基于Choquet模糊积分的水电机组振动故障诊断

被引：5

作者：

张彼德 ^{[1
]}

田源 ^{[1
,2
]}

邹江平 ^{[1
]}

刘秀峰 ^{[1
]}

吴华丰 ^{[2
]}

隆力 ^{[2
]}

机构：

[1] 西华大学电气信息学院

[2] 中国国电集团电南桠河发电厂

来源：

振动与冲击 | 2013年 / 32卷 / 12期

关键词：

水电机组; 故障诊断; 加权贝叶斯; 模糊积分;

D O I：

10.13465/j.cnki.jvs.2013.12.032

中图分类号：

TV738 [养护、维修];

学科分类号：

081504 ;

摘要：

为提高水电机组故障诊断的准确性,提出了基于Choquet模糊积分融合的多分类器组合故障诊断方法,对朴素贝叶斯分类器进行了基于属性相似度的加权改进,得到基于属性相似度的加权朴素贝叶斯分类器(Attribute Similarity Weighted Naive Bayes Classifier,简称SWNBC),并应用基于Mahalanobis距离的分类器(Mahalanobis Distance Classifier,简称MDC)与BP神经网络(BP neural network)组合成为SWNBC+MDC+BP的多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用模糊积分法来决定最终的故障类型。实验结果表明该模型相对于单一的分类器,能有效提高识别故障的精度。

引用

页码：61 / 66

页数：6

共 15 条

[1]

基于支持向量机的水电机组故障诊断研究.[D].邹敏.华中科技大学.2007, 05

[2]

水电机组振动故障的智能诊断方法研究.[D].彭文季.西安理工大学.2007, 04

[3]

多分类器融合中常用模糊积分的比较.[D].姜学东.河北大学.2010, 11

[4]

基于模糊积分的多分类器融合研究.[D].王晓君.河北大学.2005, 07