PCA和GA-PSO-RBF集成的发电机组远程故障诊断

被引：23

作者：

钱玉良 ^{[1
]}

张浩 ^{[1
,2
]}

彭道刚 ^{[1
]}

徐春梅 ^{[1
,2
]}

机构：

[1] 同济大学电子与信息工程学院

[2] 上海电力学院电力与自动化工程学院

来源：

电子测量与仪器学报 | 2012年 / 26卷 / 07期

基金：

国家自然科学基金重点项目;

关键词：

远程; 数据采集; 主元分析(PCA); 遗传-粒子群算法(GA-PSO); RBF神经网络; 发电机组; 故障诊断;

D O I：

暂无

中图分类号：

TM307.1 [];

学科分类号：

摘要：

首先基于LPC2290核心芯片的arm嵌入式工控平台设计了远程数据采集系统,使故障诊断系统通过Internet在线获取发电机组状态数据。然后给出了主元分析(PCA)和GA-PSO-RBF神经网络集成的故障诊断方法。故障模式向量先通过PCA降维,降低RBF神经网络的规模和计算时间。针对RBF神经网络参数难以设置、收敛速度慢等不足,介绍了一种具有遗传算法中的选择、交叉、变异操作的遗传-粒子群算法(GA-PSO),用于RBF神经网络的参数优化过程。最后以转子振动试验台仿真发电机组,实现了状态信息的远程获取;通过故障诊断仿真测试验证了PCA和GA-PSO-RBF集成诊断方法的有效性。

引用

页码：597 / 604

页数：8

共 16 条

[1]

基于改进粒子群优化的无线传感器网络定位算法 [J].