针对基于单一传感器的水电机组故障诊断模型易导致有效信息的遗漏不利于机组状态的准确识别问题,提出了一种基于STFT-SE-CNN多通道特征融合的水电机组故障诊断模型。即首先将多个传感器数据通过短时傅里叶变换转换(STFT)为二维时频特征图,再利用卷积神经网络(CNN)提取不同通道的深度故障特征;然后通过SE注意力机制对特征进行加权的方式进行多通道特征融合,并将融合后的特征展平输入分类器获得故障诊断的结果;最后在帕德博恩轴承数据集和工业实际数据集上进行试验验证。结果表明,所提模型相比于其他模型具有更高的诊断精度,在实际的水电机组故障诊断中具有辅助判断的作用。
