基于 HMM／SVM 的风电设备故障趋势预测方法研究

• 作者: 吴国新 左云波 许宝杰 谢松汕
• 来源期刊: 计算机测量与控制
• 关键词: 风力发电设备 故障诊断 隐马尔可夫模型 支持向量机
• 年，卷（期）: 2014,（1）
• 页码范围: 39-41
• 页数: 3页
• 分类号: TP301
• 语种: 中文

摘要

由于风力发电设备复杂且积累的资料与故障样本少；传统的诊断方法，例如神经网络，忽视了前与后关系，且需要大量故障训练样本，往往都不能有效的进行故障诊断；结合隐马尔可夫模型（HiddenMarkovModel，HMM）有利于处理连续动态信号，以及支持向量机（SupportVectorMachine，SVM）分类能力强的优点；提出了基于 HMM/SVM 串联结构的故障诊断模型；首先通过从风电设备振动信号中有效提取非平稳特征，利用 HMM 计算未知信号与风力发电设备各状态的匹配程度，形成特征向量提供给 SVM 最后判别，实验结果表明该方法比单纯 HMM 和SVM 识别率分别提高了9．17％和5．84％。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许宝杰	北京信息科技大学现代测控教育部重点实验室	41	173	8.0	12.0
2	吴国新	北京信息科技大学现代测控教育部重点实验室	76	337	10.0	15.0
3	左云波	北京信息科技大学现代测控教育部重点实验室	52	200	9.0	12.0
4	谢松汕	北京信息科技大学现代测控教育部重点实验室	2	18	2.0	2.0