煙氣發(fā)電機組非平穩(wěn)狀態(tài)的故障趨勢預(yù)示智能專家系統(tǒng)平臺的研究.pdf

1、大型機電設(shè)備在工業(yè)生產(chǎn)中占有非常重要的地位，保障大型機電設(shè)備的安全運行具有非常重要的經(jīng)濟意義與社會意義。大型機電設(shè)備的非平穩(wěn)非線性狀態(tài)的故障診斷與趨勢預(yù)示技術(shù)是保障大型機電設(shè)備安全運行的關(guān)鍵技術(shù)。 針對機電設(shè)備非線性非平穩(wěn)運行狀態(tài)診斷以及趨勢預(yù)測中的需要，結(jié)合智能技術(shù)的最新進展，運用粗糙集、支持向量機(SupportVectorMachine—SVM)等智能方法，對基于知識的機電系統(tǒng)智能故障診斷和趨勢預(yù)示技術(shù)進行深入研究。主要研

2、究成果如下： 1．針對機電設(shè)備故障診斷中存在的知識冗余和不確定性，從原始數(shù)據(jù)出發(fā)，利用決策表約簡算法進行屬性和屬性值的約簡，產(chǎn)生了帶有置信度和覆蓋度的決策集，建立了故障診斷的規(guī)則庫。給出了基于粗糙集的故障診斷和知識獲取模型的一般結(jié)構(gòu)。以旋轉(zhuǎn)機械為對象，通過對典型故障的分析，建立了決策表，通過對決策表的約簡，將11個條件屬性化簡為4或者5個，極大地減少了數(shù)據(jù)庫中數(shù)據(jù)的數(shù)量，解決了故障診斷中知識獲取的瓶頸問題。提出了決策表的屬性值約

3、簡的一種簡化算法。結(jié)果證明了基于粗糙集理論的旋轉(zhuǎn)機械故障診斷是可行的。 2．在研究了多種趨勢預(yù)測的方法后，選擇使用SVM技術(shù)來進行機電設(shè)備的非平穩(wěn)非線性狀態(tài)的趨勢預(yù)示。建立了使用支持向量機進行機電系統(tǒng)狀態(tài)趨勢預(yù)示的模型。對大型旋轉(zhuǎn)注水機組振動烈度，以FPE(FinalPredictionError—FPE)確定嵌入維數(shù)，選用RBF(RadialBasisFunction)核函數(shù)和合適的損失函數(shù)進行預(yù)測，取得較理想的結(jié)果。