买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华北电力大学(保定)

摘要：本发明属于发电机故障诊断技术领域，公开一种发电机定子匝间短路故障诊断方法、装置及系统和介质，所述方法以下步骤：S1：理论分析，确定用电流信号和振动信号进行定子匝间短路故障的诊断；S2：制作定子相电流信号、定子振动信号的真实数据集；S3：对真实数据集中样本不足的数据类型进行扩充；S4：将扩充好的数据集输入诊断模型进行故障诊断。在生成高质量数据扩充样本的基础上，使用双路小波方法提取多类传感器的数据后再进行特征的融合和故障诊断，实现定子匝间短路故障的有效诊断。

主权项：1.一种发电机定子匝间短路故障诊断方法，其特征在于，所述方法包括：构建真实数据集，所述真实数据集包括发电机不同运行状态下的电流信号和振动信号，所述发电机不同运行状态包括发电机正常运行状态、程度2%的定子匝间短路故障运行状态、程度4%的定子匝间短路故障运行状态、程度3%的发电机气隙偏心故障运行状态和程度6%的发电机气隙偏心故障运行状态；对所述真实数据集进行数据扩充；构建诊断模型，所述诊断模型包括双路小波卷积特征提取模块、多传感器数据特征融合模块以及故障识别模块，所述诊断模型响应于输入的电流信号和振动信号，通过所述双路小波卷积特征提取模块提取出第一电流特征、第二电流特征以及第一振动特征和第二振动特征，并将所述第一电流特征、第二电流特征进行融合得到电流特征，将所述第一振动特征和第二振动特征进行融合得到振动特征，所述电流特征和振动特征被馈送至所述多传感器数据特征融合模块中进行特征融合以得到融合特征，所述故障识别模块以所述融合特征作为输入，并根据输入的融合特征判断发电机运行状态，基于扩充后的真实数据集，对所述诊断模型进行训练，得到训练后的诊断模型，基于所述训练后的诊断模型实现发电机定子匝间短路故障诊断；在构建真实数据集之前，所述方法还包括：确定定子匝间短路故障时的电流信号和振动信号的变化特征，基于所述定子匝间短路故障时的电流信号和振动信号的变化特征对真实数据集进行校定；确定定子匝间短路故障时的电流信号和振动信号的变化特征，具体包括：根据如下公式确定发电机气隙磁通密度、相电流以及定子绕组所受单位面积电磁力： ；式中，、、分别为发电机气隙磁通密度、气隙磁势、气隙磁导；为气隙周向角度；t为时间；为相电流；a为并联绕组支路数；为次谐波的绕组因数；L为定子绕组有效长度；p为极对数；q为每极每相槽数；Nc为单个线圈的匝数；为转速；R为正常绕组电阻；Rs为绕组电阻；为定子绕组所受单位面积电磁力；为空气磁导率；在定子匝间短路故障时，电流信号产生三次谐波，电流信号的幅值随着短路匝数的增加而增大，振动信号的幅值随着短路匝数的增加而增大；对所述真实数据集进行数据扩充，具体包括：构建生成模型，所述生成模型包括生成器和判别器；所述生成器响应于输入的随机噪声，经过全连接层、连续多层的反卷积模块、归一化以及Tanh激活，将所述随机噪声映射到一个特征空间内，得到生成样本，所述生成样本为与所述真实数据集中包括的真实样本大小一致的向量；所述判别器以所述生成样本作为输入，分别经过一维卷积提取特征、激活函数激活以及连续多层的卷积神经网络，得到生成样本的分布特征，并根据生成样本的分布特征与真实样本的分布特征之间的距离来确定所述生成样本的真实性；利用所述真实数据集训练所述生成模型，并基于训练后的生成模型输出生成样本，将所述生成样本添加至所述真实数据集中以扩充所述真实数据集；利用所述真实数据集训练所述生成模型，具体包括：将真实样本输入至所述判别器中，获取真实样本判断结果，并计算真实数据的损失函数，输入随机噪声至所述生成器中，将得到的生成样本馈送至所述判别器，获取生成样本的损失函数，并计算梯度惩罚相以及判别器总损失函数，经过反向传播梯度，更新判别器参数；通过如下公式计算梯度惩罚相以及判别器总损失函数： ；式中，GP为梯度惩罚相；K为设定常数；G表示生成器，D表示判别器，x表示真实数据，E表示数学期望；，表示0到1的均匀分布，表示生成数据；为P范数；表示沿采样点和之间的直线均匀采样；为梯度算子；表示梯度惩罚因子；表示WDCGAN-GP的目标函数，表示判别器对生成样本进行判别后的输出，Dx表示判别器对真实的样本进行判别后的输出，表示生成器输出的生成数据。

全文数据：

权利要求：

百度查询： 华北电力大学(保定) 发电机定子匝间短路故障诊断方法、装置及系统和介质