论文部分内容阅读
分析了凝汽器工作过程及故障机理,建立了凝汽器典型故障集、征兆集及典型故障特征向量集合以及基于模糊支持向量机(SVM)的故障诊断模型,用实例计算证明了其有效性。经与神经网络方法对比后发现,在小样本情况下,采用 SVM 方法的计算结果更优越,推广能力更强,而且效率更高。该方法为建立智能化的凝汽器状态监控和故障诊断提供了一种新的途径,具有广泛的应用价值。