基于支持向量機(jī)的離心壓縮機(jī)振動故障診斷研究.pdf

1、離心壓縮機(jī)作為空分和煉化等流程行業(yè)的核心設(shè)備，要求安全高效地運(yùn)行。在設(shè)備運(yùn)行過程中對故障的預(yù)警和診斷顯得尤為重要。離心壓縮機(jī)中兩個重要的旋轉(zhuǎn)部件為轉(zhuǎn)子和齒輪箱，本文通過支持向量機(jī)算法對轉(zhuǎn)子和齒輪箱分別建立故障診斷模型。
　　收集離心壓縮機(jī)轉(zhuǎn)子振動故障的歷史樣本數(shù)據(jù)，分析轉(zhuǎn)子振動故障的特征頻率，提取振動信號特征頻率內(nèi)的最大振幅作為故障診斷的特征向量，結(jié)合專家打分和BP神經(jīng)網(wǎng)絡(luò)擬合特征向量的隸屬度函數(shù)，利用支持向量機(jī)構(gòu)建轉(zhuǎn)子單故障和多

2、故障的診斷模型，得到較好的識別率。
　　為了建立齒輪箱運(yùn)行狀態(tài)識別模型，對齒輪箱4個測點(diǎn)，6種運(yùn)行狀態(tài)的振動數(shù)據(jù)進(jìn)行去趨勢項(xiàng)和去噪處理，對振動信號分別從時域、能量和樣本熵3個維度提取特征向量。利用誤差棒圖對各特征向量的有效性進(jìn)行初步分析。對每一測點(diǎn)的振動信號，分別采用時域、能量、樣本熵和綜合特征建立故障診斷的支持向量機(jī)模型，其中利用綜合特征建立的模型識別精度最高。綜合4個測點(diǎn)的所有特征參數(shù)組成齒輪箱運(yùn)行狀態(tài)識別模型的特征向量，運(yùn)用