|
|||||
|
|
| 基于深度学习的发电机故障挖掘方法研究 | |
| 作者姓名： | 谢川 |
| 作者单位： | 空军工程大学 航空航天工程学院， 陕西 西安 710038 |
| 基金项目： | 陕西自然科学基金，无铅焊点在多场耦合作用下的失效行为及寿命预测方法（2015JM6345） |
| 摘 要： | 发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障。通过对发电机故障特征数据的挖掘,可实现故障诊断。传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降。提出一种基于深度学习支持向量机的发电机故障挖掘算法。对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力。 |
| 关 键 词： | 关键词： 发电机 故障诊断 数据挖掘 |
Research on Method of Generator Fault Mining Based on Deep Learning |
|
| Authors: | XIE Chuan |
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《》浏览原始摘要信息 | |
| 点击此处可从《》下载全文 | |