基于机器学习水轮机汽蚀自动监测研究

摘要

水轮机汽蚀的形成是由于旋转叶片、尖锐曲线或湍流引起局部压降而形成的,是一种潜在的极具破坏性的复杂现象,会导致机械表面形成凹坑和侵蚀涡轮机材料,从而缩短水轮机转轮的寿命。研究结合了多种机器学习方法,先采用加速度计以及声发射传感器对转轮进行监测,之后利用均方根(RMS)和平方根(MD)振幅计算方法来提取输入数据特征值,最后采用随机森林方法(RF)、决策树(DT)、人工神经网络(ANN)、支持向量机(SVM)和logistic回归5种机器学习算法,对RMS和MD数据进行了对比分析,得到了最佳监测精度,研究成果可为相关工程提供参考。