基于改进支持向量机的水电机组多类轴心轨迹智能识别

摘要：

　　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。

关键词：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

分类号：M312;TP470.30

资助基金：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。

在线出版日期：2013-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：65-71