本文關(guān)鍵詞：基于模糊K近鄰支持向量數(shù)據(jù)描述的水電機組振動故障診斷研究　出處：《中國電機工程學報》2014年32期 　論文類型：期刊論文

  更多相關(guān)文章： 支持向量數(shù)據(jù)描述(SVDD) K近鄰(KNN) 模糊閾值 不平衡 故障診斷

【摘要】：水電機組振動故障診斷中常面臨樣本稀缺及分布不均勻、不平衡等問題,嚴重影響診斷結(jié)果。針對此類問題提出一種基于模糊K近鄰(K nearest neighbor,KNN)支持向量數(shù)據(jù)描述(support vector data description,SVDD)的故障診斷模型。首先利用核變換將故障樣本映射到高維特征空間,并采用SVDD提取不平衡故障樣本域的邊界支持向量樣本,構(gòu)建基于相對距離模糊閾值和KNN的決策規(guī)則,最終在此基礎上建立機組故障診斷模型。用該模型對經(jīng)過不平衡處理的國際標準測試數(shù)據(jù)樣本進行測試實驗,并與支持向量機(support vector machine,SVM)及目前應用較多的SVDD模型的分類結(jié)果進行對比,結(jié)果表明該模型可有效解決不平衡樣本分類傾斜性問題。最后,將模型用于某水電廠機組振動故障診斷,取得了較高的診斷精度,證明了該方法的有效性。
[Abstract]:The vibration fault diagnosis of hydropower units often faces the problems of scarcity of samples, uneven distribution and imbalance. This paper presents a K nearest neighbor based on fuzzy K nearest neighbor. KNN) support vector data description for support vector data description. Firstly, the fault samples are mapped to high dimensional feature space by kernel transformation, and the boundary support vector samples in unbalanced fault sample domain are extracted by SVDD. The decision rules based on relative distance fuzzy threshold and KNN are constructed, and finally, the fault diagnosis model of unit is established. The model is used to test the samples of international standard test data after unbalanced processing. And compared with the classification results of support vector machine support vector machine (SVM) and the SVDD model which is widely used at present. The results show that the model can effectively solve the problem of the classification inclination of unbalanced samples. Finally, the model is applied to the vibration fault diagnosis of a hydropower plant, and a high diagnostic accuracy is obtained, and the effectiveness of the method is proved.
【作者單位】： 華中科技大學水電與數(shù)字化工程學院;
【基金】：國家自然科學基金項目(51239004,51079057) 高等學校博士學科點專項科研基金(20100142110012)~~
【分類號】：TM312;TP18
【正文快照】： 0引言水電機組故障診斷實質(zhì)上是一種模式識別問題,即通過已有故障樣本建立診斷模型,并以此對未知機組狀態(tài)進行識別。目前,診斷分類方法主要有:模糊推理[1]、貝葉斯決策[2]、神經(jīng)網(wǎng)絡[3]和支持向量機[4](support vector machine,SVM)等。模糊推理故障診斷方法采用模糊關(guān)系矩陣

【參考文獻】

相關(guān)期刊論文 前10條

1 張曉丹;趙海;謝元芒;尹震宇;;用于水電廠設備的故障診斷的貝葉斯網(wǎng)絡模型[J];東北大學學報;2006年03期

2 陳林剛;韓鳳琴;桂中華;;基于神經(jīng)網(wǎng)絡的水電機組智能故障診斷系統(tǒng)[J];電網(wǎng)技術(shù);2006年01期

3 符向前;蔣勁;孫慕群;匡美珍;;水電機組故障診斷系統(tǒng)中的模糊診斷技術(shù)研究[J];華中科技大學學報(自然科學版);2006年01期

4 張孝遠;周建中;王常青;李超順;;考慮樣本交疊的水電機組振動故障診斷[J];電力系統(tǒng)保護與控制;2012年03期

5 袁勝發(fā);褚福磊;;球結(jié)構(gòu)支持向量機在轉(zhuǎn)軸碰摩位置識別中的應用[J];振動與沖擊;2009年08期

6 吳石;劉獻禮;王艷鑫;;基于連續(xù)小波和多類球支持向量機的顫振預報[J];振動.測試與診斷;2012年01期

7 彭文季;羅興，

本文編號：1384002