基于SVM与轴心轨迹不变矩的转子状态识别方法.pdf

《基于SVM与轴心轨迹不变矩的转子状态识别方法.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、第54卷第6期汽轮机技术Vo1．54No．62012年12月TURBINETECHN0L0GYDec．2012基于SVM与轴心轨迹不变矩的转子状态识别方法祝晓燕，常宏飞，朱霄殉，卢盛阳(1华北电力大学，保定071003；2河北省电力研究院，石家庄050021)摘要：轴心轨迹是反映转子轴振的重要特征，其中隐含着转子的各种故障信息。提出了利用转子轴心轨迹图像不变矩与SVM的转子轴心轨迹自动识别方法。该方法首先对转子轴心轨迹图形进行填充处理，得到转子轴心轨迹图像，然后计算图像的7个不变矩。将提出的7个不变矩作为特征向量结合SVM分类方法对故障进行诊断。经实验分析和验证，该方法可以有效实

2、现转子故障的诊断。关键词：支持向量机；不变矩；特征提取；轴心轨迹；SVM分类号：TH212；TH213．3文献标识码：A文章编号：1001-5884(2012)06-0469-04AMethodinSupportVectorMachinesBasedInvariantMomentstoRecognizeShOrbitZHUXiao-yan，CHANGHong-fei，ZHUXiao—xun，LUSheng-yang(1NorthChinaElectricPowerUniversity，Baoding071003，China；2HebeiElectricPowerResearchI

3、nstitute。Shijiazhuang050021，China)Abstract：Axisorbitofrotorisareflectionoftheimportantcharacteristicsofshaftvibration，whichimpliestherotorfaultinformation．Thispaperproposesanintelligentdentificationmethodofshaftorbitbasedonsupportvectormachinesandinvariantmoments．ThefirststepisfillingTherotor

4、orbitgraphics，getrotororbitimage．Thesecondstepiscalculatingtheimageof7invariantmoments，combinedwithSVMtodiagnosisfault．Accordingtoexperimentalanalysisandvalidation，thismethodcanefectivelyachievetherotorfaultdiagnosis．Keywords：suppoMvectormachine；invariantmoments；featureextraction；shaftorbit；S

5、VM提出了以不变矩为特征向量并利用关联度进行识别的方法；0前言文献[10]提出了一种基于模糊一小波神经网络的轴心轨迹识别方法；文献[11]提出了用数学形态学的形状谱作为轴心支持向量机(suppo~vectormachineSVM)是数据挖掘中轨迹的特征向量并结合人工神经网络的识别方法。文献的一项新技术，是借助于最优化方法解决机器学习问题的新[12]提出使用稀疏性非负矩阵分解和SVM对轴心轨迹图进工具，它最初于20世纪90年代由Vapnik提出，近年来在其行识别进而判断机器运行状态的方法。理论研究和算法实现方面都取得了突破进展，开始成为克服本文结合文献[7]的理论，提出了基于SVM

6、与轴心轨迹不变矩的转子状态识别方法。该方法首先得到转子各状态“维数灾难”和“过学习”等传统困难的有力手段。的轴心轨迹，并将其转化为二值图像进行内部填充；其次，计汽轮发电机组振动状态监测是电厂安全生产和正常运算轴心轨迹图像不变矩，并选出训练样本；最后，通过SVM行中非常重要的内容，转子轴振是电厂监测的重要参数之进行分类识别。通过实验对正常状态和油膜涡动故障进行一。轴心轨迹形象、清晰地显示了蕴含在机组内的故障特识别，验证了本文方法的有效性。征，从中可以获得转子弯曲、不平衡、轴瓦失稳和动静碰摩等信息⋯。因此监测转子的轴心轨迹变化就有着非常重要的1支持向量分类机理论作用。对轴心轨迹的特征

7、提取和识别，前人做了很多工作，主SVM是一种基于结构风险最小化原理的机器学习技术，要是通过提取图形的不变特征来对图形进行识别。常用的具有较好的泛化性能和精度，一开始出现就应用于分类问题不变特征包括：矩特征(几何矩J、Zernike矩“J、伪Zernike中。传统的模式识别要求学习样本足够多，但在大部分工程矩、复矩等)、傅里叶描述符J、高阶相关特征等。实际中，获得足够多的典型故障样本是困难的，因此有必要文献[7]提出了利用图形的不变性矩特征的识别技术，构造寻求适用于小样本的分类器，