基于KPCA和PNN的高加系统故障诊断

• 作者: 司风琪 徐治皋 毕小龙 王洪跃
• 来源期刊: 汽轮机技术
• 学科: 工学
• 关键词: 高加系统 核主元分析 概率神经网络 故障诊断
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 运行维护
• 页码范围: 386-388,392
• 页数: 4页
• 分类号: TK26
• 字数: 3634字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-5884.2006.05.021

摘要

提出了一种新的高加系统故障诊断方法.首先使用核主元分析方法进行特征提取,降低数据维数,既简化了诊断过程,又提高了故障诊断的精度.然后使用概率神经网络进行故障模式识别.该神经网络训练速度快,容易添加新的训练样本.最后将该方法用于某汽轮机组高加系统故障诊断中,取得了较好的诊断效果,表明该方法具有一定的工程实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐治皋	东南大学动力工程系	213	2895	28.0	40.0
2	司风琪	东南大学动力工程系	157	1548	21.0	30.0
3	王洪跃	东南大学动力工程系	21	303	9.0	17.0
4	毕小龙	东南大学动力工程系	24	342	9.0	18.0