基于ICEEMDAN-VMD与结合注意力机制的简单循环单元的水轮机故障诊断

基于水电机组振动信号存在的非平稳和非线性,提出一种结合二次分解和简单循环单元(SRU)与注意力结合(Attention)的方法。首先采用ICEEMDAN和VMD方法对振动信号进行二次分解,将信号分解成本征模态函数(IMF);随后,引入基于SRU的深度学习模型,将提取得到的IMF信号输入到SRU中进行学习得到水电机组故障识别器。为了进一步提升模型的性能,在SRU中加入了注意力机制,使模型能够动态地关注不同IMF的重要信息。结合故障识别器和实时振动信号特征,即可识别水电机组运行状态为:正常、预警或故障类型;最后,为验证该方法的有效性,通过对比试验,结合实际电站机组样本数据,验证了所提方法在挖掘信号特征方面的可行性和优越性。