀態(tài)關(guān)鍵參數(shù)更是充滿挑戰(zhàn)，這給準(zhǔn)確評估機(jī)組健康水平帶來了明顯的困難?，F(xiàn)場的技術(shù)人員雖然格外注意那些可能對機(jī)組安全造成影響的、以發(fā)出特定聲音形式出現(xiàn)的流體動(dòng)態(tài)現(xiàn)象，比如卡門渦街效應(yīng)、尾水管內(nèi)的渦流和氣蝕現(xiàn)象，但是受技術(shù)人員能力以及外界條件的干擾，并不能實(shí)現(xiàn)異常聲音的精確聽取，進(jìn)而導(dǎo)致不能準(zhǔn)確評判水電機(jī)組的工作狀態(tài)(即運(yùn)行情況)和內(nèi)部流動(dòng)屬性。

技術(shù)實(shí)現(xiàn)思路

1、本申請的目的是提供一種水電機(jī)組工作狀態(tài)確定方法、設(shè)備、介質(zhì)及產(chǎn)品，能夠準(zhǔn)確評判水電機(jī)組的運(yùn)行情況和內(nèi)部流動(dòng)屬性。

2、為實(shí)現(xiàn)上述目的，本申請?zhí)峁┝巳缦路桨福?/p>

3、第一方面，本申請?zhí)峁┝艘环N水電機(jī)組工作狀態(tài)確定方法，包括：

4、獲取水電機(jī)組的聲紋信號(hào)，并基于所述聲紋信號(hào)生成多元信號(hào)；

5、采用非均勻采樣的多元經(jīng)驗(yàn)?zāi)B(tài)分解方法對所述多元信號(hào)進(jìn)行分解，得到多個(gè)平穩(wěn)分量；

6、確定所述平穩(wěn)分量的對數(shù)能量，并將所述對數(shù)能量作為特征參數(shù)，生成特征值向量；

7、構(gòu)建集成bagging分類器，采用訓(xùn)練集和測試集訓(xùn)練并測試所述集成bagging分類器，直至滿足設(shè)定條件時(shí)，將訓(xùn)練好的集成bagging分類器作為聲紋信號(hào)解析模型；所述訓(xùn)練集和所述測試集均采用水電機(jī)組不同工況狀態(tài)下的聲紋信號(hào)構(gòu)建得到；

8、將所述特征值向量輸入所述聲紋信號(hào)解析模型，得到聲紋信號(hào)解析結(jié)果；

9、基于所述聲紋信號(hào)解析結(jié)果確定水電機(jī)組的工作狀態(tài)；所述工作狀態(tài)包括健康運(yùn)行狀態(tài)和故障狀態(tài)。

10、可選地，采用非均勻采樣的多元經(jīng)驗(yàn)?zāi)B(tài)分解方法對所述多元信號(hào)進(jìn)行分解，得到多個(gè)平穩(wěn)分量，包括：

11、對所述多元信號(hào)進(jìn)行協(xié)方差分解得到特征向量矩陣和特征值矩陣；

12、基于所述特征值矩陣構(gòu)建均勻采樣球體，并采用hammerseley序列對所述均勻采樣球體進(jìn)行均勻采樣，得到均勻樣本；

13、確定所述hammerseley序列在所述均勻采樣球體上投影的方位角和傾角；

14、基于所述方位角、所述傾角和所述特征值矩陣構(gòu)建旋轉(zhuǎn)橢球體；

15、確定所述特征向量矩陣在所述旋轉(zhuǎn)橢球體上的非均勻投影，得到非均勻樣本；

16、基于所述均勻樣本和所述非均勻樣本，采用多元經(jīng)驗(yàn)?zāi)B(tài)分解方法進(jìn)行局部均值估計(jì)，得到n個(gè)平穩(wěn)分量ci(t)，i＝1，2，3，……，n；t表示信號(hào)的第t個(gè)點(diǎn)。

17、可選地，所述旋轉(zhuǎn)橢球體表示為：

18、

19、式中，表示旋轉(zhuǎn)橢球體，φh表示方位角，θh表示傾角，λ1,λ2,λ3均為特征值矩陣的特征值，且λ1＞λ2＞λ3。

20、可選地，所述特征向量矩陣在所述旋轉(zhuǎn)橢球體上的非均勻投影表示為：

21、

22、式中，表示非均勻投影，表示旋轉(zhuǎn)橢球體，v表示特征向量矩陣。

23、可選地，確定所述平穩(wěn)分量的對數(shù)能量，包括：

24、對所述平穩(wěn)分量進(jìn)行對數(shù)能量計(jì)算，得到中間總能量；

25、基于所述中間總能量得到所述平穩(wěn)分量的對數(shù)能量。

26、可選地，對n個(gè)平穩(wěn)分量分別進(jìn)行對數(shù)能量計(jì)算，得到該分量的能量，包括：

27、假設(shè)第i個(gè)平穩(wěn)分量ci(t)共有n個(gè)數(shù)據(jù)點(diǎn)，即t＝1,2,3,……,n；對于t＝2,……,n-1，采用公式y(tǒng)t＝y(tǒng)t-1+((ci(t)^2)-ci(t-1)*ci(t+1))對每一平穩(wěn)分量的中間能量進(jìn)行迭代求解，分別得到每個(gè)分量的能量；其中，yt表示第t個(gè)點(diǎn)的對數(shù)能量，yt-1表示第t-1個(gè)點(diǎn)的對數(shù)能量，ci(t-1)表示第i個(gè)平穩(wěn)分量的第t-1個(gè)點(diǎn)，ci(t+1)表示第i個(gè)平穩(wěn)分量的第t+1個(gè)點(diǎn)，y1＝0。

28、可選地，構(gòu)建集成bagging分類器，采用訓(xùn)練集和測試集訓(xùn)練并測試所述集成bagging分類器，直至滿足設(shè)定條件時(shí)，將訓(xùn)練好的集成bagging分類器作為聲紋信號(hào)解析模型，包括：

29、采用bagging算法通過重采樣技術(shù)得到多個(gè)單一分類回歸樹的基分類器；

30、采用所述訓(xùn)練集分別對每一單一分類回歸樹的基分類器進(jìn)行迭代訓(xùn)練，直至滿足設(shè)定迭代次數(shù)后，得到訓(xùn)練后的單一分類回歸樹的基分類器；

31、通過多數(shù)投票的方式集成所有訓(xùn)練后的單一分類回歸樹的基分類器，得到訓(xùn)練好的集成bagging分類器；

32、采用測試集測試訓(xùn)練好的集成bagging分類器是否滿足所述設(shè)定條件；

33、當(dāng)所述訓(xùn)練好的集成bagging分類器不滿足所述設(shè)定條件時(shí)，調(diào)整采樣方式，并返回執(zhí)行采用bagging算法通過重采樣技術(shù)得到多個(gè)單一分類回歸樹的基分類器；

34、當(dāng)所述訓(xùn)練好的集成bagging分類器滿足所述設(shè)定條件時(shí)，將訓(xùn)練好的集成bagging分類器作為所述聲紋信號(hào)解析模型。

35、第二方面，本申請?zhí)峁┝艘环N計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述提供的水電機(jī)組工作狀態(tài)確定方法的步驟。

36、第三方面，本申請?zhí)峁┝艘环N計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述提供的水電機(jī)組工作狀態(tài)確定方法的步驟。

37、第四方面，本申請?zhí)峁┝艘环N計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述提供的水電機(jī)組工作狀態(tài)確定方法的步驟。

38、根據(jù)本申請?zhí)峁┑木唧w實(shí)施例，本申請公開了以下技術(shù)效果：

39、本申請?zhí)峁┝艘环N水電機(jī)組工作狀態(tài)確定方法、設(shè)備、介質(zhì)及產(chǎn)品，通過采用非均勻采樣的多元經(jīng)驗(yàn)?zāi)B(tài)分解方法對多元信號(hào)進(jìn)行分解，能夠有效地展現(xiàn)聲紋信號(hào)在多個(gè)頻率范圍的能量分布模式，便于提取得到具有更好規(guī)律性的聲紋信號(hào)，進(jìn)而為精準(zhǔn)地獲取異常聲紋信號(hào)奠定了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。本申請通過采用訓(xùn)練好的集成bagging分類器作為聲紋信號(hào)解析模型，得到聲紋信號(hào)解析結(jié)果，實(shí)現(xiàn)了聲音特征的高識(shí)別提取，能夠精確確定水電機(jī)組的工作狀態(tài)，進(jìn)而實(shí)現(xiàn)了水電機(jī)組的運(yùn)行情況和內(nèi)部流動(dòng)屬性的準(zhǔn)確評判。

技術(shù)特征：

1.一種水電機(jī)組工作狀態(tài)確定方法，其特征在于，所述水電機(jī)組工作狀態(tài)確定方法包括：

2.根據(jù)權(quán)利要求1所述的水電機(jī)組工作狀態(tài)確定方法，其特征在于，采用非均勻采樣的多元經(jīng)驗(yàn)?zāi)B(tài)分解方法對所述多元信號(hào)進(jìn)行分解，得到多個(gè)平穩(wěn)分量，包括：

3.根據(jù)權(quán)利要求2所述的水電機(jī)組工作狀態(tài)確定方法，其特征在于，所述旋轉(zhuǎn)橢球體表示為：

4.根據(jù)權(quán)利要求2所述的水電機(jī)組工作狀態(tài)確定方法，其特征在于，所述特征向量矩陣在所述旋轉(zhuǎn)橢球體上的非均勻投影表示為：

5.根據(jù)權(quán)利要求1所述的水電機(jī)組工作狀態(tài)確定方法，其特征在于，確定所述平穩(wěn)分量的對數(shù)能量，包括：

6.根據(jù)權(quán)利要求5所述的水電機(jī)組工作狀態(tài)確定方法，其特征在于，對n個(gè)平穩(wěn)分量分別進(jìn)行對數(shù)能量計(jì)算，得到該分量的能量，包括：

7.根據(jù)權(quán)利要求1所述的水電機(jī)組工作狀態(tài)確定方法，其特征在于，構(gòu)建集成bagging分類器，采用訓(xùn)練集和測試集訓(xùn)練并測試所述集成bagging分類器，直至滿足設(shè)定條件時(shí)，將訓(xùn)練好的集成bagging分類器作為聲紋信號(hào)解析模型，包括：

8.一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的水電機(jī)組工作狀態(tài)確定方法。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的水電機(jī)組工作狀態(tài)確定方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的水電機(jī)組工作狀態(tài)確定方法。

技術(shù)總結(jié)
本申請公開了一種水電機(jī)組工作狀態(tài)確定方法、設(shè)備、介質(zhì)及產(chǎn)品，涉及聲紋信號(hào)處理領(lǐng)域，該方法包括基于獲取的聲紋信號(hào)生成多元信號(hào)；采用非均勻采樣的多元經(jīng)驗(yàn)?zāi)B(tài)分解方法對多元信號(hào)進(jìn)行分解，得到多個(gè)平穩(wěn)分量；對平穩(wěn)分量進(jìn)行對數(shù)能量計(jì)算得到對數(shù)能量；將對數(shù)能量作為特征參數(shù)，生成特征值向量；構(gòu)建集成Bagging分類器，采用訓(xùn)練集和測試集訓(xùn)練并測試集成Bagging分類器，直至滿足設(shè)定條件時(shí)，將訓(xùn)練好的集成Bagging分類器作為聲紋信號(hào)解析模型；將特征值向量輸入聲紋信號(hào)解析模型，得到聲紋信號(hào)解析結(jié)果；基于聲紋信號(hào)解析結(jié)果確定水電機(jī)組的工作狀態(tài)。本申請能夠準(zhǔn)確評判水電機(jī)組的運(yùn)行情況和內(nèi)部流動(dòng)屬性。

技術(shù)研發(fā)人員：安學(xué)利,薛起耀,潘羅平,劉杰,李江鋒,崔子建,吳挺瑋,劉淇元
受保護(hù)的技術(shù)使用者：中國水利水電科學(xué)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10