集成KPCA-SVM的汽轮发电机组故障诊断

摘要：

针对汽轮发电机组系统故障数据呈现出的强非线性、数据高维等特点,将非线性数据处理方法KPCA和小样本分类器SVM相结合,提出了一种集成KPCA-SVM的故障诊断方法.首先,该方法将利用KPCA对非线性数据的处理能力强的特点,在高维特征空间提取故障特征信息;其次,将故障特征信息输入SVM模型,构建分类模型,克服SVM训练不充分、无针对性的缺点.对汽轮发电机组模拟故障进行仿真实验表明,提出的方法与SVM和PCA-SVM方法相比,能够更好地处理非线性数据,提取有效的分类特征信息,获得更高的故障模式识别准确率.

关键词：汽轮发电机组、特征提取、故障诊断、KPCA、SVM

所属期刊栏目：33

分类号：TP391;TK267(计算技术、计算机技术)

在线出版日期：2017-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：27-31