基于支持向量機(jī)的水電機(jī)組故障診斷研究.pdf

1、隨著現(xiàn)代工業(yè)化進(jìn)程的迅猛發(fā)展，工業(yè)設(shè)備正朝著精密化、復(fù)雜化以及高度集成自動(dòng)化的方向不斷發(fā)展，設(shè)備的安全、穩(wěn)定運(yùn)行對(duì)企業(yè)生產(chǎn)具有極其重要的意義。水電機(jī)組作為水電企業(yè)生產(chǎn)過(guò)程中的核心關(guān)鍵設(shè)備，其健康狀態(tài)直接關(guān)系到水電企業(yè)生產(chǎn)的安全性和經(jīng)濟(jì)效益；另一方面，水電企業(yè)的檢修方式正朝著狀態(tài)檢修的新機(jī)制轉(zhuǎn)變。因而，通過(guò)監(jiān)測(cè)水電機(jī)組運(yùn)行狀態(tài)，實(shí)現(xiàn)對(duì)水電機(jī)組健康狀態(tài)的準(zhǔn)確分析和水電機(jī)組故障模式的有效判斷，對(duì)于水電企業(yè)生產(chǎn)與狀態(tài)檢修體制都具有積極的意義。在

2、綜合分析水電機(jī)組故障診斷研究方法的發(fā)展?fàn)顩r，針對(duì)水電機(jī)組振動(dòng)故障研究中存在的小樣本問(wèn)題，以及水電機(jī)組振動(dòng)信號(hào)的非線性與非平穩(wěn)特性，本文結(jié)合正處于發(fā)展當(dāng)中的支持向量機(jī)診斷方法，對(duì)支持向量機(jī)方法在水電機(jī)組故障模式分類、狀態(tài)趨勢(shì)預(yù)測(cè)、診斷模型參數(shù)選擇等多個(gè)方面的問(wèn)題進(jìn)行了系統(tǒng)的研究。主要內(nèi)容如下：
　　 ⑴介紹了支持向量機(jī)方法的基本理論，分析了支持向量機(jī)標(biāo)準(zhǔn)算法在處理分類與回歸問(wèn)題的基本原理與算法。闡述了支持向量機(jī)標(biāo)準(zhǔn)算法的擴(kuò)展形式—

3、—最小二乘支持向量機(jī)在分類與回歸方面的基本原理與算法，并對(duì)比分析了這兩種方法的差異，為支持向量機(jī)方法應(yīng)用于水電機(jī)組故障診斷研究奠定了基礎(chǔ)。利用支持向量機(jī)方法進(jìn)行了水電機(jī)組振動(dòng)故障模式分類研究。故障診斷在本質(zhì)上可以看作模式分類問(wèn)題。因而結(jié)合支持向量機(jī)在模式分類問(wèn)題中的優(yōu)異性能，將支持向量機(jī)應(yīng)用于水電機(jī)組故障診斷研究，提出基于小波分解與最小二乘支持向量機(jī)的水電機(jī)組振動(dòng)故障分類模型。利用小波分解提取水電機(jī)組振動(dòng)信號(hào)的能量特征值作為水電機(jī)組故障

4、的特征向量，通過(guò)最小二乘支持向量機(jī)建立水電機(jī)組振動(dòng)故障多類識(shí)別模型。實(shí)例分析驗(yàn)證了分類模型的有效性。
　　 ⑵分析了設(shè)備運(yùn)行狀態(tài)發(fā)展的漸近性特征，具體闡述了水電機(jī)組狀態(tài)預(yù)測(cè)的可行性，歸納總結(jié)了常用的預(yù)測(cè)方法，指出水電機(jī)組運(yùn)行狀態(tài)發(fā)展過(guò)程是一種從量變到質(zhì)變的漸近性的發(fā)展過(guò)程。水電機(jī)組運(yùn)行狀態(tài)發(fā)展的漸近性特性是利用預(yù)測(cè)模型進(jìn)行水電機(jī)組狀態(tài)預(yù)測(cè)研究的重要理論依據(jù)。
　　 ⑶在水電機(jī)組狀態(tài)預(yù)測(cè)的可行性分析基礎(chǔ)上，針對(duì)表征水電機(jī)組

5、狀態(tài)的振動(dòng)信號(hào)序列，分析了水電機(jī)組振動(dòng)狀態(tài)序列相空間重構(gòu)，以及與相空間重構(gòu)相關(guān)的振動(dòng)序列嵌入維數(shù)和延時(shí)參數(shù)等問(wèn)題，歸納總結(jié)了預(yù)測(cè)模型的評(píng)價(jià)原則與誤差評(píng)價(jià)函數(shù)；提出了基于小波分解與最小二乘支持向量機(jī)方法的集成預(yù)測(cè)模型。該集成預(yù)測(cè)模型利用小波分解方法將具有復(fù)雜趨勢(shì)信息的振動(dòng)信號(hào)序列分解成若干個(gè)具有較明顯規(guī)律的子序列；然后利用最小二乘支持向量機(jī)實(shí)現(xiàn)子序列的預(yù)測(cè)；最后集成這些子序列的輸出作為振動(dòng)序列的預(yù)測(cè)結(jié)果。對(duì)比分析不同預(yù)測(cè)模型對(duì)振動(dòng)序列的預(yù)

6、測(cè)結(jié)果，集成預(yù)測(cè)模型具有較高的預(yù)測(cè)精度以及與原始信號(hào)良好的擬合程度，能較準(zhǔn)確的反映出信號(hào)的峰值變化，對(duì)水電機(jī)組狀態(tài)預(yù)警具有一定的參考意義。模型參數(shù)選擇是支持向量機(jī)研究中的重要內(nèi)容，合適的模型參數(shù)才能使支持向量機(jī)模型獲得滿意的性能。
　　 ⑷結(jié)合遺傳算法在復(fù)雜系統(tǒng)優(yōu)化問(wèn)題中具有的全局搜索能力，提出了基于遺傳算法的最小二乘支持向量機(jī)預(yù)測(cè)模型的參數(shù)選擇方法，并應(yīng)用于水電機(jī)組振動(dòng)狀態(tài)預(yù)測(cè)研究。為水電機(jī)組故障診斷的支持向量機(jī)方法研究的模型