基于CNN-MD的军用电站健康状态评估方法

基于健康状态评估的军用电站预先维修对提高其可靠性、安全性有着重要意义,采用基于CNN-MD的评估方法,对军用电站健康状态进行评估.建立卷积神经网络(convolutional netural network,CNN)军用电站健康状态识别模型,通过采用不同的状态样本训练模型,可使模型识别和输出健康状态类别;再引入马氏距离(Mahlanobis dis-tance,MD)算法,计算不同状态下样本与健康样本的 MD距离,并将其归一化为健康指数,即可进一步量化军用电站健康评价结果.以某型军用电站人工模拟不同健康状态的工况获取实验数据,通过模型能对正常、退化和注意三种状态进行有效区分,并得到量化评价健康指数 0.6 为正常状态的临界阈值,0.6 以下为退化以下状态的具体量化评估值,验证了所方法的有效性.该方法通过CNN和 MD结合,可实现军用电站健康状态定性与定量评估目的,为开展预先维修提供依据.