基于变尺度混沌聚类和特征融合的发电机故障诊断
针对汽轮发电机基于单一故障信息诊断的不确定性,提出一种基于核主元分析(KPCA)和变尺度混沌聚类(MSCOA-FCM)相结合的多传感器特征融合诊断方法.首先将发电机的定转子振动特征与定子绕组并联支路环流特征的组合用KPCA进行降维融合,得到信息互补的特征量,选取非线性核主元作为故障诊断数据并用变尺度混沌聚类方法进行故障识别.电机故障诊断的实例表明,本文提出的算法可充分利用不同传感器的冗余互补信息和提取故障信号的非线性特征,更适合于故障识别,相比于单一信号源故障诊断的准确度有较大提高,证明了提出算法的有效性.
汽轮发电机 故障诊断 变尺度混沌聚类 核主元分析
赵茜 武玉才 冯文宗
华北电力大学,电气与电子工程学院,河北省保定市 071003
国内会议
成都
中文
1-7
2013-11-20（万方平台首次上网日期，不代表论文的发表时间）