典型文献
基于机器学习水轮机汽蚀自动监测研究
文献摘要：
水轮机汽蚀的形成是由于旋转叶片、尖锐曲线或湍流引起局部压降而形成的,是一种潜在的极具破坏性的复杂现象,会导致机械表面形成凹坑和侵蚀涡轮机材料,从而缩短水轮机转轮的寿命.研究结合了多种机器学习方法,先采用加速度计以及声发射传感器对转轮进行监测,之后利用均方根(RMS)和平方根(MD)振幅计算方法来提取输入数据特征值,最后采用随机森林方法(RF)、决策树(DT)、人工神经网络(ANN)、支持向量机(SVM)和logistic回归5种机器学习算法,对RMS和MD数据进行了对比分析,得到了最佳监测精度,研究成果可为相关工程提供参考.
文献关键词：
机器学习;水电站;水轮机汽蚀;故障监测
中图分类号：
作者姓名：
刘苏程
作者机构：
惠州市白盆珠水库工程管理局,广东 惠州 516341
文献出处：
引用格式：
[1]刘苏程-.基于机器学习水轮机汽蚀自动监测研究)[J].广东水利水电,2022(08):70-73,88
A类：
水轮机汽蚀
B类：
基于机器学习,习水,自动监测,旋转叶片,尖锐,线或,湍流,压降,破坏性,机械表,凹坑,涡轮机,水轮机转轮,机器学习方法,加速度计,声发射传感器,RMS,平方根,MD,输入数据,数据特征,随机森林方法,RF,决策树,DT,人工神经网络,ANN,logistic,机器学习算法,监测精度,水电站,故障监测
AB值：
0.370984
相似文献
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。
