基于隐Markov模型的汽轮机运行状态识别

本文首先介绍HMM的基本理论。给出汽轮机振动幅值谱的标量量化方法,并在此基础上提出基于DHMM的火电厂汽轮机升负荷模型的状态识别方法。然后利用汽轮机升负荷的轴振数据验证DHMM状态识别方法的有效性。最后,总结本文研究内容并分析了HMM在汽轮机运行状态识别方面存在的问题。

基于离散隐式马尔科夫模型的局部放电模式识别

利用绝缘试品在升、降压过程中的视在放电量-施加电压序列作为局部放电特征量,并将离散隐式马尔科夫模型分类器引入局部放电模式识别的研究中。该算法首先利用矢量量化方法通过对码本生成样本集进行LBG编码构造码本,并分别对各类放电的训练和测试样本分配码本索引序列。在分类器的训练阶段,输入训练样本序列训练得到每类放电的离散隐式马尔科夫模型。在测试阶段,计算每类离散隐式马尔科夫模型输出测试样本序列的概率,取最大概率对应的模型序号作为识别结果。对5类放电的150个样本的识别结果表明,离散隐式马尔科夫模型具有识别率高、易扩展的优点。