技術(shù)特征：

1.一種抽水蓄能機(jī)組水車室異常聲音檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的抽水蓄能機(jī)組水車室異常聲音檢測方法，其特征在于，利用梅爾頻譜算法將所述一維故障聲學(xué)信號(hào)，轉(zhuǎn)換為二維梅爾語譜圖，包括：

3.根據(jù)權(quán)利要求1所述的抽水蓄能機(jī)組水車室異常聲音檢測方法，其特征在于，利用自注意力機(jī)制與所述梅爾語譜圖進(jìn)行交互，捕捉不同工況下的故障信息，提取梅爾語譜圖的圖像特征，包括：

4.根據(jù)權(quán)利要求3所述的抽水蓄能機(jī)組水車室異常聲音檢測方法，其特征在于，在得到梅爾語譜圖的圖像特征之后，還包括，對(duì)梅爾語譜圖的圖像特征進(jìn)行線性變換，應(yīng)用分類函數(shù)將梅爾語譜圖的圖像特征映射到分類空間中，利用領(lǐng)域提示學(xué)習(xí)模塊dpl在每個(gè)源域中引入提示向量，并與所述補(bǔ)丁嵌入向量結(jié)合，捕捉領(lǐng)域故障特征知識(shí)；

5.根據(jù)權(quán)利要求3所述的抽水蓄能機(jī)組水車室異常聲音檢測方法，其特征在于，所述改進(jìn)后的vit模型的訓(xùn)練方法包括：

6.根據(jù)權(quán)利要求5所述的抽水蓄能機(jī)組水車室異常聲音檢測方法，其特征在于，基于領(lǐng)域提示學(xué)習(xí)損失、適配器權(quán)重學(xué)習(xí)損失和適配器適應(yīng)性學(xué)習(xí)損失構(gòu)建損失函數(shù)，訓(xùn)練改進(jìn)后的vit模型。

7.根據(jù)權(quán)利要求6所述的抽水蓄能機(jī)組水車室異常聲音檢測方法，其特征在于，所述損失函數(shù)表示為：

8.一種抽水蓄能機(jī)組水車室異常聲音檢測系統(tǒng)，其特征在于，包括：

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1-7中任一所述的抽水蓄能機(jī)組水車室異常聲音檢測方法。

10.一種計(jì)算機(jī)設(shè)備，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開一種抽水蓄能機(jī)組水車室異常聲音檢測方法、系統(tǒng)、介質(zhì)及設(shè)備，屬于設(shè)備監(jiān)測技術(shù)領(lǐng)域，方法包括獲取抽水蓄能機(jī)組運(yùn)行時(shí)的故障聲學(xué)信號(hào)，利用梅爾頻譜算法轉(zhuǎn)換為梅爾語譜圖；引入領(lǐng)域提示學(xué)習(xí)模塊和提示適配模塊改進(jìn)ViT模型；將梅爾語譜圖輸入改進(jìn)后的ViT模型，包括利用自注意力機(jī)制與所述梅爾語譜圖進(jìn)行交互，提取梅爾語譜圖的圖像特征；基于領(lǐng)域提示學(xué)習(xí)模塊和提示適配模塊，根據(jù)源域與目標(biāo)域之間的特征相似性，將源域的數(shù)據(jù)特征和所述梅爾語譜圖的圖像特征進(jìn)行對(duì)齊，并對(duì)未知域的故障信息進(jìn)行預(yù)測，輸出預(yù)測結(jié)果。本發(fā)明解決了現(xiàn)有技術(shù)中因工況變化頻繁、故障聲學(xué)信號(hào)樣本稀缺和數(shù)據(jù)不平衡導(dǎo)致的檢測精度和適應(yīng)性受限的問題。

技術(shù)研發(fā)人員：戴鴻清,王鴻騰,張志兵,湯明春,許顏賀,童云鵬,楊程,何騰,章仁懷,陳貽凱,孫波,劉陽
受保護(hù)的技術(shù)使用者：華電福新周寧抽水蓄能有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15