科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统火电厂汽轮机轴承故障诊断方法直接对故障特征指标进行选取，却未对故障特征进行分类，造成传统方法识别精度低。文章通过粒子滤波降噪处理火电厂汽轮机轴承故障信号数据，基于降噪后的数据提取火电厂汽轮机轴承故障特征，引入KNN算法，通过SVM改进该算法，构建故障诊断方法。该方法以提取的特征数据为输入，输出故障诊断结果，实现火电厂汽轮机轴承故障诊断。实验结果表明，该方法的故障诊断准确率达到了99.6%，并且在样本数量较少时，准确率最高达到了100.0%，其具有较好的诊断准确性。
-
单位广西华磊新材料有限公司
