支持向量機(jī)及其在汽輪機(jī)組性能監(jiān)測(cè)和故障診斷中的應(yīng)用研究.pdf

1、火力發(fā)電廠中汽輪機(jī)組的安全與經(jīng)濟(jì)運(yùn)行一直為人們所關(guān)注，而性能監(jiān)測(cè)與故障診斷技術(shù)為機(jī)組的安全經(jīng)濟(jì)運(yùn)行提供了有力的保障。因此，研究電站汽輪機(jī)組性能監(jiān)測(cè)與故障診斷方法具有十分重要的意義。 支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，在解決小樣本、過(guò)學(xué)習(xí)、非線性及高維模式識(shí)別等問(wèn)題中表現(xiàn)出了許多特有的優(yōu)勢(shì)，能夠在有限特征信息情況下最大限度地挖掘數(shù)據(jù)中隱含的知識(shí)，從實(shí)際應(yīng)用性的角度來(lái)看，更適用于汽輪機(jī)組性能監(jiān)測(cè)與故障診斷這種工程問(wèn)題。

2、 基于此，論文將支持向量機(jī)應(yīng)用于汽輪機(jī)組的性能監(jiān)測(cè)與故障診斷中，研究了支持向量回歸、分類模型的建立和實(shí)現(xiàn)以及模型的參數(shù)選擇等幾個(gè)方面的問(wèn)題。 根據(jù)電站機(jī)組性能參數(shù)的數(shù)據(jù)特點(diǎn)，從回歸的角度研究機(jī)組性能參數(shù)和應(yīng)達(dá)值的計(jì)算。利用支持向量機(jī)算法在解決小樣本方面的優(yōu)勢(shì)，提出了一種新的性能參數(shù)在線計(jì)算方法——基于支持向量回歸的建模方法，分析了該算法在參數(shù)監(jiān)測(cè)方面的可行性和優(yōu)異性，研究了模型建立的基本步驟及其參數(shù)的選擇方法，并建立了凝

3、汽器真空應(yīng)達(dá)值和汽輪機(jī)熱耗率回歸估計(jì)模型，實(shí)現(xiàn)了該方法的工程應(yīng)用。 建立了基于時(shí)間序列分析理論的汽輪機(jī)組運(yùn)行參數(shù)預(yù)測(cè)模型。針對(duì)汽輪機(jī)組運(yùn)行參數(shù)中具有周期性變化的時(shí)間序列，提出將支持向量回歸算法與時(shí)間序列分析中的自回歸模型相結(jié)合，建立適用于工程實(shí)際應(yīng)用的具有分析非線性樣本特點(diǎn)的支持向量自回歸預(yù)測(cè)模型——SVAR，并將其應(yīng)用到凝汽器清潔系數(shù)和汽輪機(jī)轉(zhuǎn)子振動(dòng)振幅預(yù)測(cè)中，為實(shí)現(xiàn)運(yùn)行參數(shù)的未來(lái)趨勢(shì)分析提供了強(qiáng)有力的支持。 基于支持

4、向量回歸算法中結(jié)構(gòu)風(fēng)險(xiǎn)函數(shù)較好的平滑性以及KKT條件，針對(duì)電站實(shí)時(shí)數(shù)據(jù)中普遍存在異常值的情況，提出一種回歸中的異常值檢測(cè)方法，研究了算法實(shí)現(xiàn)中對(duì)異常值處理的方式，介紹了其在處理異常值時(shí)優(yōu)于其它方法的特點(diǎn)，并詳細(xì)闡述了模型理論基礎(chǔ)、建模過(guò)程和工程實(shí)現(xiàn)過(guò)程。 針對(duì)有限樣本情況下傳統(tǒng)模式識(shí)別方法在故障模式分類中面臨的困難，把支持向量機(jī)多分類算法引入到故障診斷中。研究了支持向量機(jī)用于故障診斷的關(guān)鍵問(wèn)題，給出了支持向量機(jī)用于故障診斷的算法