基于支持向量機(jī)的汽輪機(jī)軸系振動故障智能診斷研究.pdf

1、隨著汽輪機(jī)向大型化、復(fù)雜化、高參數(shù)的方向發(fā)展，為保證設(shè)備的安全可靠運(yùn)行，人們對設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)的重視程度越來越高，診斷技術(shù)也開始朝著智能化的方向發(fā)展。支持向量機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的新型學(xué)習(xí)機(jī)器，為解決小樣本的故障分類問題提供了有效手段。將支持向量機(jī)應(yīng)用到汽輪機(jī)故障診斷領(lǐng)域，能夠有效地提高故障診斷的準(zhǔn)確率，對避免事故發(fā)生帶來的巨大損失，提高經(jīng)濟(jì)效益和社會效益都具有十分重要的意義。 論文結(jié)合汽輪機(jī)常見的軸系振動故障

2、，采用支持向量機(jī)方法對故障進(jìn)行分類和預(yù)測，為研究更好的汽輪機(jī)故障診斷方法提供了依據(jù)。論文圍繞基于支持向量機(jī)的智能故障診斷問題，針對數(shù)據(jù)預(yù)處理、故障特征提取、故障分類、故障建模與預(yù)測及汽輪機(jī)診斷系統(tǒng)的構(gòu)建等方面開展了研究，主要研究成果有： 1、通過分析常用特征提取和選擇方法，引入了主分量分析和基于核函數(shù)的特征提取方法，對汽輪機(jī)軸系振動故障進(jìn)行特征提取，并采用針對故障類型的模糊化K—L變換，壓縮故障數(shù)據(jù)的維數(shù)，降低支持向量機(jī)分類算法

3、的運(yùn)算復(fù)雜度，并通過仿真實(shí)驗(yàn)，驗(yàn)證了該方法能夠有效地提高故障分類的準(zhǔn)確率； 2、詳細(xì)討論了支持向量機(jī)方法在汽輪機(jī)故障診斷領(lǐng)域的具體應(yīng)用，構(gòu)造了基于支持向量機(jī)的故障多分類模型，實(shí)現(xiàn)了多類故障的一次性區(qū)分； 3、研究了支持向量回歸在故障建模和故障預(yù)測方面的具體應(yīng)用，并通過仿真實(shí)驗(yàn)，分析和比較了支持向量機(jī)與其他智能方法的優(yōu)劣； 4、通過實(shí)際的汽輪機(jī)軸系振動故障數(shù)據(jù)，將支持向量機(jī)應(yīng)用于故障分類和趨勢預(yù)測，驗(yàn)證了基于支持向