基于宽度卷积神经网络的水轮机空化状态识别方法

来源：动力工程学报杂志2025年第7期北京时间：

作者：刘忠, 郑佳稳, 邹淑云, 乔帅程, 谢文婷,

摘要：针对难以有效提取水轮机声发射(AE)信号故障特征,以及在训练过程中信号频谱故障分类不精确且耗时长的问题,建立了一种宽度卷积神经网络(BCNN)的水轮机空化状态识别方法。采用卷积神经网络(CNN)的卷积层和池化层代替宽度学习(BLS)的线性映射特征层,将得到的CNN特征节点作为增强层的输入,通过训练网络参数建立BCNN模型。利用BCNN模型对不同工况下的水轮机空化AE信号进行分类训练和测试。结果表明:所建立的BCNN模型能对水轮机4种空化状态进行准确快速的分类识别,其平均识别准确率达99.37%,平均耗时为44.16 s。

关键词：水轮机,空化,声发射,宽度学习系统,卷积神经网络,状态识别,