基于核主元分析与模糊神经网络的汽轮发电机振动故障诊断方法
Kernel Principal Component Analysis and Fuzzy Neural Network for Turbo-generator Vibration Fault Diagnosis作者机构:西安理工大学水利水电学院西安710048 重庆江北中学重庆400714
出 版 物:《大电机技术》 (Large Electric Machine and Hydraulic Turbine)
年 卷 期:2016年第6期
页 面:16-21页
学科分类:080801[工学-电机与电器] 0808[工学-电气工程] 08[工学]
基 金:国家自然基金资助项目(51279161 E090604) 陕西省科学技术研究计划资助项目(2010K733)
主 题:汽轮发电机 振动 故障诊断 核主元分析 模糊神经网络
摘 要:针对现有汽轮发电机振动故障诊断运算量大、时间长的问题,本文提出基于核主元分析与模糊神经网络的汽轮发电机振动故障诊断方法。首先采用核主元分析并经矩阵变换和降维来提取故障的主要特征值,其次将提取(降维后)的数据作为Takagi-Sugeno模糊神经网络输入数据,最后在Matlab中建立Takagi-Sugeno型自适应模糊神经网络进行训练测试。该方法用较少的数据代表原数据的最大信息量,并且仿真与标准的模糊神经网络、BP神经网络进行性能对比,最后仿真结果表明该方法的有效性,并且具有诊断速度快、收敛迅速和故障诊断效率高等特点。