基于深度学习的发电机故障挖掘方法研究

• 作者: 谢川
• 来源期刊: 电网与清洁能源
• 学科: 工学
• 关键词: 发电机 故障诊断 数据挖掘
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 智能电网
• 页码范围: 8-13
• 页数: 6页
• 分类号: TH165.3
• 字数: 3361字
• 语种: 中文

摘要

发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障.通过对发电机故障特征数据的挖掘,可实现故障诊断.传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降.提出一种基于深度学习支持向量机的发电机故障挖掘算法.对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢川	空军工程大学航空航天工程学院	33	231	10.0	14.0