基于改進Hu不變矩和SVM的轉子故障診斷方法

　　在火電廠中，汽輪機是火力發電的核心設備之一，如何能夠使汽輪機高效運轉并不發生故障是每個電廠一直追求的目標。汽輪機轉子則是汽輪機的核心部件之一，也是汽輪機故障診斷中重要部件之一。由于汽輪機轉子一直高速運轉，就會有各種不可預見性因素的存在，難免會有各種故障的產生，從而潛在有巨大的安全隱患，對汽輪機運行檢測及故障診斷就顯得尤為重要。

　　由于機械設備工作環境惡劣，現場收集到的信號經常是受到了嚴重污染，為了消除信號中的噪聲，前人進行了一系列的研究工作，大多是通過提取信號中不發生改變的特征來進行故障的分類識別。其中，經常使用的特征主要包括：矩特征（幾何矩、Zernike矩、偽Zernike矩、復矩等）、傅里葉描述符、高階相關特征等。

　　1962年Hu提出了圖形不變矩理論，并隨著理論逐漸成熟而被廣泛地應用。該理論為圖形的特征提取提供了一種新的方法，即通過得到圖形中在旋轉、平移、縮放時保持穩定的不變矩來識別圖形。該理論中的二維不變矩是將一維信號擴展到二維空間，再經過歸一化處理后，獲得較為敏感的二維圖形的各階圖形不變矩。

　　在故障識別分類方面，支持向量機（support vector machine．SVM）在小樣本、非線性及高維模式識別中具有較好的優勢。本文基于支持向量機（SVM）的基礎上，采用有向無環圖SVM多故障診斷模型。結合文獻的理論，本文提出了基于改進Hu不變矩和SVM多故障診斷方法。首先引入汽輪機常見的4中故障狀態，即質量不平衡、油膜渦動、轉子不對中、動靜碰摩，并得到轉子各狀態下的軸心軌跡圖；然后轉換成二值圖，并對其內部進行填充；之后，計算改進的圖形不變矩，并挑選出實驗樣本；最后，輸入支持向量機（SVM）中進行分類識別，最終通過實驗驗證該方法的有效性及優越性。
?