基于流形學習的汽輪機轉子振動故障診斷.pdf

1、汽輪發(fā)電機組作為電廠的核心設備，其穩(wěn)定安全的運行對國民經(jīng)濟建設和生活起著重要的作用。汽輪機發(fā)電機組結構復雜，一旦出現(xiàn)故障會嚴重影響整個發(fā)電廠的運行，所以研究汽輪發(fā)電機組的故障診斷技術具有重要的現(xiàn)實意義。
　　 針對汽輪機轉子振動故障診斷中特征量維數(shù)高、非線性等難以有效處理的問題，本文研究了非線性降維方法----流形學習的理論與方法，首先將流形學習與PCA等特征約簡方法進行對比分析，從理論上保證流形學習在故障診斷特征提取中的適用性

2、，其次建立基于流形學習的汽輪機轉子故障特征提取方法的數(shù)學模型，由于流形學習算法中的鄰域值嵌入維數(shù)等參數(shù)難以預先給定，導致特征提取效果難以得到滿足，以故障診斷精度為優(yōu)化目標，研究最優(yōu)參數(shù)確定準則。將建立的特征提取方法模型應用于汽輪機轉子典型故障振動信號的特征提取過程，并將特征提取后的故障樣本作為概率神經(jīng)網(wǎng)絡的輸入建立故障診斷神經(jīng)網(wǎng)絡，對測試樣本進行診斷，流形學習特征提取方法在保持原始信息的情況下，濾除了不相關的變量信息，提高故障樣本的分類