基于多传感器信息融合与混合感受野残差卷积神经网络的调相机转子故障诊断

Fault diagnosis of? synchronous condenser rotor based on Multi-sensor Information Fusion and Mixed Receptive Field Residual Convolutional Neural NetworkQian Baiyun1 Li Zhentao2 Zhang Weining3 Lin Xiang1 Zhu xiaoxun2* Dong Lijiang4 Wu Yuhua1 Wang ludong1

摘要:

大型调相机是电网对无功调节的关键设备之一，预防调相机因转子故障而产生的安全事故极为重要。为了有效利用设备实际监测过程中多源传感器同步采集的海量数据，并考虑传统CNN模型的特征学习能力差、感受野尺度单一等缺点，提出了一种基于SDP-MRFRCNN的调相机转子故障诊断方法。首先通过对称点模式(Symmetrized dot pattern，SDP)将调相机多个传感器的振动信号进行信息融合，获取融合多源振动信息的图像，然后构建混合感受野残差卷积神经网络(Mixed receptive field residual CNN,MRFRCNN)进行学习，实现调相机转子状态识别。实验结果表明，该方法增强了不同状态特征间的辨别度，具有更高识别精度，平均准确率达到了99.33%。

关键词:调相机;转子振动;多传感器融合;卷积神经网络;多感受野;残差结构

Abstract:

Key words:调相机;转子振动;多传感器融合;卷积神经网络;多感受野;残差结构