文档介绍：华北电力大学(保定)
硕士学位论文
基于主成分分析和支持向量机的汽轮机故障诊断研究
姓名:司娟宁
申请学位级别:硕士
专业:控制科学与工程;控制理论与控制工程
指导教师:董泽
2011-03
华北电力大学硕士学位论文
摘

要
汽轮发电机组是电力生产的重要设备,由于其设备结构的复杂性和运行环
境的特殊性,汽轮发电机组的故障率不低,而且故障危害性也很大。因此,汽
轮发电机组的故障诊断一直是故障诊断技术应用的一个重要方面。
本文对汽轮机振动故障诊断系统的体系结构、诊断方法做了深入的分析和
研究,针对诊断系统中普遍存在的故障样本数量缺乏;诊断参数涉及的范围广、
层次复杂;故障信号中包含噪声;故障征兆的表达不明确、层次分类不清楚、
关联度较差等重点问题进行了研究,主要包括以下内容:
1、支持向量机是建立在统计学习理论基础上的新型学习机器,其最大优势
在于它能够适合于小样本的故障分类决策。将支持向量机应用于汽轮机故障诊
断领域,能够有效提高诊断的准确率,具有很好的理论和实用价值。
2、在支持向量机的优势基础上,将认知科学引入信息的预处理环节,使用
认知几何方法将认知能力模型化,建立认知相对性规律的几何化模型,减少了
噪音的影响,同时提高了数据的可分性。
3、采用主成分分析方法进行特征提取,在损失信息最小的情况下用较少的
变量代替原来的高维变量,消除不相关的信息,不仅降低了计算量同时也提高
了分类器的诊断精度。
4、以几种典型的汽轮机振动故障作为研究对象,建立了基于最优特征的分
类模型。仿真实验结果表明,本文提出的诊断方法准确率高,鲁棒性强,具有
很好的推广价值和应用前景。
关键词:汽轮机;故障诊断;支持向量机;主成分分析;认知几何
I
华北电力大学硕士学位论文
Abstract
Turbine generator is an important equipment of power production. Due to the
complexity of the equipments and the particularity of the operating environments, the
failure rate of turbine-generator units is pretty high, meanwhile the consequences are
very great. Therefore, fault diagnosis of turbine-generator has been an important aspect
of fault diagnosis technology.
This paper makes an in-depth analysis and research of the architecture and the
diagnostics of vibration fault diagnosis system for turbine. The paper mainly works on
mon problems in the process of fault diagnosis, such as: lack of fault samples;
parameters for diagnosis involves a wide range and have plex level; fault signal
contains noise; failure The expression of symptoms is not clear, hierarchical
classification is very fuzzy, poor correlation , including the following:
1. Support Vector Machines (SVM) is a new learning machine based on statistical
learning theory, its biggest advantage is that it can fit in small samples of the fault
classification decisions. Application of SVM in turbine fault diagnosis, can improve the
accuracy of diagnosis and has a good theoretical and practical value.
2. Based on the advantages