基于改进PCA联合SVM的电厂设备故障诊断方法

• 作者: 刘兴彦 郑迎九 杭州华电半山发电有限公司
• 来源期刊: 计算技术与自动化
• 学科: 工学
• 关键词: 故障诊断 主成分分析 燃气轮机 贝叶斯理论 特征提取
• 年，卷（期）: 2024,（3）
• 所属期刊栏目: 自动控制理论及应用
• 页码范围: 27-31
• 页数: 5页
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202303005

摘要

转子系统是燃气轮机极为重要的组成部件，对其进行故障诊断与分析对燃气轮机的安全稳定运行具有重要意义。转子故障信号为典型的非线性、非平稳和微弱性时间序列。提出了一种基于改进主成分分析(Improved Principal Component Analysis, ImPCA)的燃气轮机转子故障诊断方法。首先针对传统PCA主分量个数确定难题，将贝叶斯理论引入PCA,构建贝塔先验主成分分析模型对转子故障信号进行自适应分解，将其转化为少数几个主分量(Principal Component, PC)之和的形式，然后将PC对应的大特征值作为特征向量并构建SVM分类器进行分类，实现对“不平衡故障”“动静件碰磨故障”和“不对中故障”三种燃气轮机转子故障的有效分类诊断。基于实际数据的实验结果表明，所提方法能够获得97.2%的平均诊断正确率，并且具有噪声稳健性，适用于实际工程应用场景。