基于PCA-OCSVM的水电机组故障诊断自动识别OA
为实现水电机组故障的诊断与自动识别,本文提出一种融合多域特征提取与机器学习的水电机组故障诊断模型。该方法基于机组关键部位采集的振动信号,综合提取其时域、频域及时频域特征,构建高维特征向量集,并利用主成分分析(PCA)进行特征降维,进而采用单分类支持向量机(OCSVM)实现故障状态的自动识别。通过对真实水电站机组运行数据的测试分析,结果表明该模型在故障诊断任务中表现优异,平均准确率较高,验证了其在实际工程应用中的可行性与有效性,为水电机组的安全运维提供了一种高效、可靠的智能诊断工具。
屈伟强;谭小刚;陈泽阳;刘博;李鹏飞;杜承志
黄河水利水电开发集团有限公司,河南济源459017黄河水利水电开发集团有限公司,河南济源459017北京华科同安监控技术有限公司,北京100041黄河水利水电开发集团有限公司,河南济源459017黄河水利水电开发集团有限公司,河南济源459017北京华科同安监控技术有限公司,北京100041
建筑与水利
水电机组故障诊断特征提取主成分分析单分类支持向量机
《水电站机电技术》 2026 (7)
P.108-113,6
评论