基于多分类器组合的水电机组故障诊断.pdf

《基于多分类器组合的水电机组故障诊断.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、第39卷第4期2013年4月水力发电基于多分类器组合的水电机组故牟诊斯田源，一，张彼德，邹江平，吴华丰，陈笑，师鹏(1．西华大学电气信息学院，四川成都610039；2．国电四川电力股份有限公司南桠河发电厂，四川雅安625000)摘要：为提高水电机组故障诊断的准确性，提出了多分类器组合的故障诊断方法。对朴素贝叶斯分类器(NBC)进行了基于属性相似度的加权改进得到基于属性相似度的加权朴素贝叶斯分类器(SWNBC)，并应用基于Fisher加权的朴素贝叶斯分类器(FWNBC)，与支持向量机分类器(SVM)组合成为SWNBC+FWNBC+SVM多分类器组合模型，以小波包提取的相关频带能量作为输入特

2、征向量，应用组合模型对水电机组故障进行诊断，采用多数投票法来决定最终的故障类型。实验结果表明该模型相对于单一的分类器，能有效提高识别故障的精度。关键词：水电机组；故障诊断；朴素贝叶斯；加权贝叶斯；支持向量机FaultDiagnosisofHydro-generatingUnitBaseonCombinedClassifierTIANYuan，ZHANGBide，ZOUJiangping，WUHuafeng，CHENXiao，SHIPeng(1．SchoolofElectricalandInformationEngineering，XihuaUniversity，Chendu610039，

3、Sichuan，China；2．GuodianSichuanElectricPowerCo．Ltd．NanyaheHydroelectricPlant，Yaan625000，Sichuan，China)Abstract：Anewmethodisproposedtodiagnosehydro-generatingunitfaultsbasedoncombinedclassifierforimprovingtheaccuracyoffaultdiagnosis．TheAttributeSimilarityWeightedNaiveBayesClassifier(SWNBC)whichisob

4、tainedfromtheweightedimprovementofNaiveBayesClassifier(NBC)basedonattributesimilarity，theFisherWeightedNaiveBayesClassifier(FWNBC)whichisfisher-weightedandtheSupportVectorMachine(SVM)iscomposedascombinedclassifierSWNBC+FWNBC+SVM．Aftertakingrelatedbandenemywhichextractedbywaveletpacketasinputchara

5、cteristicvector,thecombinedclassifierisusedtodiagnosethefaultsofhydro—generatingunit，andtheballotisusedtodeterminethefinalfaulttype．Thesimulationexperimentshowsthatthemodelisbetterthanthesingleclassifierandcaneffectivelyidentifyfaults．KeyWords：hydro-generatingunit；faultdiagnosis；NaiveBayesClassif

6、ier；,WeightedNaiveBayesClassifier；SupportVectorMachjne中图分类号：TK73；TP18文献标识码：A文章编号：0559—9342(2013)04—0051-04类性能，都有一定的局限性，没有一种分类方法能O引言在所有应用情况中都取得较好的结果，如果能将不水电机组的故障诊断系统是水电站发电机组的同分类器组合应用，综合其优点．构建多分类器组．重要组成部分。绝大多数水电机组故障都以振动征则能有效提高分类的准确性。兆形式表现出来，目前大多水电机组故障诊断系统1基于多分类器组合的故障诊断原理都是对水电机组的振动信号进行处理．从中提取反映振动原因的

7、故障特征。再使用人工智能的方法确多分类器组合故障诊断原理如图1所示，其包定故障特征与振动原因之间的映射关系。随着人工收稿日期：2012—05—14智能技术的发展，出现了基于专家系统l1l，BP神经网基金项目：“流体及动力机械”省部共建教育部重点实验室项目络_21，RBF神经网络l3l，PNN神经网络的诊断方法．(SBZDPY一1l一13，14)；西华大学研究生创新基金(Ycjj201163)；西华大同时模糊理论l5l与支持向量机理论