小波包分析及高斯混合模型在汽轮机振动故障诊断中的应用

《小波包分析及高斯混合模型在汽轮机振动故障诊断中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第3O卷第12期华电技术V01．3ONo．122008年12月HuadianTechnologyDec．2008·基础研究·小波包分析及高斯混合模型在汽轮机振动故障诊断中的应用ApplicationofwaveletpacketanalysisandGaussianMixtureModelinturbinevibrationfaultsdiagnosis罗绵辉，梁啸LUOMian—hui，LIANGXiao(1．华南理工大学电力学院，广东广州510640；2．华北水利水电学院动力工程系，河南郑州450011)(1．CollegeofElectricPower，SouthChinaUn

2、iversityofTechnology，Guangzhou510640，China；2．PowerEngineeringDepartment，NorthChinaInstituteofWaterConservancyandHydroelectricPower，Zhengzhou450011，China)摘要：提出一种利用高斯混合模型对汽轮机振动故障进行诊断的方法。原始的汽轮机振动故障信号用小波包进行分解重构滤波，提取振动信号特征量，然后用特征量来建立高斯混合模型。用每种故障状态的几组数据作训练数据，对每种故障状态建立一个识别元，识别元的参数用EM算法求解最大似然估计，最终将待识别故

3、障数据输入每个识别元，找到最大概率的识别元所对应的故障即为诊断的最后结果。关键词：高斯混合模型(GMM)；故障诊断；小波包分析；EM算法中图分类号：TP206．3：TK263文献标志码：A文章编号：1674—1951(2008)12—0021—03Abstract：AturbinevibrationfaultsdiagnosismethodbyusingGaussianMixtureModelswasproposed．Theoriginalturbinevibrationfaultssignalisdecomposedandreconstructedbywaveletpacketan

4、alysismethod，whichactasafil—ter．ThenthecharacterofthevibrationsignalispickedupandusedtosetuptheGMM．Foreachfaultsituation，takingitsseveralsetofthefaultdataastrainingdata，anidentifyingcellforthisfauhsituationiscreated．Themaxi—mumlikelihoodestimationofparameterofidentifyingcellissolvedwithEMalgori

5、thm．Atlast，theunidentifieddataisinputtoeveryidentifyingcell，andthemaximumprobabilitycellisfoundout，andthefaultofthiscellisthelastdiagnosisresult．Keywords：GaussianMixtureModel(GMM)；faultsdiagnosis；waveletpacketanalysis；EMalgorithm振动是汽轮机发电机组多种故障的主要表现征信号经小波包处理后，能提取出分析所需的频率波兆之一，振动信号包含丰富的汽轮机组故障特征，因段

6、进行下一步故障识别。此，对汽轮机组进行振动信号检测，并用故障诊断模高斯混合模型(GMM)应用于汽轮机故障诊断型去分析信号，以便能及时发现故障并快速识别出时，对不同故障类型的振动信号的特征矢量所具有故障类型，避免造成重大事故及减少经济损失，对汽的概率密度进行建模，通过对这些特征矢量进行聚轮机安全高效运行具有重大意义。类，把每种故障类型概率函数当作一个多维高斯分小波包分析能够将任何信号(平稳或非平稳)布函数，求出每一类的均值、协方差矩阵和出现的概分解成一个由小波伸缩而成的基函数族，信息量完率，将此作为每种故障类型振动信号的训练模式。整无缺，通过对信号在不同尺度上的分解与重构，能最后将待识

7、别的振动数据代人每种模式(每个识别得到原始信号在不同频段上分布的详细信息。振动元)，找到最大的后验概率，即对应某种故障类型。模式的参数(均值、协方差矩阵、混合权值)采用Expectation—Maximization(EM)算法进行迭代计算，收稿日期：2008—05—23·22·华电技术第3O卷‘求出各参数的最大似然估计。=∑口，(3)“1小波包分析=∑b。(4)小波包分析是在小波分析的基础上发展起来小波包的重构算法如下：的，包括小波包的分解与重构2部分。