原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
西北水 电 ·2013年 ·第3期
文章编号：1006--2610(2013)03—o058—04
基于支持向量机方法的水 电机组状态识别
杜洪斌 ，张 雷，李明桥 ，侯纪坤。，白 亮
(1．大唐(老挝)萨拉康水电有限公司，万象；2．西安电力高等专科学校，西安 710032；
3．中国水电顾问集团西北勘测设计研究院，西安 710065；4．西安理工大学，西安 710048)
摘 要：模式识别理论是水电机组状态识别与故障诊断的基础，通过选择不同类型的分类器来实现模式识别。支持
向量机(SVM)算法有效地改善了传统分类方法的缺陷，具有较强理论依据，适合小样本的模式识别分类。结合水电
机组振动信号特点，采用Hilbert—Huang变换对信号做前期处理，以IMF函数能量值为基本元素构造特征向量，将特
征向量输入SVM进行模式识别。结果表明对于小样本分类，SVM方法简单有效，切实可用。
关键词：支持向量机；分类器 ；模式识别；状态检修；统计学习理论 ；结构风险；广义最优分类面
中图分类号：TK73 文献标识码：A
IdentificationofStatusofTurbine．—GeneratorUnitBasedon SupportVectorMachineMethod
DUHong-bin ，ZHANGLei，LIMing-qiao ，HOUJi—kun ，BAILiang4
(1．Datang(Laos)SanakhamHydropowerCo．，Ltd．，Vientiane；2．XianElectricPowerCollege，XVan 710032，China；
3．HYDROCHINAXibeiEngineeringCorporation，Xian 710065，China；4．XFanUniversityofTechnology，Xi~an 710048，China)
Abstract：Thetheoryonthemodeidentificationisthebaseforthestatusidentificationandfaultdiagnosingoftheturbine—generatorunit．
Theclassifiersindifferenttypesareselectedtorealizethemodeidentification．Thesupportvectormachine(SVM)methodeffectivelyO—
vercomesdemeritsoftheconventionalclassifyingmethods．Themethodiswithstrongertheoreticalbasisandapplicabletotheelassifiea—
tionofthemodeidentificationwithsmallsamples．Incombinationwithfeaturesofthevibratingsignalsoftheturbine—generatorunit，the
Hilbert—Huangconversionisappliedtohnadlethesingal atfirst；then，theIMFfunctional eneryg valueisutilizedasthebasicelementto
ofrm thecharacteristicvector．Finally，thecharacteristicvectorisinputintoSVM ofrthemodeidentification．Thestudyresultsshow that
theSVM methodissimple，effectiveandpractical ofrtheclassificationwithsmallsma ples．
Keywords：supportvectormachine；classifier；modeidentification；statusinspectionnadma intennace；staticlearningtheory；structural
risk；generalizedoptimum classifyingplane
0 前 言 机组
文档评论（0）