基于Choquet模糊积分的水电机组振动故障诊断

摘要：

为提高水电机组故障诊断的准确性,提出了基于Choquet模糊积分融合的多分类器组合故障诊断方法,对朴素贝叶斯分类器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(Attribute Simi-larity Weighted Naive Bayes Classifier,简称SWNBC),并应用基于Mahalanobis距离的分类器(Mahalanobis Distance Classifier,简称MDC)与BP神经网络(BP neural network)组合成为SWNBC+ MDC+ BP的多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用模糊积分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、加权贝叶斯、模糊积分

所属期刊栏目：32

分类号：TV737(水能利用、水电站工程)

资助基金：西华大学流体及动力机械省部共建教育部重点实验室资助SBZDPY-11-13,14;西华大学省级重点实验室开放研究基金资助SZJJ2009-015;西华大学研究生创新基金YCJJ201369

在线出版日期：2013-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：61-66