基于支持向量機(jī)的煙氣輪機(jī)故障診斷研究.pdf

1、煙氣發(fā)電系統(tǒng)是煉油廠的重油催化裂化工藝中重要的節(jié)能和再生能源環(huán)節(jié)，其可以利用余熱發(fā)電的原理達(dá)到回收能量再生電能的目的。但是由于機(jī)械工藝等各方面的原因，煙氣輪機(jī)機(jī)組會(huì)時(shí)常發(fā)生故障，可能對生產(chǎn)的經(jīng)濟(jì)性和安全性造成巨大損失。所以，保障設(shè)備正常運(yùn)行，對設(shè)備進(jìn)行實(shí)時(shí)監(jiān)測，及時(shí)判斷故障發(fā)生的可疑點(diǎn)，減少故障發(fā)生的頻率，也同時(shí)保護(hù)了環(huán)境，因此，研究煙氣發(fā)電系統(tǒng)的故障具有十分重要的現(xiàn)實(shí)意義。 通過從調(diào)研煙氣輪機(jī)設(shè)備參數(shù)信息、故障數(shù)據(jù)信息、振動(dòng)產(chǎn)

2、生的原因特點(diǎn)，智能故障診斷領(lǐng)域的現(xiàn)狀及發(fā)展趨勢出發(fā)，建立煙氣輪機(jī)故障診斷實(shí)驗(yàn)，在煉油廠設(shè)備控制中心實(shí)現(xiàn)了故障樣本數(shù)據(jù)的采集；并用小波方法進(jìn)行對原始故障數(shù)據(jù)進(jìn)行預(yù)處理，采用DB小波對仿真信號進(jìn)行6層分解的實(shí)驗(yàn)，第四層小波分解的效果最優(yōu)，實(shí)現(xiàn)了信號的奇異點(diǎn)分析；通過對原始信號的3層分解，提取信號的特征向量，對小波預(yù)處理后的信號進(jìn)行智能分類，采用C-SVC，v參數(shù)支持向量機(jī)，最小二乘支持向量機(jī)三種方法，v參數(shù)的支持向量機(jī)分類與最小二乘支持向量

3、機(jī)函數(shù)估計(jì)方法的實(shí)驗(yàn)效果最佳。 建立了智能煙氣輪機(jī)故障診斷的軟件平臺LibSVM與LS-SVM，結(jié)合小波的故障數(shù)據(jù)的預(yù)處理，實(shí)現(xiàn)了煙氣輪機(jī)的實(shí)時(shí)故障診斷；通過對原始故障信號多層分解實(shí)現(xiàn)了信號的奇異點(diǎn)分析，并提取了故障信號的特征向量，用于分類實(shí)驗(yàn)；SVM對于故障數(shù)據(jù)的分類靈敏度很高，分類準(zhǔn)確率符合故障診斷實(shí)驗(yàn)要求，對44個(gè)樣本的分類實(shí)驗(yàn)的平均執(zhí)行時(shí)間為0．45秒，速度能夠達(dá)到滿意效果。對煙氣輪機(jī)的故障診斷為今后的故障分析、預(yù)測工作