一种基于混沌开普勒优化算法的水电机组故障诊断方法

本发明公开了一种基于混沌开普勒优化算法的水电机组故障诊断方法，属于水电机组故障诊断技术领域。引入Tent混沌函数替换开普勒优化算法(KOA)的初始种群，通过提高种群的均匀性和不确定性，加快KOA算法的收敛速度，提高全局搜索能力。采用改进后的开普勒优化算法对BiLSTM的超参数进行寻优，并建立水电机组的BiLSTM预测模型CKOA‑BiLSTM，提高现有模型的鲁棒性和泛化能力，使其适合处理水电机组的复杂非线性故障信号。所述模型在复杂故障类型的识别上展现了最优的诊断效果，该研究能作为现有水电机组状态监测和故障诊断系统的有益补充。