基于流形學(xué)習(xí)的汽輪機(jī)轉(zhuǎn)子振動故障診斷.pdf

1、汽輪發(fā)電機(jī)組作為電廠的核心設(shè)備，其穩(wěn)定安全的運(yùn)行對國民經(jīng)濟(jì)建設(shè)和生活起著重要的作用。汽輪機(jī)發(fā)電機(jī)組結(jié)構(gòu)復(fù)雜，一旦出現(xiàn)故障會嚴(yán)重影響整個發(fā)電廠的運(yùn)行，所以研究汽輪發(fā)電機(jī)組的故障診斷技術(shù)具有重要的現(xiàn)實意義。
　　 針對汽輪機(jī)轉(zhuǎn)子振動故障診斷中特征量維數(shù)高、非線性等難以有效處理的問題，本文研究了非線性降維方法----流形學(xué)習(xí)的理論與方法，首先將流形學(xué)習(xí)與PCA等特征約簡方法進(jìn)行對比分析，從理論上保證流形學(xué)習(xí)在故障診斷特征提取中的適用性

2、，其次建立基于流形學(xué)習(xí)的汽輪機(jī)轉(zhuǎn)子故障特征提取方法的數(shù)學(xué)模型，由于流形學(xué)習(xí)算法中的鄰域值嵌入維數(shù)等參數(shù)難以預(yù)先給定，導(dǎo)致特征提取效果難以得到滿足，以故障診斷精度為優(yōu)化目標(biāo)，研究最優(yōu)參數(shù)確定準(zhǔn)則。將建立的特征提取方法模型應(yīng)用于汽輪機(jī)轉(zhuǎn)子典型故障振動信號的特征提取過程，并將特征提取后的故障樣本作為概率神經(jīng)網(wǎng)絡(luò)的輸入建立故障診斷神經(jīng)網(wǎng)絡(luò)，對測試樣本進(jìn)行診斷，流形學(xué)習(xí)特征提取方法在保持原始信息的情況下，濾除了不相關(guān)的變量信息，提高故障樣本的分類