本文關(guān)鍵詞：基于特征約簡(jiǎn)理論的機(jī)組振動(dòng)故障診斷模型　出處：《熱力發(fā)電》2016年02期 　論文類型：期刊論文

  更多相關(guān)文章： 汽輪機(jī) 振動(dòng) 故障診斷 主成分分析 粗糙集 支持向量機(jī) 特征約簡(jiǎn)

【摘要】：通過比較主成分分析和粗糙集理論兩種特征約簡(jiǎn)方法,提出了將主成分分析與改進(jìn)支持向量機(jī)相結(jié)合的故障診斷方法,建立了主成分分析集成特征約簡(jiǎn)的振動(dòng)故障診斷模型。以某汽輪機(jī)油膜渦動(dòng)振動(dòng)故障信號(hào)及某600MW機(jī)組汽輪機(jī)的質(zhì)量不平衡振動(dòng)為例,對(duì)本文故障診斷方法進(jìn)行驗(yàn)證,結(jié)果表明,本文故障診斷方法既縮短了診斷時(shí)間,又具有較高的診斷準(zhǔn)確率。
[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.
【作者單位】： 華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院;華電國(guó)際電力股份有限公司;華電電力科學(xué)研究院;
【分類號(hào)】：TK268.1
【正文快照】： 汽輪機(jī)組的可靠性,在很大程度上由機(jī)組的振動(dòng)狀態(tài)所決定[1-3]。通過提取振動(dòng)信號(hào)故障特征,實(shí)現(xiàn)振動(dòng)故障的智能診斷,仍是當(dāng)前機(jī)組安全穩(wěn)定運(yùn)行所研究的方向和趨勢(shì)。目前,機(jī)組故障診斷主要有定性分析和定量分析兩種方法[4],可診斷出十幾種常見的振動(dòng)故障模式[5-7]。本文經(jīng)過理論

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 崔慶安;;基于主成分分析與支持向量機(jī)的能源需求預(yù)測(cè)方法[J];統(tǒng)計(jì)與決策;2013年17期

2 李珩;李育學(xué);馬茂;;主成分分析在柴油機(jī)運(yùn)轉(zhuǎn)狀況描述中的應(yīng)用[J];船海工程;2005年06期

3 陸勝勇;李曉東;章驥;池涌;嚴(yán)建華;陳彤;岑可法;;基于主成分分析的垃圾焚燒爐運(yùn)行和污染物排放分析[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2006年11期

4 黃敏超,陳啟智;發(fā)動(dòng)機(jī)故障的數(shù)值模擬及模式分析[J];上海航天;1997年04期

5 ;[J];;年期

，

本文編號(hào)：1389689