汽轮发电机组故障诊断GA—SVM模型方法的研究

来源 :汽轮机技术 | 被引量 : 0次 | 上传用户：gjx0128

【摘要】

：

基于结构风险最小化[1]的支持向量机是一种新的机器学习方法,具有适应小样本学习和提高学习机泛化性能的优点,详细介绍了将其应用于汽轮发电机组的故障诊断的研究结果,包括结

【作者】

：

汪江陆颂元

【机构】

：

东南大学振动控制与信息系统研究所

【出处】

：

汽轮机技术

【发表日期】

：

2005年1期

【关键词】

：

SVM模型泛化性能结构风险最小化机器学习方法支持向量机学习机显示汽轮发电机组故障诊断 GA turbo-generator fault diag

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

基于结构风险最小化[1]的支持向量机是一种新的机器学习方法,具有适应小样本学习和提高学习机泛化性能的优点,详细介绍了将其应用于汽轮发电机组的故障诊断的研究结果,包括结合遗传算法进行模型参数的优化选择,建立联合模型,通过对现场采集的故障样本进行的分类试验,并同BP神经网络方法进行了比较,结果显示本文所述方法具有较高的诊断准确率.

其他文献

基于混合RANS/LES的跨音速叶栅流动机理与损失分析

随着透平负荷的不断提高,跨音速叶栅通道中的激波/边界层干涉、非定常尾迹等复杂流动现象成为损失的主要来源。目前常用的RANS方法难以准确预测这些非定常多尺度湍流流动,亟

期刊

跨音速叶栅DDES非定常流动损失分析transonic cascadeDDESunsteady flowloss analysis

核电汽轮机高压级内非定常流动对自发凝结的影响

为研究核电汽轮机高压级内非定常流动对湿蒸汽凝结流动液滴直径、压力以及湿汽损失等参数分布的影响，采用湿蒸汽非平衡凝结相变模型，对定常与非定常流动状态下湿蒸汽自发凝结流

期刊

核电汽轮机自发凝结非定常流动静叶尾迹湿汽损失nuclear steam turbines spontaneous condensation uns

化工生产中的防爆设计与安全

针对目前化工生产中,特别是防火、防爆车间存在的电气设计安装中出现的安全隐患,提出了部分改进建议,以及对改进措施、应用效果的阐述.

期刊

化工生产防爆设计安全生产电气设计安装电加热温控

可倾瓦轴承服役间隙识别方法及温度极值预测

可倾瓦轴承摆动瓦块与转子之间的间隙大小（数量级一般为μm级）是决定轴承流体动压效应的最敏感参数之一，间隙的微小变化会带来轴承静动特性的明显变化。实际中，由于制造、装配误

期刊

服役间隙设计间隙间隙识别极值推测service clearance design clearance clearance identificatio

大型电站机组油膜振荡故障研究分析

大型电站机组轴承油膜振荡是现场常见的故障之一，处理不当可能引起严重后果。通过案例对故障发生转子、故障轴承及故障原因进行统计分析，从轴系扰动和轴瓦稳定性两方面总结归纳

期刊

大型电站机组油膜振荡故障原因故障特征处理措施large power station unit oil whip fault reasons vi

汽轮发电机组故障诊断GA—SVM模型方法的研究

其他学术论文