典型文献
水电机组复杂工况振动信号多尺度清洗
文献摘要：
水电机组振动监测信号常包含大量异常数据,严重影响机组健康状态评估与预测.为此,本文深入研究机组振动与工况的映射关系,提出了一种基于高斯混合模型和基于密度的噪点空间聚类算法(GMM-DBSCAN)的机组振动信号多尺度清洗方法.首先,采用DBSCAN初步清洗全工况内振动异常点,进一步采用高斯混合模型计算机组工况概率,并进行工况区间划分;在此基础上,以工况概率密度计算出各工况区内振动信号的DBSCAN密度聚类清洗的阈值,并清洗各工况区内振动异常数据.最后,基于瀑布沟水电站1年内运行工况和振动监测数据进行实例分析,异常数据清洗率达6.3‰.同时,通过人工模拟异常数据进行验证,结果表明,所提方法能够有效清洗出机组振动孤立离群点和密集异常点,为水电机组健康状态评估与预测奠定数据基础.
文献关键词：
水电机组;振动;工况划分;无监督聚类;数据清洗
中图分类号：
作者姓名：
刘燚;刘伟;时有松;周建中;张勇传
作者机构：
华中科技大学土木与水利工程学院,武汉 430074
文献出处：
引用格式：
[1]刘燚;刘伟;时有松;周建中;张勇传-.水电机组复杂工况振动信号多尺度清洗)[J].水力发电学报,2022(12):153-162
A类：
B类：
水电机组,复杂工况,振动信号,机组振动,振动监测信号,健康状态评估,映射关系,高斯混合模型,基于密度,噪点,点空间,空间聚类,聚类算法,GMM,DBSCAN,清洗方法,全工况,振动异常,异常点,组工,区间划分,概率密度,密度计,密度聚类,瀑布,水电站,运行工况,异常数据清洗,人工模拟,洗出,离群点,数据基础,工况划分,无监督聚类
AB值：
0.33888
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
