一种基于SVDD和PCA的风机故障诊断方法

论文摘要

针对风力发电机叶片故障诊断中正常与故障数据不均衡问题,提出一种基于SVDD的故障诊断方法。首先,设计高通滤波器消除风噪对检测声信号的影响,提取出多维时频特征量;然后,引入主成分分析法(PCA)优化初始特征向量,有效表征叶片的健康状态,在此基础上训练建立基于SVDD的单分类模型。最后,基于实测数据,实验验证了算法的有效性。

论文目录

• 1 引言
• 2 算法设计
•   2.1 原始声信号预处理
•   2.2 PCA特征提取与优化
•   2.3 SVDD分类模型
• 3 实验分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 郑楠,于广亮,刘娟楠,胡晓菁,李文辉,王勇

关键词: 故障诊断,风机叶片,支持向量数据描述,主成分分析

来源: 自动化技术与应用 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,无线电电子学

单位: 国网陕西省电力公司经济技术研究院

分类号: TM315;TN713

页码: 143-146

总页数: 4

文件大小: 1773K

下载量: 205