煙氣發(fā)電機(jī)組非平穩(wěn)狀態(tài)的故障趨勢(shì)預(yù)示智能專(zhuān)家系統(tǒng)平臺(tái)的研究.pdf

1、大型機(jī)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(jī)電設(shè)備的安全運(yùn)行具有非常重要的經(jīng)濟(jì)意義與社會(huì)意義。大型機(jī)電設(shè)備的非平穩(wěn)非線(xiàn)性狀態(tài)的故障診斷與趨勢(shì)預(yù)示技術(shù)是保障大型機(jī)電設(shè)備安全運(yùn)行的關(guān)鍵技術(shù)。 針對(duì)機(jī)電設(shè)備非線(xiàn)性非平穩(wěn)運(yùn)行狀態(tài)診斷以及趨勢(shì)預(yù)測(cè)中的需要，結(jié)合智能技術(shù)的最新進(jìn)展，運(yùn)用粗糙集、支持向量機(jī)(SupportVectorMachine—SVM)等智能方法，對(duì)基于知識(shí)的機(jī)電系統(tǒng)智能故障診斷和趨勢(shì)預(yù)示技術(shù)進(jìn)行深入研究。主要研

2、究成果如下： 1．針對(duì)機(jī)電設(shè)備故障診斷中存在的知識(shí)冗余和不確定性，從原始數(shù)據(jù)出發(fā)，利用決策表約簡(jiǎn)算法進(jìn)行屬性和屬性值的約簡(jiǎn)，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(kù)。給出了基于粗糙集的故障診斷和知識(shí)獲取模型的一般結(jié)構(gòu)。以旋轉(zhuǎn)機(jī)械為對(duì)象，通過(guò)對(duì)典型故障的分析，建立了決策表，通過(guò)對(duì)決策表的約簡(jiǎn)，將11個(gè)條件屬性化簡(jiǎn)為4或者5個(gè)，極大地減少了數(shù)據(jù)庫(kù)中數(shù)據(jù)的數(shù)量，解決了故障診斷中知識(shí)獲取的瓶頸問(wèn)題。提出了決策表的屬性值約

3、簡(jiǎn)的一種簡(jiǎn)化算法。結(jié)果證明了基于粗糙集理論的旋轉(zhuǎn)機(jī)械故障診斷是可行的。 2．在研究了多種趨勢(shì)預(yù)測(cè)的方法后，選擇使用SVM技術(shù)來(lái)進(jìn)行機(jī)電設(shè)備的非平穩(wěn)非線(xiàn)性狀態(tài)的趨勢(shì)預(yù)示。建立了使用支持向量機(jī)進(jìn)行機(jī)電系統(tǒng)狀態(tài)趨勢(shì)預(yù)示的模型。對(duì)大型旋轉(zhuǎn)注水機(jī)組振動(dòng)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(jìn)行預(yù)測(cè)，取得較理想的結(jié)果。