基于KPCA与模糊积分的燃气轮机状态识别方法

作者：崔建国; 刘瑶; 于明月; 蒋丽英; 王景霖; 江秀红

来源：振动.测试与诊断, 2018, 38(05): 948-1080.

DOI：10.16450/j.cnki.issn.1004-6801.2018.05.011

• 舰用燃气轮机
• 核主元分析
• 神经网络
• 模糊积分
• 状态识别

针对舰用燃气轮机结构复杂、工作环境恶劣,难以对其状态进行有效识别问题,提出一种基于核主元分析(kernel principal component analysis,简称KPCA)和模糊积分相结合的状态识别新方法。采用专用试验平台对舰用燃气轮机进行试验,获取其不同工况下的高压转子转速、低压转子转速、涡轮后排气温度及机匣振动等9个状态表征参数的原始信息,采用KPCA方法提取其状态表征参数的不同核主元,构建特征向量空间。并由提取的核主元特征向量分别创建GRNN,Elman神经网络状态识别模型,对燃气轮机状态进行识别。在此基础上,采用模糊积分方法对两种状态识别结果进行决策层融合,得到唯一的状态识别结果,提升了状态识别准确率。研究表明,采用核主元分析和模糊积分相结合的方法,能有效识别出舰用燃气轮机健康与故障状态,具有很好的实际应用价值。

• 单位
  沈阳航空航天大学; 电子信息工程学院; 自动化学院