论文部分内容阅读
汽轮机振动信号的获取,主要采用的是涡流传感器,其在电厂现场的地电位复杂和干扰严重的环境中,现场采集的振动数据往往被各种噪声污染,数据稳定性差,影响诊断的准确性;而且当某个传感器发生故障时,单个决策系统的性能会急剧下降,甚至导致整个系统的瘫痪。为了提高决策系统的容错能力,将多分类器融合的方法应用到此领域。首先利用粗糙集的方法进行特征选择,得到不同的约简。再利用支持向量机或决策树的方法,训练出多个分类器。测试样本通过这多个分类器通过均值的融合方法,给出最后的分类决策。在振动信号和6组UCI标准数据集的实验表明,多分类器融合方法能对噪声有一定的抑制作用,而且当传感器出现断路或短路故障时,单个分类器的分类精度急剧下降,但是通过融合的方法,使得最后的分类精度与原始精度基本相当。