基于新异类检测和支持向量机的水电机组诊断技术研究

基于新异类检测和支持向量机的水电机组诊断技术研究

ID:34875454

大小:19.94 MB

页数:146页

时间:2019-03-13

基于新异类检测和支持向量机的水电机组诊断技术研究_第1页
基于新异类检测和支持向量机的水电机组诊断技术研究_第2页
基于新异类检测和支持向量机的水电机组诊断技术研究_第3页
基于新异类检测和支持向量机的水电机组诊断技术研究_第4页
基于新异类检测和支持向量机的水电机组诊断技术研究_第5页
资源描述:

《基于新异类检测和支持向量机的水电机组诊断技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、???-?■,.?????-‘?...--.■-??.'、:“,密级\分类号'WHRUPC编号(K)中逾水利水老外f巧究院学位论文基于新异类检测和支持向量机的水电机组诊断技术研究?‘■‘‘..-、、‘‘-,?.?.,-‘:‘学位类别工学博士专科专业水利水电工程作者姓名周叶指导教师唐尉教高中国北京二〇一五年二月亀分类号密级"WHRUPC编号fI)\ ̄155S3^十齒水利水电科,研究院

2、学位论文基于新异类检测和支持向量机的水电机组诊断技术研究学位类别工学博士专科专业水利水电工程作者姓名周叶指导教师唐激教高中国北京二〇一五年二月ResearchonFaultDiagnosisofHropowerUnitBasedonNewNoveltydyDetectionandSupportVectorMachineMajor:WaterConservancyAndHydropowerEngineeringCandidate:ZhouYeSupervisor:Professor

3、TangShuFebruary2015ChinaInstituteofWaterResources&HydropowerResearch(丨WHR)'Beijing100038,PeoplesRepublicofChina图书分类号码密级iUDC博士学位论文基于新异类检测和支持向量机的水电机组故障诊断技术研究周叶(职称、学位、单位名称)唐清t、教高、硕士、中国水科院指导教师申请学位级别工学博士专业名称水利水电工程论立提交日期年月日论文答辩日期年月日—学位授予单位和日期

4、答辩委员会会主席评阅人年月日独创性声明关于学位论文的独创性声明本人郑重声明:所呈交的论文是本人在导师指导下独立进行研究工作所取得的成果,论文中有关资料和数据是实事求是的。尽我所知,除文中已经加以标注和致谢外,本论文不包含其它人已经发表或撰写的研究成果,也不包含本人或他人为获得中国水利水电科学研究院或其它教育机沟的学位或证书等而使用过的材料。若有不实之处,本人愿意承担相关法律责任。学位论文作者签名:1兑1—、M年》月曰中国水利水电科学研宄院博士学位论文摘要水电机组状态监测与故障诊断技术的研宄与应用,是近年来水电

5、行业的热门话题。通过状态监测系统对机组运行状态数据的展示和积累,利用数据挖掘和故障诊断技术进,可以发现机组可能存在的潜在故障和性能劣化的趋势行机组运行状态评估,最终实现一机组的状态检修,,。目前水电厂安装了大量的状态监测系统在此基础上如何进步利用这些存储的长期海量数据,推进状态监测的深入应用,并开展诊断方法的应用研宄,是当前状态监测与诊断技术在水电行业遇到的瓶颈和难点。而在水电机组故障诊断的分析过程中,常常存在先验知识缺乏、故障样本稀少或故障模式不完备的问题。针对水电机组的故障诊断技术大多采用基于知识的方法,这些方法对明确的故障状态数据能得到较好的效

6、果,但作为低速旋转设备的水电机组,由于其运行机理的复杂性,很难得到清晰的故障模式,以及这些模式对应的特征数据。针对这些问题,本文以水电机组振动、摆度和温度等常见状态测点的长期数据作为研究对象,开展基于新异类检测方法和支持向量机技术的水电机组诊断研究。论文的主要撰写思路是从征兆的统计特征分析开始,到基于新异类检测(单类支持)向量机的建模和评估方法研究,再推广到基于支持向量机的多类故障诊断和趋势预估。论文前半部分分析了故障诊断的基础条件--故障征兆的特征提取方法,选择状态数据的长期统计特征作为模型学习样本,,融合新异类检测中的单类支持向量机方法实现对机组

7、状态数据的异常评估。后半部分从单类支持向量机方法推广到多类故障分类,并结合机组状态监测数据的特点,试验研宄了两种基于支持向量机回归和在线数据更新的趋势预估方法。论文主要研究工作如下:1.深入分析了新异类检测技术对水电机组故障诊断的意义,并参考机器学习和其他能源领域对模式识别或故障诊断方法的分类,,总结归纳了水电机组的故障诊断模式提出水电机组故障诊断方法可分为基于知识的诊断方法和基于数据的诊断方法两种类别。同时,通过对常见新异类检测技术的研宄

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。