基于主成分分析与支持向量机汽轮机故障诊断

基于主成分分析与支持向量机汽轮机故障诊断

ID:5389727

大小:285.60 KB

页数:4页

时间:2017-12-08

基于主成分分析与支持向量机汽轮机故障诊断_第1页
基于主成分分析与支持向量机汽轮机故障诊断_第2页
基于主成分分析与支持向量机汽轮机故障诊断_第3页
基于主成分分析与支持向量机汽轮机故障诊断_第4页
资源描述:

《基于主成分分析与支持向量机汽轮机故障诊断》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第53卷第2期汽轮机技术VO1.53No.22011年4月TURBINETECHNOL0GYApr.201l基于主成分分析与支持向量机的汽轮机故障诊断司娟宁,刘金园,董泽,廖薇(1华北电力大学控制理论与工程学院,保定071003;2华能沾化热电厂,沾化256800)摘要:汽轮机故障诊断的一大难题是故障样本的缺乏,由于支持向量机针对小样本情况能取得很好的效果,为此,提出基于主成分分析与支持向量机的故障诊断方法,首先采用主成分分析方法对汽轮机故障数据进行故障特征提取,将特征向量作为支持向量分类器的输入,按照汽轮机的故障类型训练分类函数。对于支持向量机参数的

2、选取,提出了基于错分样本数的蚁群优化算法。在小样本情况下对汽轮发电机组故障诊断进行了仿真研究。结果表明,应用该算法可以正确且有效地诊断多类汽轮机故障。关键词:主成分分析;支持向量机;蚁群算法;汽轮机;故障诊断分类号:TP18文献标识码:A文章编号:1001-5884(2011)02-0139-04FaultDiagnosisofTurbineGeneratorBasedonPcaandSvmS1Juan—ning,LIUJin—yuan,DONGZe,LIAOWei(1SchoolofControlandEngineering,NoAhChinaEle

3、ctricPowerUniversity,Baoding071003,China;2HuanengZhanhuaPowerPlant。Zhanhua256800,China)Abstract:Oneoftheproblemsthathampertheprocessoffaultdiagnosisofturbinegeneratorisalackoffaultsamples,moreover,SVMwillachieveaverygoodresultsinthesmallsamplesituation,therefore,anewapproachbase

4、donSupportVectorMachineandPrincipalComponentAnalysisisproposedinthispaper.Firstofal1.PCAwasusedtoextractthefeaturevectorsofthefaultsamples,andthenusethesefeaturevectorsastheinputvectorsofSVMclassifier,moreover,theclassificationfunctionsweretrainedaccordingtothetypesofturbinefaul

5、ts.Basedonnumberoferrorsamples,anewcontinuousantcolonyoptimizationalgorithmcalledMG-CACOisusedtooptimizethep~ametersofSVM.Thisme~odwasappliedtodiagnosisthefaultforturbinegeneratorinsmallsamplecases.Theresultsdemonstratethatitcanaccuratelyandefficientlydiagnosismanytypesoffaultsf

6、orturbinegenerator.Keywords:PCA;SVM;antcolonyalgorithm;turbinegenerator;faultdiagnosis算法将分类问题转化为一个二次规划问题,从理论上保证得0前言到的解是全局最优解;③在非线性情况下,巧妙地通过非线性变换将原空间中的非线性问题转化为高维空间中线性问汽轮机是电力生产的重要设备,由于其设备结构复杂性题,既保证具有较好推广能力,又没有增加算法复杂度。和运行环境的特殊性,汽轮机的故障率较高,而且故障危害在实际的故障诊断中,由于原始的故障数据中往往包含性也很大。振动是汽轮机运行中

7、最常见的主要故障之一,严很多与故障特征不相关的变量信息,这些变量不仅影响了重时会形成振动事故,因此对机组进行振动故障诊断,对保SVM的分类性能,同时也增加了计算量。为此,本文提出了证其稳定安全运行十分重要J。汽轮机故障诊断发展的瓶基于主成分分析的故障特征提取方法,设计了基于错分样本颈之一是故障样本的缺乏,而不仅在于诊断方法本身。汽数的蚁群优化支持向量机算法,应用于汽轮机故障诊断。仿轮机故障诊断最本质的工作是通过对外部征兆的监测,取得真结果表明该方法能对汽轮机故障进行准确、快速有效诊特征参数的正确信息,进行分析和识别。断。SVM是一种基于统计学习理论的机

8、器学习算法,同人工神经网络类似,支持向量机也可看作一种学习机器,通过对1基于主成分分析的特征提

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。