非負矩陣分解算法及其在水電機組異常檢測的應(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)略上有著深遠的意義。但由于水電機組設(shè)備比較復(fù)雜，通常采用人工的方式進行異常檢測，這樣不但效率低下而且有時不能判斷噪聲源的準(zhǔn)確部位，因此需要研究基于機器學(xué)習(xí)的識別方法。非負矩陣分解處理數(shù)據(jù)后具有非負組合的特性，如何將非負矩陣分解算法應(yīng)用于水電機組噪聲源識別中具有非常重要的研究價值。
　　本文分析了水電機組噪聲源異常的特點

2、以及非負矩陣分解算法應(yīng)用在水電機組噪聲源識別上所帶來的問題，設(shè)計了針對性的非負矩陣分解算法。主要工作如下:
　　(1)提出了基于BSS模型的增量式非負矩陣分解算法INMF。應(yīng)對海量數(shù)據(jù)時，現(xiàn)有的NMF算法每次需要重新計算全部數(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算能力。最后在公共數(shù)據(jù)庫上的實驗仿真也驗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矩陣

3、分解算法ILPNMF。由于水電機組異常振動噪聲樣本難以獲取，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間開銷以及矩陣的存儲空間，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組異常振動原因及特點，并將ILPNMF算法應(yīng)用于實際的水電機組異常在線檢測中。仿真結(jié)果表明I