基于核主元分析和多级神经网络集成的汽轮机故障诊断 fault diagnosis of steam turbine based on kernel principal component analysis and multistage neural network ensemble.pdfVIP

第25卷第6期 电力科学与工程 V01．25，No．6 67 2009年6月 ElectricPowerScienceand Engineering Jun．，2009 基于核主元分析和多级神经网络集成的汽轮机故障诊断 李岩，王东风，韩璞 (华北电力大学控制科学与工程学院，河北保定071003) 摘要：提出一种基于核主元分析(KPCA)和多级神经网络集成的汽轮机故障诊断方法．该方法首先采用 KPCA对汽轮机故障样t,4t据进行特征提取；然后计算相互独立训练出的多个神经网络个体在验证样本集 上的泛化误差，并选择其中精确度较高的子神经网络作为集成的个体；最后采用基于正交最小二乘算法的 径向基函数神经网络来集成各个子网的输出并得到最终的诊断结果．在莱汽轮发电机组故障诊断中的应用 表明，该方法具有较高的精确度和稳定性．