基于支持向量機(jī)的離心壓縮機(jī)振動(dòng)故障診斷研究.pdf

1、離心壓縮機(jī)作為空分和煉化等流程行業(yè)的核心設(shè)備，要求安全高效地運(yùn)行。在設(shè)備運(yùn)行過(guò)程中對(duì)故障的預(yù)警和診斷顯得尤為重要。離心壓縮機(jī)中兩個(gè)重要的旋轉(zhuǎn)部件為轉(zhuǎn)子和齒輪箱，本文通過(guò)支持向量機(jī)算法對(duì)轉(zhuǎn)子和齒輪箱分別建立故障診斷模型。
　　收集離心壓縮機(jī)轉(zhuǎn)子振動(dòng)故障的歷史樣本數(shù)據(jù)，分析轉(zhuǎn)子振動(dòng)故障的特征頻率，提取振動(dòng)信號(hào)特征頻率內(nèi)的最大振幅作為故障診斷的特征向量，結(jié)合專(zhuān)家打分和BP神經(jīng)網(wǎng)絡(luò)擬合特征向量的隸屬度函數(shù)，利用支持向量機(jī)構(gòu)建轉(zhuǎn)子單故障和多

2、故障的診斷模型，得到較好的識(shí)別率。
　　為了建立齒輪箱運(yùn)行狀態(tài)識(shí)別模型，對(duì)齒輪箱4個(gè)測(cè)點(diǎn)，6種運(yùn)行狀態(tài)的振動(dòng)數(shù)據(jù)進(jìn)行去趨勢(shì)項(xiàng)和去噪處理，對(duì)振動(dòng)信號(hào)分別從時(shí)域、能量和樣本熵3個(gè)維度提取特征向量。利用誤差棒圖對(duì)各特征向量的有效性進(jìn)行初步分析。對(duì)每一測(cè)點(diǎn)的振動(dòng)信號(hào)，分別采用時(shí)域、能量、樣本熵和綜合特征建立故障診斷的支持向量機(jī)模型，其中利用綜合特征建立的模型識(shí)別精度最高。綜合4個(gè)測(cè)點(diǎn)的所有特征參數(shù)組成齒輪箱運(yùn)行狀態(tài)識(shí)別模型的特征向量，運(yùn)用