基于WT和SVD的水电机组故障特征提取方法

针对水电机组振动信号故障特征提取难,提出一种融合小波变换(Wavelet Transform,WT)和奇异值分解(Singular Value Decomposition,SVD)相结合的故障特征提取方法。首先,通过小波阈值降噪消除强噪声对模型特征提取的干扰,再利用小波变换将降噪信号分解成不同频率的模态子序列,应用SVD理论提起子序列的SVD值作为特征,最终将特征输入RF模型中实现水电机组故障的快速识别与诊断。通过在公开数据集和真实机组案例中应用,验证了对水电机组故障诊断的高效性。

基于贝叶斯网络Noisy Or模型的水电机组故障诊断研究

针对水电机组故障诊断中系统结构复杂,不确定因素众多的特点,将贝叶斯网络引入水电机组故障诊断中,建立基于贝叶斯网络的水电机组故障诊断系统;为了克服贝叶斯网络结构中需要的概率数量庞大和确定概率困难特点,在贝叶斯网络系统结构中引入Noisy Or模型。论文首先利用专家知识,将各个特征结点按二值结点构造网络,确定各单个结点的概率,然后计算多个结点的任意组合对结果的影响程度,从而确定某种故障发生的可能程度。仿真研究表明:用此模型构造的贝叶斯网络结构,需要的条件概率个数可以从2n减小为2n。大大降低了数据需求量,提高了水电机组故障诊断速度和效率。