基于Morlet小波核多类支持向量机的故障诊断

• 作者: 周建萍 王志萍 郑应平
• 来源期刊: 华东电力
• 学科: 工学
• 关键词: 核函数 Morlet小波 故障诊断 支持向量机
• 年，卷（期）: 2008,（8）
• 所属期刊栏目: 发电技术
• 页码范围: 76-80
• 页数: 5页
• 分类号: TK323|TP391.5
• 字数: 3466字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9529.2008.08.019

摘要

故障诊断问题实质上是一个模式识别问题,即多分类问题.采用Morlet小波来构造支持向量机(Support Vector Machine, SVM)的核函数,Morlet小波核SVM比普通SVM具有更好的鲁棒性和更强的泛化能力.在一对一算法的基础上实现Morlet小波核多类支持向量机的故障诊断,并将此方法成功应用于电厂汽轮发电机组的故障诊断.实验仿真结果表明Morlet小波核多类SVM故障分类器比BP神经网络训练和测试速度快,且其分类精度在高斯噪声干扰下还保持100%,比BP神经网络高出11.8%.因此该方法能够快速而准确地对电厂汽轮发电机组的故障进行诊断,满足电力系统实时操作的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周建萍	上海电力学院电力与自动化工程学院	50	195	8.0	10.0
5	郑应平	同济大学电子与信息工程学院	74	440	12.0	15.0
6	王志萍	上海电力学院电力与自动化工程学院	50	369	12.0	16.0