基于CNN-SVM的水电机组智能故障诊断方法研究 |
| |
引用本文: | 何葵东,王卫玉,金艳,李崇仕,柳无双,陈启卷.基于CNN-SVM的水电机组智能故障诊断方法研究[J].水电能源科学,2023(4):207-210+215. |
| |
作者姓名: | 何葵东 王卫玉 金艳 李崇仕 柳无双 陈启卷 |
| |
作者单位: | 1. 五凌电力有限公司;2. 国家电力投资集团水电产业创新中心;3. 武汉大学动力与机械学院 |
| |
摘 要: | 在当前水电机组智能故障诊断的方法中,人为选择故障分类特征的主观性及故障小样本数据的局限性对故障诊断结果的准确性具有重要影响。对此,结合卷积神经网络(CNN)的特征提取优势和支持向量机(SVM)优良的小样本处理能力,提出了一种针对水电机组振动故障诊断的CNN-SVM方法。该方法以水电机组振动信号的时域波形图作为模型输入,然后利用CNN提取信号特征并导入SVM实现机组故障诊断。最后,通过具体的实例分析,验证了所提诊断方法的优势。
|
关 键 词: | 水电机组 故障诊断 振动信号 卷积神经网络 支持向量机 |
|
|