基于支持向量机方法的水电机组状态识别.docx

西北水电·

西北水电·2013年·第3期

机电与金属结构

文章编号：1006—2610(2013)03—0058—04

基于支持向量机方法的水电机组状态识别

杜洪斌1,张雷2,李明桥3,侯纪坤3,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-GeneratorUnitBasedonSupportVectorMachineMethod

DUHong-bin1,ZHANGLei2,LIMing-qiao3,HOUJi-kun3,BAILiang4

(1.Datang(Laos)SanakhamHydropowerCo.,Lad.,Vientiane;2.XianElectricPowerCollege,Xian710032,China;

3.HYDROCHINAXibeiEngineeringCorporation,Xian710065,China;4.XianUniversityofTechnology,Xian710048,China)

Abstract:Thetheoryonthemodeidentificationisthebaseforthestatusidentificationandfaultdiagnosingoftheturbine-generatorunit.

Theclassifiersindifrenttypesareselectedtorealizethemodeidentification.Thesupportvectormachine(SVM)methodffectivelyo-vercomesdemeritsoftheconventionalclassifyingmethods.Themethodiswithstrongertheoreticalbasisandapplicabletotheclasifica-tionofthemodeidentificationwithsmallsamples.Incombinationwithfeaturesofthevibratingsignalsoftheturbine-generatorunit,theHilbert-Huangconversionisapliedtohandlethesignalatfirst;then,theIMFfunctionalenergyvalueisutilizedasthebasicelementtoformthecharacteristicvector.Finally,thecharacteristicvectorisinputintoSVMforthemodeidentfication.ThestudyresultsshowthattheSVMmethodissimple,effectiveandpracticalfortheclassificationwithsmallsamples.

Keywords:supportvectormachine;classfier;modeidentification;statusinspectionandmaintenance;staticlearningtheory;structuralrisk;generalizedoptimumclassifyingplane

0前言

中国水电厂长期实