基于多分类器组合的水电机组故障诊断

摘要

为提高水电机组故障诊断的准确性,提出了多分类器组合的故障诊断方法.对朴素贝叶斯分类器(NBC)进行了基于属性相似度的加权改进得到基于属性相似度的加权朴素贝叶斯分类器(SWNBC),并应用基于Fisher加权的朴素贝叶斯分类器(FWNBC),与支持向量机分类器(SVM)组合成为SWNBC+FWNBC+SVM多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用多数投票法来决定最终的故障类型.实验结果表明该模型相对于单一的分类器,能有效提高识别故障的精度.