基于改进Transformer生成对抗网络的导叶故障声纹诊断方法研究  

作　　者：王鹏 王宇航 

机构地区：[1]国能大渡河流域水电开发有限公司龚嘴水力发电总厂,四川乐山614000

出　　处：《物联网技术》2025年第9期130-135,139,共7页Internet of things technologies

摘　　要：导叶在发生故障的情况下通常会有异响出现,当下与声纹技术相关的故障诊断技术具有高准确率、在线诊断和非接触性等优势,因而成为当前研究的重点。然而,需要注意的是,噪声对声纹信号造成的影响也不可忽视,这会导致系统模型处理问题的速度变慢。此外,导叶的故障数据获取难度较大。因此,在有噪声影响并且导叶数据是小样本的情况下完成导叶故障的快速准确诊断是研究的难点。针对这一问题,首先提取了导叶声信号的梅尔声谱图,然后将声谱图输入到改进Transformer生成对抗网络进行样本扩充,分类器采用高斯混合模型(GMM),这样能够缩短模型训练时间,提高机械故障辨识速度。相较于传统数据生成模型,文中所提方法效果更好,各项指标均有显著提高。

关 键 词：混流式水轮机 导叶声纹 小样本 改进Transformer生成对抗网络 高斯混合模型 梅尔声谱图 

分 类 号：TP277[自动化与计算机技术—检测技术与自动化装置]