| 基于改进PCA联合SVM的电厂设备故障诊断方法 |
| |
| 引用本文： | 刘兴彦,郑迎九.基于改进PCA联合SVM的电厂设备故障诊断方法[J].计算技术与自动化,2023(3):27-31. |
| |
| 作者姓名： | 刘兴彦 郑迎九 |
| |
| 作者单位： | （杭州华电半山发电有限公司，浙江 杭州 310015） |
| |
| 摘 要： | 转子系统是燃气轮机极为重要的组成部件，对其进行故障诊断与分析对燃气轮机的安全稳定运行具有重要意义。转子故障信号为典型的非线性、非平稳和微弱性时间序列。提出了一种基于改进主成分分析(Improved Principal Component Analysis, ImPCA)的燃气轮机转子故障诊断方法。首先针对传统PCA主分量个数确定难题，将贝叶斯理论引入PCA，构建贝塔先验主成分分析模型对转子故障信号进行自适应分解，将其转化为少数几个主分量(Principal Component, PC)之和的形式，然后将PC对应的大特征值作为特征向量并构建SVM分类器进行分类，实现对“不平衡故障”“动静件碰磨故障”和“不对中故障”三种燃气轮机转子故障的有效分类诊断。基于实际数据的实验结果表明，所提方法能够获得97.2%的平均诊断正确率，并且具有噪声稳健性，适用于实际工程应用场景。
|
| 关 键 词： | 故障诊断 主成分分析 燃气轮机 贝叶斯理论 特征提取 |
Fault Diagnosis Method of Power Plant Equipment Based on Improved PCA and SVM |
| |
| LIU Xing-yan,ZHENG Ying-jiu.Fault Diagnosis Method of Power Plant Equipment Based on Improved PCA and SVM[J].Computing Technology and Automation,2023(3):27-31. |
| |
| Authors: | LIU Xing-yan ZHENG Ying-jiu |
| |
| Affiliation: | (Hangzhou Huadian Banshan Power Generation Co., Ltd., Hangzhou,Zhejiang 310015, China) |
| |
| Abstract: | |
| |
| Keywords: | fault diagnosis principal component analysis gas turbine Bayesian theory feature extraction |
|
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 |
|
点击此处可从《计算技术与自动化》下载全文 |
