基于变分模态分解和改进模糊支持向量机的 汽轮机故障诊断方法

• 作者: 张栋良 李帅位 黄昕宇
• 来源期刊: 济南大学学报（自然科学版）
• 学科: 工学
• 关键词: 变分模态分解 模糊支持向量机 故障诊断
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 自动控制
• 页码范围: 142-149
• 页数: 8页
• 分类号: TK26
• 字数: 5614字
• 语种: 中文
• DOI: 10.13349/j.cnki.jdxbn.2019.02.009

摘要

针对现有方法在汽轮机故障诊断中存在影响诊断结果的样本、诊断准确率不高等缺陷,提出了基于变分模态分解(VMD)和改进的模糊支持向量机(FSVM)相结合的故障诊断模型;采用VMD对信号进行分解,并计算出各模态分量的样本熵值作为特征值,构造特征向量;通过核模糊C均值(KFCM)聚类算法计算出不同特征向量的模糊隶属度值,并将其引入支持向量机(SVM)中形成FSVM故障诊断识别模型,同时采用粒子群算法(PSO)优化FSVM中的参数;通过本特利RK4型转子试验台模拟汽轮机故障,将得到的数据输入诊断模型中进行实验.结果表明,在保证诊断模型性能的前提下,与传统SVM相比,基于VMD和改进的FSVM方法可以有效提高汽轮机故障诊断的准确率,而且诊断时间更短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李帅位	上海电力学院自动化工程学院	4	10	2.0	3.0
2	张栋良	上海电力学院自动化工程学院	13	17	2.0	3.0
3	黄昕宇	上海电力学院自动化工程学院	5	10	2.0	3.0