摘要
本发明涉及融合时域和频域特征的水电机组故障预警方法,基于最小二乘支持向量机建立水电机组时域健康模型,计算机组的时域特征实际值与健康值的相对误差,作为机组的时域故障征兆指标;将小波变换方法和奇异值分解算法相结合,构建机组的频域故障征兆指标;融合得到时频域故障征兆指标作为机组振动劣化指标,根据机组振动劣化指标实现机组振动异常实时预警。本发明实现了模型驱动与数据驱动的有效结合,构建了一种融合信号时域信息与频域信息的机组振动故障征兆指标用于故障预警,实现了更全面的机组状态监测,能发现机组早期故障征兆,对及时、有效的机组故障预警具有重要意义。
技术关键词
水电机组故障
时域特征
指标
预警方法
支持向量机模型
样本
小波变换方法
振动故障
矩阵奇异值分解
奇异值分解算法
奇异值分解方法
信号频域特征
历史工况数据
诊断模块
告警模块
系统为您推荐了相关专利信息
数据格式
数据服务器
节点
分布式数据系统
数据提取方法
网络入侵检测
斯皮尔曼等级相关系数
矩阵
数据
训练分类器
人机交互场景
矩阵
实时测量方法
心率变异性分析
电信号
冲孔铝单板
预警方法
关键点
计算机程序指令
关系