支持向量機及其在汽輪機組性能監(jiān)測和故障診斷中的應(yīng)用研究.pdf

1、火力發(fā)電廠中汽輪機組的安全與經(jīng)濟運行一直為人們所關(guān)注，而性能監(jiān)測與故障診斷技術(shù)為機組的安全經(jīng)濟運行提供了有力的保障。因此，研究電站汽輪機組性能監(jiān)測與故障診斷方法具有十分重要的意義。 支持向量機是一種基于統(tǒng)計學習理論的機器學習方法，在解決小樣本、過學習、非線性及高維模式識別等問題中表現(xiàn)出了許多特有的優(yōu)勢，能夠在有限特征信息情況下最大限度地挖掘數(shù)據(jù)中隱含的知識，從實際應(yīng)用性的角度來看，更適用于汽輪機組性能監(jiān)測與故障診斷這種工程問題。

2、 基于此，論文將支持向量機應(yīng)用于汽輪機組的性能監(jiān)測與故障診斷中，研究了支持向量回歸、分類模型的建立和實現(xiàn)以及模型的參數(shù)選擇等幾個方面的問題。 根據(jù)電站機組性能參數(shù)的數(shù)據(jù)特點，從回歸的角度研究機組性能參數(shù)和應(yīng)達值的計算。利用支持向量機算法在解決小樣本方面的優(yōu)勢，提出了一種新的性能參數(shù)在線計算方法——基于支持向量回歸的建模方法，分析了該算法在參數(shù)監(jiān)測方面的可行性和優(yōu)異性，研究了模型建立的基本步驟及其參數(shù)的選擇方法，并建立了凝

3、汽器真空應(yīng)達值和汽輪機熱耗率回歸估計模型，實現(xiàn)了該方法的工程應(yīng)用。 建立了基于時間序列分析理論的汽輪機組運行參數(shù)預(yù)測模型。針對汽輪機組運行參數(shù)中具有周期性變化的時間序列，提出將支持向量回歸算法與時間序列分析中的自回歸模型相結(jié)合，建立適用于工程實際應(yīng)用的具有分析非線性樣本特點的支持向量自回歸預(yù)測模型——SVAR，并將其應(yīng)用到凝汽器清潔系數(shù)和汽輪機轉(zhuǎn)子振動振幅預(yù)測中，為實現(xiàn)運行參數(shù)的未來趨勢分析提供了強有力的支持。 基于支持

4、向量回歸算法中結(jié)構(gòu)風險函數(shù)較好的平滑性以及KKT條件，針對電站實時數(shù)據(jù)中普遍存在異常值的情況，提出一種回歸中的異常值檢測方法，研究了算法實現(xiàn)中對異常值處理的方式，介紹了其在處理異常值時優(yōu)于其它方法的特點，并詳細闡述了模型理論基礎(chǔ)、建模過程和工程實現(xiàn)過程。 針對有限樣本情況下傳統(tǒng)模式識別方法在故障模式分類中面臨的困難，把支持向量機多分類算法引入到故障診斷中。研究了支持向量機用于故障診斷的關(guān)鍵問題，給出了支持向量機用于故障診斷的算法