基于多分类相关向量机的水电机组振动故障诊断

• 作者: 刘宇芳 易辉 李丽娟 梅磊 袁宇浩
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 相关向量机 水电机组 振动 故障诊断 多分类 决策导向图
• 年，卷（期）: 2014,（17）
• 所属期刊栏目: 动力机械与工程
• 页码范围: 2843-2850
• 页数: 8页
• 分类号: TP18|TM311
• 字数: 4763字
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.2014.17.013

摘要

水电机组振动故障成因与故障征兆之间呈复杂的非线性关系，传统方法难以描述。当前研究常采用模式识别方法，如支持向量机、神经网络等实现振动故障诊断。该文在现有研究基础上，引进相关向量机(relevance vector machine， RVM)对诊断过程进行改进。相比传统方法，该文所提方法在学习过程中参数设置简单，在输出结果时给出了分类的可靠性，适合实际工程应用。同时，该方法在决策过程中，能够根据训练数据分布情况，自动选取决策结构，进一步提高诊断的速度与准确性。将该文所提诊断方法用于水电机组振动故障诊断实例，取得良好效果，验证了算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李丽娟	南京工业大学自动化与电气工程学院	54	285	9.0	13.0
2	袁宇浩	南京工业大学自动化与电气工程学院	26	200	7.0	13.0
3	梅磊	南京工业大学自动化与电气工程学院	54	346	10.0	15.0
4	易辉	南京工业大学自动化与电气工程学院	16	66	4.0	8.0
5	刘宇芳		1	30	1.0	1.0