基于模糊K近邻支持向量数据描述的水电机组振动故障诊断研究

• 作者: 付文龙 周建中 朱文龙 李超顺 肖剑 肖汉
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 支持向量数据描述(SVDD) K近邻(KNN) 模糊阈值 不平衡 故障诊断
• 年，卷（期）: 2014,（32）
• 所属期刊栏目: 动力机械与工程
• 页码范围: 5788-5795
• 页数: 8页
• 分类号: TM312|TP18
• 字数: 4768字
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.2014.32.013

摘要

水电机组振动故障诊断中常面临样本稀缺及分布不均匀、不平衡等问题，严重影响诊断结果。针对此类问题提出一种基于模糊K近邻(K nearest neighbor，KNN)支持向量数据描述(support vector data description，SVDD)的故障诊断模型。首先利用核变换将故障样本映射到高维特征空间，并采用 SVDD 提取不平衡故障样本域的边界支持向量样本，构建基于相对距离模糊阈值和KNN的决策规则，最终在此基础上建立机组故障诊断模型。用该模型对经过不平衡处理的国际标准测试数据样本进行测试实验，并与支持向量机(support vector machine，SVM)及目前应用较多的SVDD模型的分类结果进行对比，结果表明该模型可有效解决不平衡样本分类倾斜性问题。最后，将模型用于某水电厂机组振动故障诊断，取得了较高的诊断精度，证明了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周建中	华中科技大学水电与数字化工程学院	395	5250	35.0	50.0
2	李超顺	华中科技大学水电与数字化工程学院	35	493	14.0	21.0
3	肖剑	华中科技大学水电与数字化工程学院	22	355	11.0	18.0
4	肖汉	华中科技大学水电与数字化工程学院	11	227	8.0	11.0
5	付文龙	华中科技大学水电与数字化工程学院	4	33	2.0	4.0
6	朱文龙	华中科技大学水电与数字化工程学院	5	117	3.0	5.0