基于HMM/SVM的风电设备故障趋势预测方法研究

作者:谢松汕 许宝杰 吴国新 左云波

摘要:由于风力发电设备复杂且积累的资料与故障样本少;传统的诊断方法,例如神经网络,忽视了前与后关系,且需要大量故障训练样本,往往都不能有效的进行故障诊断;结合隐马尔可夫模型(Hidden Markov Model,HMM)有利于处理连续动态信号,以及支持向量机(Support Vector Machine,SVM)分类能力强的优点;提出了基于HMM/SVM串联结构的故障诊断模型;首先通过从风电设备振动信号中有效提取非平稳特征,利用HMM计算未知信号与风力发电设备各状态的匹配程度,形成特征向量提供给SVM最后判别,实验结果表明该方法比单纯HMM和SVM识别率分别提高了9.17%和5.84%。

分类:
  • 期刊
  • >
  • 自然科学与工程技术
  • >
  • 信息科技
  • >
  • 自动化技术
收录:
  • SA 科学文摘(英)
  • 剑桥科学文摘
  • 国家图书馆馆藏
  • 上海图书馆馆藏
  • 知网收录(中)
  • 维普收录(中)
  • 万方收录(中)
  • 统计源期刊(中国科技论文优秀期刊)
关键词:
  • 风力发电设备
  • 故障诊断
  • 隐马尔可夫模型
  • 支持向量机

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:计算机测量与控制

期刊级别:统计源期刊

期刊人气:10972

杂志介绍:
主管单位:中国航天科工集团公司
主办单位:中国计算机自动测量与控制技术协会
出版地方:北京
快捷分类:计算机
国际刊号:1671-4598
国内刊号:11-4762/TP
邮发代号:82-16
创刊时间:1993
发行周期:月刊
期刊开本:A4
下单时间:1-3个月
复合影响因子:0.55
综合影响因子:1