《表1 核主元贡献率及累计贡献率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习与信息融合的燃气轮机故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

依据专业试验平台对某型真实燃气轮机性能进行试验。采集三个关键部件的高压转子转速、低压转子转速等9个参数数据，每种状态40组数据，四种状态共160组数据。每种状态前20组数据作为训练数据，后20组数据作为测试数据。建立核主元分析模型提取特征，然后将标准化后的数据对其进行核主元分析，确定主元个数，构造特征向量。某型燃气轮机三个部件状态可表示为集合{A1，A2，A3，A4}，A1表示三个部件正常；A2表示主泵故障；A3表示喷口加力调节器故障；A4表示滑油压差传感器故障。根据专家经验，选用累计贡献率E>0.95作为选取主元的依据，由于前六个主元累计贡献率为95.62%，故选取主元个数为6。KPCA方法既将9维数据降为6维数据，去除了信号中重叠部分，又保留了原始信息参数数据的特征，提高了诊断效率。核主元贡献率及状态特征向量，如表1、表2所示