基于DPSO优化支持向量机的水轮机组振动故障诊断.pdf

《基于DPSO优化支持向量机的水轮机组振动故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、172西安理工大学学报JournalofXi’anUniversityofTechnology(2013)Vo1．29No．2文章编号：1006-4710(2013)02-0172-04基于DPSO优化支持向量机的水轮机组振动故障诊断张欣伟，陈文献，张锋利。(1．西安理工大学水利水电学院，陕西西安710048；2．安康供电局，陕西安康725000；3．陕西地方电力设计有限公司，陕西西安710075)摘要：针对PSO算法在寻找支持向量机最优参数的后期容易陷入局部最佳，影响支持向量机在水轮机振动故障诊断中的正确率这一问题，选用动态粒子群算法(DPSO)来优化

2、支持向量机，将水轮机组的故障特征向量输入优化后的支持向量机进行故障类型诊断。仿真结果表明，DPSO优化的支持向量机有较好的分类识别准确率和较高的诊断精度，可以寻找到全局最优解。关键词：水轮机；振动故障诊断；动态粒子群算法；支持向量机中图分类号：TK73．8文献标志码：AHydraulicGeneratingVibrationFaultsDiagnosisbySupportVectorMachineBasedonParticleSwarmOptimizationZHANGXinwei，CHENWenxian，ZHANGFengli(1．FacultyofW

3、aterResourcesandHydroelectricEngineering，Xi’anUniversityofTechnology，Xi’an710048，China；2．AnkangPowerSupplyBureau，Ankang725000，China；3．ShaanxiRegionalElectricPowerDesignCo．LTD，Xi’an710075，China)Abstract：AccordingtothebasicPSOalgorithm，searchingforoptimumparametersofsupportvectorma

4、—chineinthelatestageiseasytofallintolocaloptimum，andfurtheraffectssupportvectormachineinhy—draulicturbinevibrationfaultdiagnosiscorrectrate．Withanaimatthisproblem，thedynamicparticleswarmalgorithm(DPSO)isselectedtooptimizethesupportvectormachine．Thehydraulicturbinefaultfeaturevect

5、orisinputintotheoptimizedsuppo~vectormachinefaultdiagnosis．ThesimulationresultsshowthatDPSOoptimizedSVMcanfindtheglobaloptimalsolution，therebyhavinggoodclassificationaccuracy．InthehydraulicturbinevibrationfaultdiagnosiscomparedtothetraditionalPSOoptimizedsupportvectormachinehashi

6、gherdiagnosticaccuracy．Keywords：hydraulicturbine；vibrationfaultsdiagnosis；PSO；SVM水轮发电机组结构复杂，机组中若有一处设备支持向量机作为一种新的模式识别方法，采用故障，如不及时处理，会产生连锁反应而引起其他部结构风险最小化原则，具有较强的泛化能力，与神经分产生故障，严重影响发电的可靠性。近年来，随着网络相比，其分类识别准确度不容易受到样本数量水轮发电机组状态监测系统的投入运行，人们认识的影响，克服了神经网络在训练中易于陷入局部极到故障诊断的重要性J。根据作用机理的不同，水小等

7、缺点J。但是在应用支持向量机时需要选定轮机组的振动分为机械、电磁和水力三种，机组的振核函数宽度以及惩罚系数，这两个参数的选择直接动或者摆度都是由上面三种振动机理复合作用而影响到支持向量机的分类准确度。针对支持向量机成j。因此，提取水轮机振动信号特征向量来诊断的参数选择问题，应用较多的是粒子群算法来优化水轮机组的故障是简便有效的方法。支持向量机。由于粒子群算法具有收敛速度快等优收稿日期：2013-03-08基金项目：国家自然科学基金资助项目(51279161)。作者简介：张欣伟，男，讲师，研究方向为水力机组状态监测。E·mail：superzxw@163．

8、com。张欣伟，等：基于DPSO优化支持向量机的水轮机组振动故障诊断173点，可