梁银林,刘 庆

(1.东方汽轮机有限公司，四川德阳618000； 2.东方电机有限公司，四川德阳618000)

集成KPCA-SVM的汽轮发电机组故障诊断

梁银林1,刘 庆2

(1.东方汽轮机有限公司，四川德阳618000； 2.东方电机有限公司，四川德阳618000)

针对汽轮发电机组系统故障数据呈现出的强非线性、数据高维等特点，将非线性数据处理方法KPCA和小样本分类器SVM相结合，提出了一种集成KPCA-SVM的故障诊断方法。首先，该方法将利用KPCA对非线性数据的处理能力强的特点，在高维特征空间提取故障特征信息；其次，将故障特征信息输入SVM模型，构建分类模型，克服SVM训练不充分、无针对性的缺点。对汽轮发电机组模拟故障进行仿真实验表明，提出的方法与SVM和PCA-SVM方法相比，能够更好地处理非线性数据，提取有效的分类特征信息，获得更高的故障模式识别准确率。

汽轮发电机组；特征提取；故障诊断；KPCA；SVM

0 引言

汽轮发电机组是一类由大型旋转动力机械设备、自动化控制设备等通过机、电、液、热、信息等多介质耦合而成的复杂机电系统。这类发电系统通过TSI系统和DCS系统监控和记录了整个系统运行过程状态，存储了海量多态数据。汽轮发电机组故障诊断是一个非常复杂的系统工程，融合了多学科领域的相关知识，而且故障本身的多因素特点，使得难以通过理论分析的方法在故障原因和故障特征之间建立其对应关系，而数据驱动的方法是挖掘海量、高维、多态数据中蕴含的故障信息。因此，研究数据驱动的汽轮发电机组[1-3]，对于及时发现机组故障原因、避免重特大安全事故发生、实现机组安全、稳定、长周期高效运行具有重要意义。……