基于流形学习的汽轮机转子振动故障特征提取.pdf

《基于流形学习的汽轮机转子振动故障特征提取.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4期汽轮机技术Vo1．54No．42012年8月TURBINETECHNOLOGYAug．2012基于流形学习的汽轮机转子振动故障特征提取戈志华，刘永凯，黎瑜春(华北电力大学能源动力与机械工程学院，北京102206)摘要：流形学习算法是一种非线性的数据降维方法，通过对高维空间数据的学习，可以获得数据的低维几何结构，比传统的维数约简方法更能体现事物的本质。针对汽轮机转子故障诊断中原始特征并不具有良好的可分性，必须进行特征提取这一问题，提出了将流形学习理论应用于汽轮机转子振动故障特征的提取的方法，极大地保留原始特征的非线性信息，改善了故障诊断的分类识别能力。实验证明，基于流形

2、学习的汽轮机转子振动故障特征提取方法，提高了故障诊断的准确率。关键词：汽轮机转子；故障诊断；特征提取；流形学习分类号：TP391；TH17文献标识码：A文章编号：1001-5884《2012)04-0283-03TurbineVibrationFaultFeatureExtractionBasedonManifoldLearningGEZhi．hua，LIUYongkai，LIYu．chun(NorthChinaElectricPowerUniversity，Beijing102206，China)Abstract：Manifoldlearningalgorithmisametho

3、dofnonlineardatadimensionalityreductionandcangetavailablelow—dimensionalgeometrybystudyingthehighdimensionaldata．Italsoreflectsthenatureofthingsbetterthanthetraditionaldimensionreductionmethods．Tocarryouttheproblemthattheoriginalfeaturesdonothaveagooddivisibility，amanifoldlearningtheoryisappli

4、edtothefeatureextractionforvibrationfault．Thismethodpreservestheoriginalcharacteristicsofthenon—linearinformationandimprovesfaultdiagnosisclassificationandrecognitioncapabilities．Experimentsshowthat，thefeatureextractionforturbinerotorvibrationfaultbasedonmanifoldlearninghastheaccuracyoffaultdi

5、agnosis．Keywords：turbinerotorvibration；faultdiagnosis；featureextraction；manifoldlearning0前言1基于流形学习的汽轮机振动特征提取方法研究汽轮机作为火力发电中的重要设备，其结构复杂，运行环境特殊，汽轮机转子常常由于出现各种不同形式的振动故1．1流形学习原理障而影响其正常工作，有时会发生严重的事故，造成重大的2000年，Seung等在Science上发表的研究报告提出了视经济损失。汽轮机转子故障诊断作为现代故障诊断技术领觉感知的流形结构假说，同期发表的两篇流形学习算域的一个重要方面，历来受到重视⋯。

6、法，极大地推动了流形学习的发展。2003年，Silva等给汽轮机转子的故障诊断是一个典型的模式识别问题，其出了流形学习的描述，使其成为机器学习的一个重要研究方向。关键的问题有两个：一是特征的选择和提取，二是识别方法，流形学习的数学描述为：给定观测空间的数据集X=即分类器。特征的选择和提取是进行故障模式识别的基础。，i：1，⋯，N}cR，Y是包含在R欧式空间的d维域，假随着现代信号处理方法的不断发展，可用于选择的特征数量定中的样本是由低维空间中的数据集y通过某个未知的越来越多，如何选择和提取最有效的故障特征，是故障诊断非线性变换，所生成，即=Y)，其中YEYCR，d《m：一个至关重要

7、而又具有相当困难的问题J。R一是C的嵌入映射。流形学习的任务是从观测数据特征提取的主要内容是利用有关数学工具降低特征维{}中重构映射／和{Y}。数，寻找最有效的特征构成较低维表示的模式特征向量。流简单地说，假设数据均匀采样于高维欧氏空间中的高维形学习作为一种非线性的数据降维方法，能有效地发现高维流形上，流形学习的目的就是从高维观测数据中发现低维流数据中蕴含的内在几何结构及其规律，充分挖掘数据中的内形结构，从而实现数据的维数约简，并获得相应的映射关系。在几何特征，为汽轮