摘要
一种基于CNN‑LSTM混合网络的小型压水堆故障诊断方法,先采集正常工况下压水堆控制系统中的传感器信号,并根据各种典型故障的特征分别于不同位置引入相应的故障,采集不同工况下相应的传感器信号;进行离散采样处理作为训练集和测试集;采用信号‑图像的转换方法对故障训练集进行预处理,将得到的图像数据输入至CNN‑LSTM诊断模型并进行训练,然后基于测试集数据对模型的诊断准确率和鲁棒性进行验证;之后对诊断模型中的参数不断进行调整,从而得到最优诊断模型;本发明将提取图像特征的CNN网络和提取时序数据故障特征的LSTM相结合的技术手段,解决了传统故障诊断方法在诊断效率、精度和效果等方面的不足;本发明还包括了实现该方法的系统、设备和存储介质。
技术关键词
小型压水堆
故障诊断方法
混合网络
多维时序数据
故障诊断模型
图像
Softmax函数
分布式特征
特征值
给水阀门
归一化方法
可读存储介质
训练集数据
保留特征
故障工况
鲁棒性
系统为您推荐了相关专利信息
双通道特征融合
故障诊断方法
风电轴承
空洞卷积神经网络
多尺度局部特征
电流源逆变器
短路故障诊断方法
同步电机系统
二极管
驱动永磁
抽油机电机
电机运行状态
故障诊断方法
网络拓扑技术
故障预测模型
故障诊断系统
直线电机
光纤磁场传感器
退磁故障
气隙
故障排除设备
实时日志
设备管理平台
设备故障智能诊断方法
历史故障数据