基于负载信息增强融合网络的水轮机运行声音轻量化异常检测研究

作者及发表信息

本研究的核心团队来自湖南大学电气与信息工程学院（Xiong Xu、Jiazeng Deng、He Wen）、湖南师范大学工程与设计学院（Haijun Lin）及信息科学与工程学院（Zhongwen Li）。研究成果以《Lightweight Anomalous Detection of Hydro Turbine Operation Sound Using Fusion Network Enhanced by Load Information》为题，发表于IEEE Transactions on Instrumentation and Measurement期刊2025年第74卷，论文编号9600213，DOI为10.1109/TIM.2025.3533632。研究得到湖南省自然科学基金（2024JJ8248）和湘江新区先进半导体技术概念验证中心项目（GNYZ 2023101）的支持。

学术背景

研究领域与问题

水轮机作为水力发电的核心设备，其健康状态直接影响电站运行稳定性。传统健康监测主要依赖振动信号诊断技术（vibration-based diagnostic technologies），但存在高频信息丢失、传感器安装复杂等问题。而声学信号（acoustic signals）因具有非接触式采集、高频响应等优势，成为新兴研究方向。然而，水轮机负载变化会导致背景噪声波动，严重干扰异常声音检测的准确性。

研究目标

本研究提出轻量化信息增强融合网络（IEFNet），通过融合声学特征与负载信息，解决背景噪声干扰问题，实现每10秒一次的实时异常声音检测，为水轮机健康监测提供高精度、低计算复杂度的解决方案。

研究方法与流程

1. 数据采集系统

研究对象：260 MW弗朗西斯水轮机（Francis turbine），覆盖正常运行（稳定负载、负载变化）及五类故障状态（高压泄漏、局部泄漏、摩擦故障、尖锐故障、共振故障）。
- 声学信号：采用HY207自由场麦克风，采样率32 kHz，通过光纤同步采集卡传输。
- 负载信息：包括导叶开度、流量、转速等7类参数（表II），采样率0.1 Hz。
- 数据集：38,079个样本，通过高斯白噪声（SNR -4~3 dB）增强数据平衡性（表III）。

2. 声音张量计算

采用滤波器组（FBank）将原始声信号转换为80维梅尔频谱张量（公式1-7）：
1. 快速傅里叶变换（FFT）提取频域特征。
2. 梅尔频率转换（公式2）模拟人耳听觉特性。
3. 构建时间-频率矩阵（公式6），帧长300 ms，帧移100 ms，显著降低数据维度。

3. 特征提取模块

• 核心结构：4个二维残差块（ResBlock），卷积核尺寸3×3，通道数32。
  
• 创新点：通过频率轴步长2实现8倍下采样，强化局部频带特征捕捉能力，优于传统一维卷积对时序特征的单一关注。
  

4. 信息增强融合模块

• 负载信息处理：线性层优化7维负载特征（电压、功率等）。
  
• 融合机制：
  
  1. 将声学特征与负载信息拼接。
     
  2. 通过2个融合块（各含6个CBAM注意力模块）实现时空特征增强：
     
     • 频率注意力（公式10）：并行全局最大/平均池化+MLP，动态加权关键频段。
       
     • 时间注意力（公式11）：7×7卷积捕获时序依赖关系。
       
• 轻量化设计：融合负载信息减少对声学特征的依赖，参数量仅4.5 M，显著低于对比模型（如Cam++的7.2 M）。
  

5. 分类模块

• 时序统计池化（TSP）提取全局特征。
  
• 全连接层实现异常分类，支持10秒级实时检测。
  

主要实验结果

1. 五折交叉验证

• 整体性能：准确率97.47%，F1分数97.20%，精确率97.69%，召回率97.47%。
  
• 异常检测：故障检测率（FDR）达99.954%，误报率（FAR）仅0.0028%（表IV）。
  

2. 对比实验

IEFNet在多项指标上超越经典模型（表V）：
- 准确率较SVM（93.58%）、CNN（92.94%）、ResNet-34（88.7%）提升显著。
- 推理时间0.3221秒，兼顾效率与精度。

3. 消融实验（表VI）

• 去除注意力机制（Model-A）：准确率下降4.3%，FDR降低0.214%。
  
• 去除负载融合（Model-B）：FAR升至0.0392%，验证负载信息对抑制误报的关键作用。
  

研究结论与价值

科学价值

1. 方法创新：首次提出声学-负载多模态融合框架，通过CBAM注意力机制解决噪声时变问题。
   
2. 理论贡献：证明负载信息可有效表征背景噪声变化规律，为工业设备声学诊断提供新范式。
   

应用价值

• 工程实践：在湖南某水电站实测中实现10秒级在线监测，安装便捷且安全性高。
  
• 推广潜力：轻量化设计（4.5 M参数）适配资源受限的边缘计算场景。
  

研究亮点

1. 高精度轻量化模型：在参数量减少37.5%的情况下，FDR优于Cam++等主流模型。
   
2. 多模态融合创新：通过时空注意力机制实现声学与负载特征的动态加权融合。
   
3. 工业数据集验证：涵盖5类故障与复杂工况，增强方法鲁棒性。
   

未来工作可进一步优化模型对未知噪声的适应性，并探索振动-声学等多模态融合方案。