基于特征约简理论的机组振动故障诊断模型

发布时间：2018-01-06 22:00

  本文关键词：基于特征约简理论的机组振动故障诊断模型　出处：《热力发电》2016年02期 　论文类型：期刊论文

  更多相关文章： 汽轮机 振动 故障诊断 主成分分析 粗糙集 支持向量机 特征约简

【摘要】：通过比较主成分分析和粗糙集理论两种特征约简方法,提出了将主成分分析与改进支持向量机相结合的故障诊断方法,建立了主成分分析集成特征约简的振动故障诊断模型。以某汽轮机油膜涡动振动故障信号及某600MW机组汽轮机的质量不平衡振动为例,对本文故障诊断方法进行验证,结果表明,本文故障诊断方法既缩短了诊断时间,又具有较高的诊断准确率。
[Abstract]:By comparing principal component analysis with rough set theory, a fault diagnosis method combining principal component analysis and improved support vector machine is proposed. A vibration fault diagnosis model based on principal component analysis (PCA) integrated feature reduction is established. The fault signals of a turbine oil film vortex vibration and the mass unbalance vibration of a 600MW turbine are taken as an example. The results show that the fault diagnosis method not only shortens the diagnosis time, but also has a high diagnostic accuracy.
【作者单位】： 华北电力大学能源动力与机械工程学院;华电国际电力股份有限公司;华电电力科学研究院;
【分类号】：TK268.1
【正文快照】： 汽轮机组的可靠性,在很大程度上由机组的振动状态所决定[1-3]。通过提取振动信号故障特征,实现振动故障的智能诊断,仍是当前机组安全稳定运行所研究的方向和趋势。目前,机组故障诊断主要有定性分析和定量分析两种方法[4],可诊断出十几种常见的振动故障模式[5-7]。本文经过理论

【相似文献】

相关期刊论文 前5条

1 崔庆安;;基于主成分分析与支持向量机的能源需求预测方法[J];统计与决策;2013年17期

2 李珩;李育学;马茂;;主成分分析在柴油机运转状况描述中的应用[J];船海工程;2005年06期

3 陆胜勇;李晓东;章骥;池涌;严建华;陈彤;岑可法;;基于主成分分析的垃圾焚烧炉运行和污染物排放分析[J];浙江大学学报(工学版);2006年11期

4 黄敏超,陈启智;发动机故障的数值模拟及模式分析[J];上海航天;1997年04期

5 ;[J];;年期

，

本文编号：1389689