文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 能源/化工 > 基于K—L变换的支持向量机在汽轮机故障诊断中的应用
侵权投诉

基于K—L变换的支持向量机在汽轮机故障诊断中的应用

支持向量机应用于故障诊断是近年来研究的热点,在支持向量机算法的基础上,以汽轮机故障为例,引入了K—L变换对故障特征进行提取。结果表明,经K—L变换后的支持向量机算法能够保证故障信息的完整性,有效识别临界故障状态,提高了故障的分类精度,扩展了支持向量机的应用范畴。

维普资讯 doc.guandang.net

第4 9卷第 2期 20 0 7年 4月

汽

轮

机

技

术

Vo . 9 No 2 14 .

TURBI NE ECHNOLOGY r

Ap . 0 7 t2 0

基于 K—L变换的支持向量机在汽轮机故障诊断中的应用 张超韩璞唐贵基,, ( 1华北电力大学机械工程学院,定 0 10 2华北电力大学自动化系,定 0 10 )保 703;保 703 摘要:支持向量机应用于故障诊断是近年来研究的热点,支持向量机算法的基础上,在以汽轮机故障为例,引入了 K—L变换对故障特征进行提取。结果表明, K—经 L变换后的支持向量机算法能够保证故障信息的完整性,效有识别临界故障状态,提高了故障的分类精度,扩展了支持向量机的应用范畴。 关键词:支持向量机; K—L变换;特征提取;故障诊断 分类号: K 6 . T 24 1+1文献标识码: A文章编号:0 15 8 (0 7 0 -180 10—8 4 20 )204 -3

A piaino u p r VetrMahn sdo—L Ta s r i ubn a l Dig oi p l t fS p ot co c ieBae nK - rnf m nT rieF ut an ss c o o Z N ho . A u .A GG ii HA G C a H N P T N u- j ( col f c a i l n ier g N r hn lc ct P w r nvri, adn 7 0 3 C i; 1Sh o o h n a E gne n, ot C iaEet i o e i sy B o ig 10, hn Me c i h i r y U e t 0 a

2D p r e t f uo ai, o hC iaEetct P w r nvr t, adn 7 0 3,hn ) ea m n o A tm t n N r hn lc i o e i sy B oig0 10 C ia t o t i r y U ei Ab t a t T e a p ia in o u p r v co c ie i a l d a n ss i te r s ac o s o s i e e ty as T i p p r sr c: h p l t fs p ot e trma h n n f ut ig o i s h e e r h h tp t n r c n e r. h s a e c o i t e e r h st e ag r h fs p o e trma hn,a d ito u e

f s r s a c e h l o t m o u p r v co c i e n n rd c sK—L t n fr meh d t x rc h h r ce si r i t a s m t o o e t tte c a a tr t r o a i c o e d a n sso u b n . T e r s l i d c t st a h lo t m f u p r v co c ie b s d o —L t n f r a f h ig o i ftr ie h e u t n ia e t e ag r h o p o e trma h n a e n K t h t i s t r so c n a m e s r h ne r i fd a n s h r ce si,a d ef ciey r c g i h r ia d a o i,w ih i r v st e p e i n ue te itg a t o ig o i c a a t r t l y s i c n f t l e o z te c t l ig ss h c mp o e r c— e v n e i c n h s n o ls i c t n a d e tn st e a p iain b u d o u p r v co c ie i f a s a i n xe d h p l t o n fs p o e trma h n . o c i f o c o t Ke r s s p o v c o c i e K—L r n f r;e t r x r c in;a l d a n s y wo d: u p ̄ e t r ma h n; t a s o m fa u e e t a t o fut ig o i s

以保证分类的精度,可以降低变换维数以减少计算量,还是

0前

言

提取故障特征的有效手段。本文尝试在 K—L变换基础上采

用支持向量机对汽轮机故障进行分类,取得了较好的诊断效 统计学习理论 ( L是 V A N K在 2 ST) .V P I 0世纪 7 0年 果。

代末提出的针对小样本统计问题的新的理论体系。统计学 习理论给出了结构风险最小化原理和 V C维 ( ank—C e— V p i hr vnn i Dm ni ) o eks ie s n的概念, o指出为了最小化期望风险,必须同时最小化经验风险和 V C维。与传统统计学相比,统计学习理论着重研究有限样本情况下的统计规律和学习方法,追求得到现有信息条件下的最优解。 支持向量机 ( u pr V c r ci, S po et h e简称 S M)一 t o Ma n V是 1

1支持向量机原理 .

1故障分类方法 支持向量机是从线性可分情况下的最优分类面发展而来的,基本思想可用图 1的二维分类情况说明。图中,心实点和空心点分别代表两类样本,H为分类线, 分别为 H、过两类中离分类线 H最近的样本且平行于分类线 H的直线,

种建立在统计学习理论和结构风险最小化原理基础上的新型学习机器,它根据有限的样本信息在模型的复杂性 (即对特定训练样本的精度 )与学习能力 (即无错误地识别任意样 本的能力 )间寻求最佳折衷,之以获得最强的推广能力。

它们之间的距离称为分类间隔( ag ) M ri。所谓最优分类线 n 就是要求分类线不但能将两类正确分开 (训练错误率为 0, )

而且使分类间隔最大。推广到高维空间,最优分类线就成为 最优分类面。

本文针对汽轮机故障诊断中的故障分类问题,采用支持向量机对实际收集到的数据样本进行处理。经计算发现,采用常规支持向量机进行分类,并不能达到 10的正确率, 0%其主要原因在于,包含在有限样本中的故障特征在进行求解时有可能丢失。因此,必须采用适当的方法将故障特征提取出来,尽量保证故障信息的完整。K—L变换本质上是一种正交变换,它采用的变换矩阵是样本的特征向量矩阵,不但可 收稿日期:0 60 -9 20 -32

设样本集为(,,中:∈R,一1+1,=1 Y)其 Y∈{,}i, 2…,,, nd为样本点向量的维数,分类面方程为 +b=。 0 对样本数据进行归一化处理,使离分类面最近的样本点到分

类面的距离等于 1则分类面对所有样本点应满足:, Y[ )+b ( f]≥ 1 i 12…,,=,, n () 1此时,分类间隔为 2 i l,/l l使分类间隔最大等价于使

基金项目:华北电力大学博士教师学位科研基金( 20 3 2资助。 9 14 9 )

作者简介:张

超( 9 8)男, 17 -,讲师,博士研究生,研究方向为汽轮机状态监测与故障诊断。

基于K—L变换的支持向量机在汽轮机故障诊断中的应用

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email