技术总结
本发明公开了一种基于LSTM深度学习模型的水电机组故障诊断方法与系统，该方法包含：获取水电机组的N个不同信号通道的采样序列，对每一个时间序列进行VMD分解得到K个IMF分量；构建相应的训练集和待诊断集；对每一个IMF分量的训练集构建LSTM模型，通过两层的LSTM层来对每一个IMF分量进行特征提取；同一个信号通道的K个LSTM层输出连接到一个Dense层；通过Softmax层对多个Dense层输出进行特征分类；通过RMSProp梯度下降算法对深度学习神经网络模型进行训练，将训练好的模型对待诊断集进行诊断。本发明将变分模态分解VMD相对较好的信噪分离效果与长短期记忆网络LSTM对时间序列的处理优势相结合，有效的提高了水电机组故障诊断的准确度。
技术研发人员：李超顺;王若恒;涂文奇;陈昊;陈新彪
受保护的技术使用者：华中科技大学
技术研发日：2017.12.28
技术公布日：2018.06.22