资源描述：
《基于模糊K近邻支持向量数据描述的水电机组振动故障诊断研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、第34卷第32期中国电机工程学报Vol.34No.32Nov.15,201457882014年11月15日ProceedingsoftheCSEE©2014Chin.Soc.forElec.Eng.DOI：10.13334/j.0258-8013.pcsee.2014.32.013文章编号：0258-8013(2014)32-5788-08中图分类号：TM312；TP18基于模糊K近邻支持向量数据描述的水电机组振动故障诊断研究付文龙，周建中，李超顺，肖汉，肖剑，朱文龙(华中科技大学水电与数字化工程学院，湖北省武汉市4300
2、74)VibrantFaultDiagnosisforHydro-ElectricGeneratingUnitBasedonSupportVectorDataDescriptionImprovedWithFuzzyKNearestNeighborFUWenlong,ZHOUJianzhong,LIChaoshun,XIAOHan,XIAOJian,ZHUWenlong(SchoolofHydropowerandInformationEngineering,HuazhongUniversityofScienceandTech
3、nology,Wuhan430074,HubeiProvince,China)ABSTRACT:Thefaultsamplesofhydro-electricgenerating据描述(supportvectordatadescription，SVDD)的故障诊断模unithavealwaysbeenunevenlyorimbalanceddistributed,型。首先利用核变换将故障样本映射到高维特征空间，并采whichseriouslyaffectstheclassificationaccuracy.Inordert
4、o用SVDD提取不平衡故障样本域的边界支持向量样本，构overcomethisdisadvantage,anovelsupportvectordata建基于相对距离模糊阈值和KNN的决策规则，最终在此基description(SVDD)algorithmimprovedwithfuzzyKnearest础上建立机组故障诊断模型。用该模型对经过不平衡处理的neighbor(KNN)decisionwasproposed.Firstly,thesamples国际标准测试数据样本进行测试实验，并与支持向量机weremappedt
5、ohigh-dimensionalfeaturespacewithkernel(supportvectormachine，SVM)及目前应用较多的SVDD模transformation,andSVDDwasusedtoextractsupportvector型的分类结果进行对比，结果表明该模型可有效解决不平衡samples.Thendecisionrulesbasedonfuzzythresholdand样本分类倾斜性问题。最后，将模型用于某水电厂机组振动KNNweredeterminedandthenovelSVDDal
6、gorithmwasrealizedwiththenewrules.Inordertoassessthe故障诊断，取得了较高的诊断精度，证明了该方法的有效性。performanceofthenovelalgorithm,twopreviousSVDD关键词：支持向量数据描述(SVDD)；K近邻(KNN)；模糊modelsbasedondifferentdecisionsandsupportvector阈值；不平衡；故障诊断machine(SVM)wereappliedforthecomparisonwithimbalanc
7、eddatasetsfromUniversityofCaliforniaIrvine0引言(UCI)MachineLearningRepository.Theexperimental水电机组故障诊断实质上是一种模式识别问resultsshowthatthealgorithmproposedcanefficiently题，即通过已有故障样本建立诊断模型，并以此对improvetheaccuracyofclassificationforimbalancedandunevensamples.Atlast,thesuccessfu
8、lapplicationinthefault未知机组状态进行识别。目前，诊断分类方法主要diagnosisforhydro-electricgeneratingunitatteststhe[1][2][3]有：模糊推理、贝叶斯决策、神经网络和支持effectivenessoftheproposedmod
