论文部分内容阅读
分析了凝汽器工作过程及故障机理,建立了凝汽器典型故障集、征兆集及典型故障特征向量集合。建立了基于支持向量机的故障诊断模型,用实例计算证明其有效性。同时和神经网络方法对比后发现:在小样本情况卞,采用支持向量机方法的计算结果比神经网络更优越,推广能力更强,而且效率高于神经网络。本方法针对故障诊断样本少的特点,为建立智能化的凝汽设备状态监控和故障诊断提供了一种新的途径,具有广泛的实用价值。