基于粗糙集和多类支持向量机的水电机组振动故障诊断

被引:30
作者
张孝远
周建中
黄志伟
李超顺
贺徽
机构
[1] 华中科技大学水电与数字化工程学院
关键词
水电机组; 粗糙集; 支持向量机; 故障诊断;
D O I
10.13334/j.0258-8013.pcsee.2010.20.018
中图分类号
TV738 [养护、维修];
学科分类号
摘要
针对水电机组常规振动故障诊断分类器不能反映分类中的不确定信息的不足,提出一种基于粗糙集的一对一(1-v-1)多类支持向量机分类方法。该方法充分利用粗糙集对不确定、不完整数据和复杂模式的良好刻画能力及支持向量机优秀的泛化能力,应用粗糙集最核心的思想:上、下近似来描述支持向量机分类结果。结合1-v-1方法实现支持向量机的多类分类,导出多类分类时样本的上、下近似和边界区域的集合表示,并以规则的形式对分类器进行描述。用所提方法对国际标准测试数据进行实验,并应用于某水电厂机组振动故障诊断。所得结果与单纯1-v-1多类支持向量机方法比较,结果表明该分类器具有规则简洁、分类阶段所需存储空间小,能够反映故障模式分类中的不确定信息等优点。
引用
收藏
页码:88 / 93
页数:6
相关论文
共 13 条
[1]   基于粗糙集理论和支持向量机算法的核电厂故障诊断方法 [J].
徐金良 ;
陈五星 ;
唐耀阳 .
核动力工程 , 2009, (04) :52-54+85
[2]   基于粗糙集和支持向量机的水电机组振动故障诊断 [J].
彭文季 ;
罗兴锜 .
电工技术学报, 2006, (10) :117-122
[3]   基于粗糙集与支持向量机的发动机故障诊断研究 [J].
周瑞 ;
杨建国 .
内燃机学报, 2006, (04) :379-383
[4]   基于双参数方法的水轮发电机组故障诊断规则表示和推理问题研究 [J].
宋光雄 ;
何永勇 ;
褚福磊 .
中国电机工程学报, 2006, (11) :87-92
[5]   用于水电厂设备的故障诊断的贝叶斯网络模型 [J].
张晓丹 ;
赵海 ;
谢元芒 ;
尹震宇 .
东北大学学报, 2006, (03) :276-279
[6]   基于频谱法与径向基函数网络的水电机组振动故障诊断 [J].
彭文季 ;
罗兴锜 ;
赵道利 .
中国电机工程学报, 2006, (09) :155-158
[7]   贝叶斯分类器与粗糙集相结合的变压器综合故障诊断 [J].
朱永利 ;
吴立增 ;
李雪玉 .
中国电机工程学报, 2005, (10) :159-165
[8]   信息融合技术在水轮发电机组故障诊断中的应用 [J].
杨晓萍 ;
南海鹏 ;
张江滨 .
水力发电学报, 2004, (06) :111-115
[9]   电力变压器故障诊断专家系统知识库建立和维护的粗糙集方法 [J].
束洪春 ;
孙向飞 ;
司大军 .
中国电机工程学报, 2002, (02) :32-36
[10]   水轮发电机组振动故障诊断与识别 [J].
沈东 ;
褚福涛 ;
陈思 .
水动力学研究与进展(A辑), 2000, (01) :129-133