基于支持向量机的水电机组故障诊断研究!.pdfVIP

44 机机电电技技术术 2017年4月 基于支持向量机的水电机组故障诊断研究基于支持向量机的水电机组故障诊断研究 黄 涛 （广西玉林水利电力勘测设计研究院，广西 玉林 537000） 摘 要：针对水电机组故障信息缺乏、故障识别困难等问题，提出基于支持向量机的水电机组故障诊断模型。并针对 实测水电机组故障数据，分析支持向量机水电机组故障诊断模型和常用的神经网络故障诊断模型等理论在水电机组故障 诊断中的优劣。研究表明，支持向量机理论在小样本情况下比神经网络具有更强的诊断能力。 关键词：神经网络；支持向量机；水电机组；故障诊断 中图分类号：TK312 文献标识码：A 文章编号：1672-4801（2017）02-044-03 DOI:10.19508/j.cnki.1672-4801.2017.02.014 水电机组故障诊断是近年来研究的热点，但 建模精度。但上述研究大多只是对水电机组故障 是受限于故障信息缺乏、故障诱因较多、耦合故障 诊断机理的有益探索，在工程实际中几乎没有 特征复杂等原因，水电机组故障诊断系统的可靠 应用。 性和适用性尚需进一步提高。 为此，本文针对水电机组经典故障集合，采用 目前，在水电机组故障诊断领域，已经取得了 先进的模式识别方法——支持向量机（SVM）开展 [1] 一定的成果。譬如：范秀香等 采用聚类分析及粗 故障诊断分析，并与基于BP神经网络的故障诊断 糙集等理论，对水电机组振动信号进行了特征提 结果进行对比，分析了两者的优缺点，为提高水电 [2] 取；程加堂等 利用粒子群算法和BP神经网络理 机组故障诊断精度提供有力支持。 论等，建立了水电机组相应故障诊断模型，研究表 1 支持向量机理论 明该方法提高了水电机组故障诊断精度；安周鹏 [3] 水电机组振动信号包含着水电机组状态信 等 则利用小波包理论开展水电机组故障诊断，并 息，通过振动信号分析，可以得出水电机组运行状 采用频谱分析的方法提取故障诊断信号。上述方 态。但是，水电机组运行条件相对复杂，容易受到 法是目前水电机组最流行的故障诊断方法，其原 理就是通过先进的信号分析方法，从水电机组振 进流不均匀等水力因素、转子不对中的机械因素、 动信号中提取相应代表故障特征的细节信息，进 气隙不均匀等气隙因素以及控制滞空、反馈震荡 而采用诸如神经网络等智能识别方法进行故障识 等控制因素的影响，其故障原因复杂，导致其振动 别与诊断。 特性多变，其振动信号属于典型的多峰、高维、非 除此之外，故障诊断领域还存在着利用水电 线性信号。另外，由于水电机组检修维护制度健 机组结构特性，建立相应的数理模型进行仿真分 全，导致水电机组故障信息较匮乏，且故障往往又 析，分析不同故障下水电机组的运行特性等研究 呈现出复合特性。为此，本文分别采用支持向量 [4] 机和神经网络技术开展故障诊断研究。 方向。譬如：韩捷等 通过转子不对中动力特性分 析，认为随着不对中程度的加剧，转子振动幅度成 支持向量机是一种新兴的模式识别算法，它 [5] 基于结构风险最小