基于格拉姆角场与ICOA-PCNN-MSA-SVM的水电机组故障诊断方法

本发明公开了一种基于格拉姆角场与ICOA‑PCNN‑MSA‑SVM的水电机组故障诊断方法，属于振动信号处理领域。分别采集水电机组声信号；使用格拉姆角场将声信号的时间序列转换成二维图像，作为信号的特征集；构建由两个卷积神经网络并联的双支路模型，所述卷积神经网络由依次连接的输入层、卷积层、池化层、全连接层以及输出层构成，其中输出层采用多头自注意力机制、支持向量机替代现有的Softmax层，并使用改进后的长鼻浣熊优化算法对卷积神经网络超参数寻优。引入多头自注意力机制和支持向量机对双支路模型进行二次改进。实验结果表明，该方法的准确率达到了100％，能够作为对当前水电机组故障检测技术的有益补充。