基于改进Hu不变矩和SVM的转子故障诊断方法

　　在火电厂中，汽轮机是火力发电的核心设备之一，如何能够使汽轮机高效运转并不发生故障是每个电厂一直追求的目标。汽轮机转子则是汽轮机的核心部件之一，也是汽轮机故障诊断中重要部件之一。由于汽轮机转子一直高速运转，就会有各种不可预见性因素的存在，难免会有各种故障的产生，从而潜在有巨大的安全隐患，对汽轮机运行检测及故障诊断就显得尤为重要。

　　由于机械设备工作环境恶劣，现场收集到的信号经常是受到了严重污染，为了消除信号中的噪声，前人进行了一系列的研究工作，大多是通过提取信号中不发生改变的特征来进行故障的分类识别。其中，经常使用的特征主要包括：矩特征（几何矩、Zernike矩、伪Zernike矩、复矩等）、傅里叶描述符、高阶相关特征等。

　　1962年Hu提出了图形不变矩理论，并随着理论逐渐成熟而被广泛地应用。该理论为图形的特征提取提供了一种新的方法，即通过得到图形中在旋转、平移、缩放时保持稳定的不变矩来识别图形。该理论中的二维不变矩是将一维信号扩展到二维空间，再经过归一化处理后，获得较为敏感的二维图形的各阶图形不变矩。

　　在故障识别分类方面，支持向量机（support vector machine．SVM）在小样本、非线性及高维模式识别中具有较好的优势。本文基于支持向量机（SVM）的基础上，采用有向无环图SVM多故障诊断模型。结合文献的理论，本文提出了基于改进Hu不变矩和SVM多故障诊断方法。首先引入汽轮机常见的4中故障状态，即质量不平衡、油膜涡动、转子不对中、动静碰摩，并得到转子各状态下的轴心轨迹图；然后转换成二值图，并对其内部进行填充；之后，计算改进的图形不变矩，并挑选出实验样本；最后，输入支持向量机（SVM）中进行分类识别，最终通过实验验证该方法的有效性及优越性。