陆任聪

广西电力职业技术学院 广西 南宁 530007

1 问题提出

2020年国家工信部报告,国家继续深入推进供给侧改革,从提高工业供给质量出发,用改革的办法推进结构调整,矫正要素配置扭曲,从根本上提高质量增加效益[1]。为了应对国家号召,国内工业制造业面临着巨大挑战,也逐渐开始从生产过程当中检验产品的质量问题,提升产品的整体质量,为企业在市场上具有更高的竞争力而推进改革。目前国内大多数企业在水电站设备故障检测方式还停留在人工检测阶段,虽然该方法实施性较好,技术门槛低,但仍旧存在效率低下、存在一定的主观性、检测准确率低、长期成本高和环境适应性差的问题[2]。

近年来,随着工业智能化的发展,机器视觉的技术逐渐在工业制造业中有了一定的应用基础,一些通过专家手工设计的特征与机器视觉技术相结合逐渐成为了工业产品质量检测的主要手段,我们将其称为传统的机器故障检测,其主要依赖人为设计的特征,利用阈值分割、边缘检测和各种滤波器等进行故障检测,速度快且实现简单。文献[3]基于HALCON的点胶质量检测系统设计,检测准确率达93.6%；何[4]等人提出了一种基于Otsu方法生成梯度,然后根据方差分布来确定故障类型的算法。本文提出的基于生成式对抗网络(GAN)的一种设备电气故障检测算法具有更高的检测精度以及更好的模型泛化性。

2 方法

2.1 训练

图1 水电站故障检测算法模型的构建与训练流程