振动与冲击
振動與遲擊
진동여충격
JOURNAL OF VIBRATION AND SHOCK
2013年
12期
61-66
,共6页
张彼德%田源%邹江平%刘秀峰%吴华丰%隆力
張彼德%田源%鄒江平%劉秀峰%吳華豐%隆力
장피덕%전원%추강평%류수봉%오화봉%륭력
水电机组%故障诊断%加权贝叶斯%模糊积分
水電機組%故障診斷%加權貝葉斯%模糊積分
수전궤조%고장진단%가권패협사%모호적분
hydro-generating unit%fault diagnosis%weighted naive bayes classifier%fuzzy integration
为提高水电机组故障诊断的准确性,提出了基于Choquet模糊积分融合的多分类器组合故障诊断方法,对朴素贝叶斯分类器进行了基于属性相似度的加权改进,得到基于属性相似度的加权朴素贝叶斯分类器(Attribute Simi-larity Weighted Naive Bayes Classifier,简称SWNBC),并应用基于Mahalanobis距离的分类器(Mahalanobis Distance Classifier,简称MDC)与BP神经网络(BP neural network)组合成为SWNBC+ MDC+ BP的多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用模糊积分法来决定最终的故障类型.实验结果表明该模型相对于单一的分类器,能有效提高识别故障的精度.
為提高水電機組故障診斷的準確性,提齣瞭基于Choquet模糊積分融閤的多分類器組閤故障診斷方法,對樸素貝葉斯分類器進行瞭基于屬性相似度的加權改進,得到基于屬性相似度的加權樸素貝葉斯分類器(Attribute Simi-larity Weighted Naive Bayes Classifier,簡稱SWNBC),併應用基于Mahalanobis距離的分類器(Mahalanobis Distance Classifier,簡稱MDC)與BP神經網絡(BP neural network)組閤成為SWNBC+ MDC+ BP的多分類器組閤模型,以小波包提取的相關頻帶能量作為輸入特徵嚮量,應用組閤模型對水電機組故障進行診斷,採用模糊積分法來決定最終的故障類型.實驗結果錶明該模型相對于單一的分類器,能有效提高識彆故障的精度.
위제고수전궤조고장진단적준학성,제출료기우Choquet모호적분융합적다분류기조합고장진단방법,대박소패협사분류기진행료기우속성상사도적가권개진,득도기우속성상사도적가권박소패협사분류기(Attribute Simi-larity Weighted Naive Bayes Classifier,간칭SWNBC),병응용기우Mahalanobis거리적분류기(Mahalanobis Distance Classifier,간칭MDC)여BP신경망락(BP neural network)조합성위SWNBC+ MDC+ BP적다분류기조합모형,이소파포제취적상관빈대능량작위수입특정향량,응용조합모형대수전궤조고장진행진단,채용모호적분법래결정최종적고장류형.실험결과표명해모형상대우단일적분류기,능유효제고식별고장적정도.
