基于信息融合的設備故障預測研究.pdf

1、機械設備對工業(yè)進步起到了巨大的促進作用，為保障工業(yè)生產(chǎn)中關鍵設備持續(xù)、高效運行，提高生產(chǎn)率，準確的診斷與預測設備故障逐漸成為工業(yè)發(fā)展的重中之重。
　　以往的故障預測技術大都基于單傳感器信號，然而由于轉子渦動現(xiàn)象的存在，靠單一傳感器采集的信號往往比較片面，這就導致其預測結果不夠準確。而全矢譜技術能融合多通道信號并準確提取特征量，克服了預測數(shù)據(jù)不可靠的技術難點，可以有效提高故障預測的精度。
　　支持向量回歸方法在解決小樣本預測問

2、題中具有明顯的優(yōu)越性，而在其基礎上拓展出的最小二乘支持向量回歸具有更好的泛化能力和預測性能。在設備故障預測中采用最小二乘支持向量回歸可以充分利用設備狀態(tài)監(jiān)測系統(tǒng)中近段時間內(nèi)采集的小樣本數(shù)據(jù)進行趨勢預測，這就大大提高預測結果的可信度，具有良好的工程實用效果。
　　本文將全矢譜技術與最小二乘支持向量回歸方法相結合，構建基于信息融合的設備故障預測模型，與以往時域指標的預測不同，該模型是對反映設備運行狀態(tài)的頻譜結構進行預測，并通過實例驗證

3、其有效性。本課題的主要研究工作如下：
　　1、分析不同的信息融合方法，并通過對比說明全矢譜技術的優(yōu)勢。介紹全矢譜技術的原理、算法以及特點，并通過風力渦輪機故障診斷綜合實驗臺上的診斷實例驗證其能夠提取同源信號中完整的、準確的特征信息。運用全矢譜技術能夠獲得反映設備真實狀態(tài)的特征量，為設備故障預測提供可靠的數(shù)據(jù)支持。
　　2、研究支持向量回歸的基礎理論，分析其回歸預測的思想，并構建基于全矢譜的支持向量回歸預測模型。該模型能夠解決