基于支持向量机的水电机组故障诊断.pdfVIP

维普资讯 114 中国农村水利水 电 ·2008年第 1期 文章编号 ：1007—2284(2008)0l一011／!一03 基于支持向星相硇水电相组故瞎诠断 邹 敏 ，周建中，刘 忠 (华中科技大学水电与数字化T程学院，武汉 430074) 摘 要：针对水电机组故障样本少的问题，将 支持 向量机引入水电机组故障诊断研究，提出一种结合小波频带分解 与最小二乘支持向量机的水电机组故障诊断模型。基于机械设备 “能量一故障”映射关系，运用小波分解提取机组振动信 号各频带能量特征值，然后将能量特征值输入到多分类的支持向量机 ，实现对机组不同故障类型的识别。通过实验信号 分析，表明将小波能量提取与支持向量机结合进行水电机组故障诊断是可行有效的，并具有较高的故障分辨能力，为水 电机组故障诊断提供 了新 的方法和思路 。 关键词 ：水电机组 ；支持 向量机 ；小波变换 ；能量提取 ；故障诊断 中图分类号 ：IP206 文献标识码 ：A SupportVectorM achinesBasedApproachforHydroelectricGeneratingUnitFaultDiagnosis ZoU M in，ZHoUJian-zhong，LIU Zhong (CollegeofHydroelectricandDigitalizationEngineering，HuazhongUniversity ofScienceandTechnology。W uhan430074。HubeiProvince，China) Abstract：Tosolvethesmall—sampleproblem inthehydroelectricgeneratingunit(HGU)，SVM (SupportVectorMachines)isintro— duced，andanew diagnosismodelofleastsquaressupportvectormachines(LS-SVM)basedonwaveletdecompositionwithenergy extractionisproposedinthispaper．Pmsedonthemappingofenergyandfault，theenergyfeaturesofdifferentfrequencybandofvi— brationsignalareextractedthroughwaveletdecomposition．Theseextractedfeaturevectorsareinputintothemulti——classification I SVM todetectdifferentabnormalcases．Testingresultsshow thatthemodelisfeasibleandeffectiveintheHGU fauhdiagnosis andhashigheraccuracyofclassification，whichprovidesanew methodforfaultdiagnosisofHGU ． Keywords：hydroelectricgeneratingunit(HGU)；SVM ；wavelettransfomr ；energyextraction；faultdiagnosis 感器获取的水电机组振动故障信号往往是非平稳信号，小波分 0 引 言 析具有 良好的时频局部化能力，是一种针对非平稳信号的有效 近年来 ，水 电装机容量在 电力系统 巾所 占比重越来越大， 的信号分析手段。 水电机组的可靠性和安全性对 电力系统稳定可靠运行的影响