王晓峰,夏 静,韩 捷,雷文平

(1.国家电投河南电力有限公司技术信息中心,河南 郑州 450001; 2.郑州恩普特科技股份有限公司，河南 郑州 450001)

基于隐马尔可夫模型的汽轮机故障诊断方法研究

王晓峰1,夏 静1,韩 捷2,雷文平2

(1.国家电投河南电力有限公司技术信息中心,河南 郑州 450001; 2.郑州恩普特科技股份有限公司，河南 郑州 450001)

为提高汽轮机故障诊断的准确率,本文提出一种基于小波包能量与隐马尔可夫模型相结合的汽轮机故障诊断方法.对汽轮机振动信号进行小波包分解,将小波包能量作为特征集;分别对每种故障状态的样本训练HMM(Hidden Markov Model),并构建故障诊断知识库;最后利用训练好的HMM对待测样本进行故障诊断.通过对汽轮机常见故障的诊断分析表明,基于隐马尔可夫模型的故障诊断方法的准确率优于BP神经网络、SVM(Suppvrt Vectwr Machine)等方法.

小波包能量; 隐马尔可夫模型; 汽轮机; 故障诊断

0 引言

随着电力工业的迅速发展,汽轮机机组朝着智能化、高容量、复杂化等方向发展,这使得汽轮机组的结构和系统日趋复杂.一旦汽轮机组发生故障,往往会导致巨大的经济损失,严重情况下还会导致人员伤亡.因此,汽轮机的智能诊断方法越来越多地受到了国内外研究学者的关注.杨奎河[1]提出一种小波包分析与最小二乘支持向量机相结合的汽轮机故障诊断型.白蕾[2]对碰摩、松动、不对中、不平衡四种典型汽轮机转子振动故障信号,采用小波包和Kolmogorov熵相结合的方法对其进行故障诊断……