论文题目：基于支持向量机和压缩感知的建筑电气故障诊断算法研究
摘要：近年来,建筑电气系统在现代建筑中越来越扮演着举足轻重的作用,在带给人们生活便利的同时,建筑电气系统也难免会发生故障。在现阶段的建筑电气系统领域中,大多数建筑电气系统的故障都是依靠人工检测的方式进行监测和诊断,其准确性和可靠性均有待提高;而且国内外针对该领域的智能故障诊断算法的研究还处于萌芽阶段,追溯其源,一方面,由于建筑电气设备属于低压配电系统,处在整个供电系统的最末端,容易被人们忽视;另一方面,电气领域故障诊断的研究更多的聚焦在如发电机、变压器等主要的大型电气设备,而建筑电气系统由于结构相对简单,因而不受研究者们的重视。针对以上问题,本文依托广东省智慧建筑设备节能与控制工程技术研究中心平台,以建筑物内电气系统的故障情况为主要研究对象,通过建筑电气综合实验平台对常见的建筑电气故障进行模拟,并使用低压电气综合测试仪实现对故障数据的采集,首先提出基于小波分析与支持向量机算法相结合的建筑电气系统故障诊断算法;同时,考虑到建筑电气系统诊断效率低下的问题,本文提出一种基于压缩感知和K近邻算法相结合的故障诊断算法,旨在提高建筑电气系统故障的诊断效率。本文的主要研究内容如下:（1）针对建筑电气系统的故障诊断,并考虑到建筑电气系统故障信息采集较为困难的情况,本文提出一种基于小波分析和支持向量机算法相结合的故障诊断算法。首先,使用小波分析对采集的原始故障信号进行去噪处理,然后将去噪后的信号作为支持向量机算法的输入,对建筑电气系统的故障进行分类,最后经过实验进行验证,实验结果表明,所提出的故障诊断算法可以有效地对建筑电气系统的故障进行分类。该部分还进一步验证了支持向量机算法在小样本数据下进行故障分类的优越性。（2）针对现有算法对建筑电气系统故障的诊断效率低下的问题,本文提出一种基于压缩感知和K近邻算法相结合的的建筑电气系统故障诊断算法,该算法结合压缩感知算法在对信号进行压缩采样后,仍能重构出原始信号的思想,首先对建筑电气系统的原始故障数据进行降维,再将降维后的数据作为K近邻算法的输入进行故障的分类,最后通过实验进行验证,结果表明,提出的故障诊断算法不但能够合理的对建筑电气系统的故障进行分类,而且还极大程度的提升了故障诊断效能,从而验证了该算法的有效性。（3）对建筑电气实验平台进行深入的研究,对它的组成结构以及相应的原理进行详细的电路分析,并利用该实验平台模拟22种常见的建筑电气系统的故障,然后使用低压电气综合测试仪采集相关的数据,为本文的实验提供数据基础。
关键词：建筑电气系统;故障诊断;小波分析;支持向量机;压缩感知
学科专业：电子与通信工程（专业学位）
摘要
Abstract
1 绪论
1.1 课题来源
1.2 研究背景和意义
1.3 国内外研究现状
1.3.1 故障诊断技术的发展及研究现状
1.3.2 建筑电气系统故障诊断的国内外研究现状
1.4 主要研究内容
1.5 论文的结构
2 建筑电气系统故障诊断相关技术
2.1 建筑电气系统
2.1.1 建筑电气系统概述
2.1.2 建筑电气系统的组成与分类
2.2 建筑电气系统常见故障
2.3 故障诊断技术
2.3.1 故障诊断概述
2.3.2 故障诊断算法分类
2.4 本章小结
3 基于小波变换与支持向量机(WT-SVM)的建筑电气故障诊断算法
3.1 引言
3.2 小波变换的故障诊断方法
3.2.1 小波去噪原理
3.2.2 小波函数的选择
3.3 基于支持向量机的故障诊断方法
3.3.1 支持向量机的分类原理
3.3.2 常用的核函数
3.4 基于WT-SVM的建筑电气系统故障诊断算法
3.4.1 实验环境描述
3.4.2 WT-SVM算法框架
3.4.3 实验过程与结果分析
3.4.4 实验对比分析
3.5 本章小结
4 基于压缩感知和K近邻(CS-KNN)的建筑电气故障诊断算法
4.1 引言
4.2 压缩感知概述
4.2.1 压缩感知的原理
4.2.2 信号的稀疏表示
4.2.3 观测信号
4.2.4 信号的重构
4.3 基于K近邻的故障诊断方法
4.3.1 K值的选择
4.3.2 距离度量
4.4 基于CS-KNN的建筑电气系统故障诊断算法
4.4.1 实验环境描述
4.4.2 CS-KNN算法框架
4.4.3 实验过程及结果分析
4.4.4 实验对比分析
4.5 本章小结
5 建筑电气故障诊断实验平台
5.1 建筑电气实验平台介绍
5.2 数据采集设备及过程
5.2.1 数据采集设备
5.2.2 部分故障数据的实测过程
5.3 实验总结
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
学位论文数据集表