非負(fù)矩陣分解算法及其在水電機(jī)組異常檢測(cè)的應(yīng)用.pdf

1、隨著科技的發(fā)展，國家越來越重視可再生能源的開發(fā)。小水電作為一種清潔、可持續(xù)、安全有效的可再生能源，在國家能源發(fā)展戰(zhàn)略上有著深遠(yuǎn)的意義。但由于水電機(jī)組設(shè)備比較復(fù)雜，通常采用人工的方式進(jìn)行異常檢測(cè)，這樣不但效率低下而且有時(shí)不能判斷噪聲源的準(zhǔn)確部位，因此需要研究基于機(jī)器學(xué)習(xí)的識(shí)別方法。非負(fù)矩陣分解處理數(shù)據(jù)后具有非負(fù)組合的特性，如何將非負(fù)矩陣分解算法應(yīng)用于水電機(jī)組噪聲源識(shí)別中具有非常重要的研究?jī)r(jià)值。
　　本文分析了水電機(jī)組噪聲源異常的特點(diǎn)

2、以及非負(fù)矩陣分解算法應(yīng)用在水電機(jī)組噪聲源識(shí)別上所帶來的問題，設(shè)計(jì)了針對(duì)性的非負(fù)矩陣分解算法。主要工作如下:
　　(1)提出了基于BSS模型的增量式非負(fù)矩陣分解算法INMF。應(yīng)對(duì)海量數(shù)據(jù)時(shí)，現(xiàn)有的NMF算法每次需要重新計(jì)算全部數(shù)據(jù)，大大降低了效率。INMF算法不但能保持跟原有算法具有同等的降維效果，而且具有良好的增量計(jì)算能力。最后在公共數(shù)據(jù)庫上的實(shí)驗(yàn)仿真也驗(yàn)證了其算法的有效性。
　　(2)提出了基于歐氏距離的增量式保局非負(fù)矩陣

3、分解算法ILPNMF。由于水電機(jī)組異常振動(dòng)噪聲樣本難以獲取，導(dǎo)致訓(xùn)練初期訓(xùn)練樣本不足而需要在線學(xué)習(xí)。我們把NMF和LPP相結(jié)合，再引入增量學(xué)習(xí)的思想，使其更適用于水電機(jī)組這樣復(fù)雜的工業(yè)設(shè)備。ILPNMF算法不但能夠有效地降低在線學(xué)習(xí)過程中分解矩陣迭代的時(shí)間開銷以及矩陣的存儲(chǔ)空間，而且大大提高了在線學(xué)習(xí)的效率。
　　(3)最后本文分析了水電機(jī)組異常振動(dòng)原因及特點(diǎn)，并將ILPNMF算法應(yīng)用于實(shí)際的水電機(jī)組異常在線檢測(cè)中。仿真結(jié)果表明I