信息融合技术在大型发电机故障诊断中的应用

被引:3
作者
王敏珍 [1 ]
张志辉 [2 ]
裴玉杰 [3 ]
机构
[1] 长春工程学院
[2] 大唐长春第三热电厂
[3] 抚顺供电公司
关键词
支持向量机; 故障诊断; 信息融合; 证据理论;
D O I
暂无
中图分类号
TM311 [汽轮发电机];
学科分类号
摘要
研究大型发电机故障诊断问题,大型发电机组故障具有复杂性和多样性,单从某一方面进行故障诊断,诊断结果比较低。为提高了大型发电机故障诊断准确率,提出一种基于信息融合技术的大型发电机故障诊断方法。首先对故障特征进行提取和降维,然后采用多个支持向机对大型发电机组故障进行初步诊断,获得相互独立的证据,最后对各证据采用DS证据理论融合算法进行融合,从而实现对大型发电机故障的准确诊断。仿真结果表明,采用信息融合的故障诊断系统有效地提高了大型发电机故障的诊断精度,增加故障诊断结果的置信度。
引用
收藏
页码:349 / 352
页数:4
相关论文
共 7 条
[1]   汽轮机通流部分故障诊断模型的研究 [J].
史进渊 .
中国电机工程学报, 1997, (01) :29-32
[2]   水电机组振动故障的信息融合诊断与仿真研究 [J].
赵道利 ;
马薇 ;
梁武科 ;
罗兴锜 .
中国电机工程学报, 2005, (20) :137-142
[3]   智能诊断技术在水电机组振动故障诊断中的应用 [J].
郭磊 ;
刘德辉 ;
李志红 .
水电能源科学, 2009, 27 (04) :178-180
[4]   基于信息融合技术的大型水轮发电机故障诊断 [J].
贺建军 ;
赵蕊 .
中南大学学报(自然科学版), 2007, (02) :333-338
[5]   一种基于D-S证据理论的水轮机故障诊断方法 [J].
杨志荣 ;
周建中 .
水电能源科学, 2009, 27 (02) :152-154+148
[6]   基于粒子群优化RBF神经网络的水轮发电机组振动故障诊断 [J].
贾嵘 ;
陈晓芸 ;
李辉 ;
席文飞 .
西北农林科技大学学报(自然科学版), 2009, 37 (06) :229-234
[7]   基于D-S推理的汽轮发电机组融合诊断 [J].
董彩凤 ;
马平 ;
隗喜斌 .
汽轮机技术, 2003, (02) :116-118