共查询到10条相似文献,搜索用时 15 毫秒
1.
采用核主元分析方法建立核主元模型,提取凝汽器系统的非线性冗余信息,在输入空间对数据进行重构,此重构的数据与原始样本数据具有残差,采用序贯概率比对残差进行检验能够及时发现凝汽器系统的故障,并通过综合分析可定位故障源。结合某台600MW机组凝汽器系统的故障进行诊断仿真验证结果表明,该方法能够准确识别故障,所建的故障诊断模型具有一定的准确性和实用性。 相似文献
2.
3.
基于主分量灰色关联分析的凝汽器故障诊断 总被引:1,自引:0,他引:1
凝汽器的故障往往是由多种原因引起的,不同故障表现出的征兆又具有相似的特征,多种征兆的相关性造成了分析数据的困难.文中采用主分量分析法(PCA)对影响凝汽器故障的多种参数进行综合优化,将多个诊断用特征参数的信息融合到几个主分量上,各主分量之间没有明确的映射关系和明确的作用原理.提出了凝汽器灰色故障诊断系统,运用灰色关联度对诊断样本进行诊断.最后将主分量分析和BP神经网络相结合进行凝汽器的故障诊断,与所提方法进行了比较,仿真实例表明将主分量灰色关联分析法引入凝汽器故障诊断中是可行的,诊断结果可靠. 相似文献
4.
提出了基于主成分分析的相似关联规则的数据挖掘方法,并利用最小二乘支持向量回归方法对传感器进行故障检测。通过主成分分析寻找具有相似关联规则的参数,利用参数间的相似关联关系,建立最小二乘支持向量回归模型,通过该模型生成残差对传感器进行状态监测和故障定位,并对故障数据进行重构,代替故障数据。通过某300 MW机组数据实例分析,表明该方法能准确快速地寻找具有较高相似关联规则的参数,并能给出可信的重构数据,具有一定的实用性。 相似文献
5.
6.
针对变压器油中溶解气体浓度的检测问题,提出基于二次维数约简的油中溶解气体浓度预测模型。首先,采用互信息变量选择方法选取预测模型的输入变量;然后,对输入变量进行相空间重构,采用核主元分析对重构相空间进行特征提取,达到数据降维、滤除数据噪声、消除变量间相关性的目的,并用Renyi熵信息测度确定核主元分析的模型参数;最后,将核主元分析提取的主元变量作为核极限学习机的输入,建立变压器油中溶解气体浓度的预测模型。与灰色预测模型、仅变量选择的预测模型、仅特征提取的预测模型的对比实验结果表明,所提出的基于二次维数约简的油中溶解气体浓度预测模型具有较优的预测精度和泛化能力。 相似文献
7.
8.
9.
基于小波包的多尺度主元分析在传感器故障诊断中的应用 总被引:3,自引:0,他引:3
由于传统的基于小波变换的多尺度主元分析(MSPCA)方法在检测高频类故障时的分辨能力不足,该文提出了基于小波包的MSPCA模型,并应用于传感器的故障诊断。首先对传感器数据进行正交小波包分解,得到小波包最佳分解树。根据最佳树的各个节点系数在对应的尺度上建立主元分析模型,根据这些主元分析模型在残差子空间利用平方预报误差统计量进行传感器故障检测,采用传感器有效度指标对故障传感器进行分离。最后以火电厂锅炉系统的传感器为例对设计的模型进行了验证,通过对传感器周期性干扰故障这种高频故障的诊断实例验证了基于小波包的MSPCA方法的有效性,其检测性能要优于基于小波变换的MSPCA模型。 相似文献
10.
提出一种基于主元分析(PCA)和粗糙集理论结合继而构建决策树的故障诊断方法.该方法利用PCA对原始故障决策表的条件属性集进行降维处理,得到由主元变量构成的故障决策表,采用等频分割方法对这一决策表的数据离散化,进而采用基于主元属性重要度的粗糙集属性约简算法得到离散后的决策表的最小约简,以约简数据集为样本基于核属性采用一种改进的决策树算法训练学习,构建故障决策树进行诊断决策.测试实例证明了该方法能简化故障诊断系统,提取容错性较强的诊断规则,提高了故障的识别率. 相似文献