基于改进PCA联合SVM的电厂设备故障诊断方法

作     者：刘兴彦 郑迎九 LIU Xing-yan;ZHENG Ying-jiu

作者机构：杭州华电半山发电有限公司浙江杭州310015 

出 版 物：《计算技术与自动化》 (Computing Technology and Automation)

年 卷 期：2023年第42卷第3期

页      面：27-31页

学科分类：080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：中国华电集团有限公司项目资助(JG0120190686) 

主　　题：故障诊断 主成分分析 燃气轮机 贝叶斯理论 特征提取 

摘      要：转子系统是燃气轮机极为重要的组成部件,对其进行故障诊断与分析对燃气轮机的安全稳定运行具有重要意义。转子故障信号为典型的非线性、非平稳和微弱性时间序列。提出了一种基于改进主成分分析(Improved Principal Component Analysis,ImPCA)的燃气轮机转子故障诊断方法。首先针对传统PCA主分量个数确定难题,将贝叶斯理论引入PCA,构建贝塔先验主成分分析模型对转子故障信号进行自适应分解,将其转化为少数几个主分量(Principal Component,PC)之和的形式,然后将PC对应的大特征值作为特征向量并构建SVM分类器进行分类,实现对“不平衡故障“动静件碰磨故障和“不对中故障三种燃气轮机转子故障的有效分类诊断。基于实际数据的实验结果表明,所提方法能够获得97.2%的平均诊断正确率,并且具有噪声稳健性,适用于实际工程应用场景。