基于morlet小波核多类支持向量机的故障诊断

【文件属性】：
文件名称：基于morlet小波核多类支持向量机的故障诊断
文件大小：166KB
文件格式：CAJ
更新时间：2017-04-02 11:21:06
morlet 小波核 多类 支持向量机 故障诊断 基于Ｍｏｒｌｅｔ小波核多类支持向量机的故障诊断 周建萍1,2,郑应平2,王志萍1 (1.上海电力学院电力与自动化工程学院,上海　200090;2.同济大学电子与信息工程学院,上海　200092) 摘　要:故障诊断问题实质上是一个模式识别问题,即多分类问题。采用Ｍｏｒｌｅｔ小波来构造支持向量机(Ｓｕｐ- ｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ,ＳＶＭ)的核函数,Ｍｏｒｌｅｔ小波核ＳＶＭ比普通ＳＶＭ具有更好的鲁棒性和更强的泛化能力。 在一对一算法的基础上实现Ｍｏｒｌｅｔ小波核多类支持向量机的故障诊断,并将此方法成功应用于电厂汽轮发电 机组的故障诊断。实验仿真结果表明Ｍｏｒｌｅｔ小波核多类ＳＶＭ故障分类器比ＢＰ神经网络训练和测试速度快, 且其分类精度在高斯噪声干扰下还保持100%,比ＢＰ神经网络高出11.8%。因此该方法能够快速而准确地 对电厂汽轮发电机组的故障进行诊断,满足电力系统实时操作的要求。 关键词:核函数;Ｍｏｒｌｅｔ小波;故障诊断;支持向量机 基金项目:国家自然科学基金项目(60674076);上海市重点学科建设项目(Ｐ1301);上海市教委优青后备基金 项目(Ｚ2006-78) 作者简介:周建萍(1978-),女,讲师,博士研究生,研究方向为智能控制和故障诊断等。 中图分类号:ＴＫ323;ＴＰ391.5　　文献标识码:Ａ　　文章编号:1001-9529(2008)08-0076-05