基于支持向量機的煙氣輪機故障診斷研究.pdf

1、煙氣發(fā)電系統(tǒng)是煉油廠的重油催化裂化工藝中重要的節(jié)能和再生能源環(huán)節(jié)，其可以利用余熱發(fā)電的原理達到回收能量再生電能的目的。但是由于機械工藝等各方面的原因，煙氣輪機機組會時常發(fā)生故障，可能對生產的經濟性和安全性造成巨大損失。所以，保障設備正常運行，對設備進行實時監(jiān)測，及時判斷故障發(fā)生的可疑點，減少故障發(fā)生的頻率，也同時保護了環(huán)境，因此，研究煙氣發(fā)電系統(tǒng)的故障具有十分重要的現(xiàn)實意義。 通過從調研煙氣輪機設備參數(shù)信息、故障數(shù)據(jù)信息、振動產

2、生的原因特點，智能故障診斷領域的現(xiàn)狀及發(fā)展趨勢出發(fā)，建立煙氣輪機故障診斷實驗，在煉油廠設備控制中心實現(xiàn)了故障樣本數(shù)據(jù)的采集；并用小波方法進行對原始故障數(shù)據(jù)進行預處理，采用DB小波對仿真信號進行6層分解的實驗，第四層小波分解的效果最優(yōu)，實現(xiàn)了信號的奇異點分析；通過對原始信號的3層分解，提取信號的特征向量，對小波預處理后的信號進行智能分類，采用C-SVC，v參數(shù)支持向量機，最小二乘支持向量機三種方法，v參數(shù)的支持向量機分類與最小二乘支持向量

3、機函數(shù)估計方法的實驗效果最佳。 建立了智能煙氣輪機故障診斷的軟件平臺LibSVM與LS-SVM，結合小波的故障數(shù)據(jù)的預處理，實現(xiàn)了煙氣輪機的實時故障診斷；通過對原始故障信號多層分解實現(xiàn)了信號的奇異點分析，并提取了故障信號的特征向量，用于分類實驗；SVM對于故障數(shù)據(jù)的分類靈敏度很高，分類準確率符合故障診斷實驗要求，對44個樣本的分類實驗的平均執(zhí)行時間為0．45秒，速度能夠達到滿意效果。對煙氣輪機的故障診斷為今后的故障分析、預測工作