基于支持向量機的汽輪機軸系振動故障智能診斷研究.pdf

1、隨著汽輪機向大型化、復雜化、高參數(shù)的方向發(fā)展，為保證設備的安全可靠運行，人們對設備狀態(tài)監(jiān)測與故障診斷技術的重視程度越來越高，診斷技術也開始朝著智能化的方向發(fā)展。支持向量機是建立在統(tǒng)計學習理論基礎上的新型學習機器，為解決小樣本的故障分類問題提供了有效手段。將支持向量機應用到汽輪機故障診斷領域，能夠有效地提高故障診斷的準確率，對避免事故發(fā)生帶來的巨大損失，提高經(jīng)濟效益和社會效益都具有十分重要的意義。 論文結合汽輪機常見的軸系振動故障

2、，采用支持向量機方法對故障進行分類和預測，為研究更好的汽輪機故障診斷方法提供了依據(jù)。論文圍繞基于支持向量機的智能故障診斷問題，針對數(shù)據(jù)預處理、故障特征提取、故障分類、故障建模與預測及汽輪機診斷系統(tǒng)的構建等方面開展了研究，主要研究成果有： 1、通過分析常用特征提取和選擇方法，引入了主分量分析和基于核函數(shù)的特征提取方法，對汽輪機軸系振動故障進行特征提取，并采用針對故障類型的模糊化K—L變換，壓縮故障數(shù)據(jù)的維數(shù)，降低支持向量機分類算法

3、的運算復雜度，并通過仿真實驗，驗證了該方法能夠有效地提高故障分類的準確率； 2、詳細討論了支持向量機方法在汽輪機故障診斷領域的具體應用，構造了基于支持向量機的故障多分類模型，實現(xiàn)了多類故障的一次性區(qū)分； 3、研究了支持向量回歸在故障建模和故障預測方面的具體應用，并通過仿真實驗，分析和比較了支持向量機與其他智能方法的優(yōu)劣； 4、通過實際的汽輪機軸系振動故障數(shù)據(jù)，將支持向量機應用于故障分類和趨勢預測，驗證了基于支持向