基于局部线性嵌入和K-最近邻分类器的核动力装置故障诊断方法研究

摘要

针对核动力装置运行数据具有强非线性、高维数的特点,本文提出了一种基于流形学习的核动力装置运行故障诊断新方法.流形学习方法能有效地提取高维非线性数据中嵌入的低维流形特征,该方法运用局部线性嵌入算法直接对原始运行数据进行无监督学习,将数据进行非线性维数约简,从而得到数据的内在低维流形特征,并且保留了数据的几何结构信息.与传统的PCA线性方法相比,该方法特征提取能力更强,能有效地将不同种类的故障数据进行特征聚类,然后将提取到的低维特征向量输入K-最近邻分类器进行故障模式识别.为了验证该方法用于核动力装置故障诊断的可行性和优越性,采用人工数据集数值仿真和核动力装置仿真机过程仿真对该方法进行了验证.