基于SVD和DBN的水电机组故障诊断

• 作者: 李辉 范智超 李华 白亮 贾嵘 罗兴锜
• 来源期刊: 水力发电学报
• 学科: 工学
• 关键词: 水电机组 故障诊断 奇异值分解 深度置信网络
• 年，卷（期）: 2020,（12）
• 页码范围: 104-112
• 页数: 9页
• 分类号: TM312
• 语种: 中文
• DOI: 10.11660/slfdxb.20201210

摘要

针对水电机组早期故障信号信噪比低的问题,本文将奇异值分解(SVD)和深度置信网络(DBN)相结合进行故障诊断.首先,利用包含噪声的振动信号构造Hankel矩阵,对其进行奇异值分解,采用奇异值差分谱法选取有效奇异值进行相空间重构,实现降噪的目的;然后,对降噪后的振动信号进奇异值分解,用所得的整个奇异值序列构造特征向量;最后,建立深度置信网络分类器模型,实现水电机组的故障诊断.同时,将所提方法与BP神经网络,多分类支持向量机进行对比.结果表明,本文所提方法能够更加可靠高效地识别故障类型,具有一定的应用价值.