田录林，韩 彬，田亚奇，



基于核主元分析与模糊神经网络的汽轮发电机振动故障诊断方法

田录林1，韩 彬1，田亚奇2，

（1. 西安理工大学水利水电学院，西安 710048；2. 重庆江北中学，重庆 400714）

针对现有汽轮发电机振动故障诊断运算量大、时间长的问题，本文提出基于核主元分析与模糊神经网络的汽轮发电机振动故障诊断方法。首先采用核主元分析并经矩阵变换和降维来提取故障的主要特征值，其次将提取（降维后）的数据作为Takagi-Sugeno模糊神经网络输入数据，最后在Matlab中建立Takagi-Sugeno型自适应模糊神经网络进行训练测试。该方法用较少的数据代表原数据的最大信息量，并且仿真与标准的模糊神经网络、BP神经网络进行性能对比，最后仿真结果表明该方法的有效性，并且具有诊断速度快、收敛迅速和故障诊断效率高等特点。

汽轮发电机；振动；故障诊断；核主元分析；模糊神经网络

0 前言

随着汽轮发电机组容量的增大，汽轮发电机组的安全可靠运行就更加重要，所以对汽轮发电机组实现运行状态监测及故障诊断很有必要[1]。

目前，应用模糊神经网络的汽轮发电机故障诊断已有很多研究。文献[2]提出基于模糊神经网络的发电机电气故障诊断方法。对输入数值信号用模糊信息方法进行预处理，用神经网络进行函数逼近，其仿真结果表明故障诊断具有较高的精度。文献[3]提出了将模糊理论与自适应变结构神经网络相结合的方法。实例说明该方法具有很好的诊断能力。……