支持向量机和BP神经网络在水轮发电机轴承故障诊断中的应用

被引：16

作者：

张锋利 ^{[1
]}

陈文献 ^{[2
]}

贾海英 ^{[3
]}

机构：

[1] 陕西地方电力设计有限公司

[2] 安康供电局

[3] 广东技术师范学院天河学院

来源：

电网与清洁能源 | 2013年 / 29卷 / 04期

关键词：

水轮发电机滚动轴承; 经验模态分解; BP神经网络; 支持向量机;

D O I：

暂无

中图分类号：

TV738 [养护、维修]; TP183 [人工神经网络与计算];

学科分类号：

081504 [水利水电工程]; 140502 [人工智能];

摘要：

支持向量机(SVM)与BP神经网络相比各有优缺点,通过对支持向量机和BP神经网络在水轮发电机滚动轴承故障诊断中的仿真实验,来对比两者在轴承故障诊断上的泛化能力。首先通过应用经验模态分解(EMD)的方法将轴承振动信号进行分解,得到本征模函数(IMF),再将IMF的平均能量值作为故障特征向量。将这些特征向量作为支持向量机和BP神经网络的学习样本。经过仿真研究结果表明,在小样本集的前提下,支持向量机在轴承故障诊断中的精确度不但受样本数量变动的影响较小,准确度也高于BP神经网络,具有较强的泛化能力。对水轮发电机滚动轴承故障诊断模型的应优先考虑选择SVM。

引用

页码：62 / 66

页数：5

共 12 条

[1]

EMD和模糊神经网络在滚动轴承故障诊断中的研究与应用 [D].