科研之友
微信
新浪微博
Facebook
分享链接
摘要
水电机组振动监测信号常包含大量异常数据，严重影响机组健康状态评估与预测。为此，本文深入研究机组振动与工况的映射关系，提出了一种基于高斯混合模型和基于密度的噪点空间聚类算法（GMM-DBSCAN）的机组振动信号多尺度清洗方法。首先，采用DBSCAN初步清洗全工况内振动异常点，进一步采用高斯混合模型计算机组工况概率，并进行工况区间划分；在此基础上，以工况概率密度计算出各工况区内振动信号的DBSCAN密度聚类清洗的阈值，并清洗各工况区内振动异常数据。最后，基于瀑布沟水电站1年内运行工况和振动监测数据进行实例分析，异常数据清洗率达6.3‰。同时，通过人工模拟异常数据进行验证，结果表明，所提方法能够有效清洗出机组振动孤立离群点和密集异常点，为水电机组健康状态评估与预测奠定数据基础。
- 单位
