随机近邻嵌入分析方法及其在水电机组故障诊断中的应用

摘要

水电机组作为小水电生产过程中的核心设备，它的运行状况不仅关系到水电厂的安全还直接关系到水电厂能否向电网安全、经济地提供可靠电力。由于水电机组具有构造复杂，机组运行呈季节性，异常振动诱发因素多等特点，日益影响着电网的安全稳定运行。因此，对水电机组进行运行状态监测和故障诊断，确保水电机组安全、可靠、稳定运行，使其发挥最大的发电效益，具有十分重要的意义。
　　传统的故障诊断方法主要基于专业技术人员的经验和知识来推理诊断。这种过分依赖于个人经验和知识的方法目前仍在水电机组故障诊断中占主导地位，其弊端是显而易见的。因此，必须提高设备故障诊断的自动化和智能化程度，实现对设备的高效、可靠的智能诊断。
　　本文分析了随机近邻嵌入分析系列方法的特点，并将其应用在水电机组故障诊断中。具体工作包含以下4个方面:
　　(1)针对随机近邻嵌入分析系列方法的非线性本质和无监督学习特征等问题，提出了一种线性有监督的特征提取方法，称为判别随机近邻嵌入分析方法。该方法的优势主要包括:通过输入样本的类别信息构建数据分布的联合概率表达式，用于反映同类和异类数据间的相似度，使得方法具有监督性;引入线性投影矩阵生成子空间数据，使得方法呈现线性本质。对比实验表明，所提方法不仅具有较好的可视化能力，而且能够有效地对不同类别的数据进行降维分簇，提升后续模式分类器的鉴别效果。
　　(2)针对判别随机近邻嵌入分析方法计算量复杂且不适合多样本数据等问题，提出了一种快速判别随机近邻嵌入分析方法。该方法通过引入K最近邻分类算法的思想，减少样本量来计算样本相似度，其在保证识别率的前提下减少了算法的运行时间。
　　(3)提出核判别随机近邻嵌入分析方法。该方法在判别随机近邻嵌入分析方法的基础上，通过引入核函数将原空间中的样本映射到高维核空间中，构建了用于反映同类和异类数据间相似度的联合概率表达式。其突出了异类样本间的特征差异，使样本变得线性可分，从而提高了分类性能。
　　(4)将所提的核判别随机近邻嵌入分析方法应用在轴心轨迹特征提取上，以达到对水电机组进行故障诊断的应用。仿真实验证明了该方法在水电机组故障诊断上的有效性和可行性。

目录

声明

摘要

第1章 绪论

1．1 课程研究背景及意义

1．2 国内外研究现状

1．2．1 降维技术的研究现状

1．2．2 水电机组故障诊断的研究现状

1．3 本文主要研究内容与结构

第2章 基于无监督的随机近邻嵌入分析方法

2．1 引言

2．2 随机近邻嵌入分析方法的基本算法

2．2．1 方法的核心思想

2．2．2 方法介绍

2．3 t分布随机近邻嵌入分析方法

2．3．1 方法的改进描述

2．3．2 方法介绍

2．4 重尾对称随机近邻嵌入分析方法

2．4．1 方法的改进描述

2．4．2 方法介绍

2．5 随机近邻嵌入分析系列方法存在的缺陷

2．6 本章小结

第3章 基于有监督的线性随机近邻嵌入分析方法

3．1 引言

3．2 判别随机近邻嵌入分析方法

3．2．1 方法的核心思想

3．2．2 方法的详细描述

3．3 快速判别随机近邻嵌入分析方法

3．3．1 基于判别随机近邻嵌入分析方法的改进描述

3．3．2 方法的详细描述

3．4 仿真结果与分析

3．4．1 合成数据可视化

3．4．2 分簇可视化性能

3．4．3 分类识别性能

3．4．4 运行时间分析

3．5 本章小结

第4章 基于有监督的非线性随机近邻嵌入分析方法

4．1 引言

4．2 核判别随机近邻嵌入分析方法

4．2．1 方法的核心思想

4．2．2 方法的详细描述

4．3 仿真结果与分析

4．3．1 分簇可视化性能

4．3．2 分类识别性能

4．4 本章小结

第5章 随机近邻嵌入分析方法在水电机组故障诊断中的应用

5．1 引言

5．2 轴心轨迹特征提取原理介绍

5．3 基于核判别随机近邻嵌入分析的轴心轨迹特征提取及识别

5．3．1 核心思想

5．3．2 详细描述

5．4 水电机组故障诊断方案

5．4．1 方案的详细步骤

5．4．2 仿真结果与分析

5．5 本章小结

第6章 总结和展望

6．1 总结

6．2 展望

参考文献

致谢

攻读学位期间参加的科研项目及发表的学术论文