将一维时间序列数据通过格拉姆角场转换为二维图像，利用方向梯度的直方图完成图像特征提取，利用多分类的支持向量机完成故障分类。基于某电厂9F燃机实际运行数据，在正常数据上叠加带有噪声的5类常见典型故障信号，以验证所提方法的有效性，并采用混淆矩阵进一步对故障分类结果进行可视化。结果表明：所提方法能有效识别微小渐变故障信号，故障的分类准确率为96.6%;格拉姆角场和马尔可夫转换场均具有较高的故障分类准确率。
科研之友
微信
新浪微博
Facebook
分享链接
