10.3969/j.issn.1002-6819.2013.15.009
基于改进支持向量机的水电机组多类轴心轨迹智能识别
在水电机组故障诊断系统中,轴心轨迹是判断机组状态的一个重要特征。而水电机组实际运行中轴心轨迹故障样本数量较少,依据其进行故障智能诊断无法准确完成,需结合相应频谱特性才可做出诊断。论文针对此问题,采用改进的支持向量机(support vector machine,SVM)多故障分类算法,建立了多故障轴心轨迹分类器,并应用于水电机组的故障诊断。结果表明,改进的SVM在样本数较少时取得较好的分类效果,样本数为16和50时,分类准确率达到了96.3%和91.2%,;并且在分类数增多时,分类准确率得到提高,而样本数增多时,分类准确率骤减。该故障分类器可实现多故障的识别和诊断,并且具有算法简单和对多故障轴心轨迹图形分类能力强的优点。该研究可为水电机组少样本轴心轨迹故障的智能诊断提供参考。
支持向量机、试验、故障分析、水电机组、轴心轨迹、不变线矩、多故障样本分类器
M312;TP470.30
国家自然科学基金项目51209172;教育部博士点基金20096118110012;陕西省自然科学基础研究计划项目2012JM7005。
2013-08-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
65-71