收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的汽轮机轴系振动故障智能诊断研究

张超  
【摘要】: 随着汽轮机向大型化、复杂化、高参数的方向发展,为保证设备的安全可靠运行,人们对设备状态监测与故障诊断技术的重视程度越来越高,诊断技术也开始朝着智能化的方向发展。支持向量机是建立在统计学习理论基础上的新型学习机器,为解决小样本的故障分类问题提供了有效手段。将支持向量机应用到汽轮机故障诊断领域,能够有效地提高故障诊断的准确率,对避免事故发生带来的巨大损失,提高经济效益和社会效益都具有十分重要的意义。 论文结合汽轮机常见的轴系振动故障,采用支持向量机方法对故障进行分类和预测,为研究更好的汽轮机故障诊断方法提供了依据。论文围绕基于支持向量机的智能故障诊断问题,针对数据预处理、故障特征提取、故障分类、故障建模与预测及汽轮机诊断系统的构建等方面开展了研究,主要研究成果有: 1、通过分析常用特征提取和选择方法,引入了主分量分析和基于核函数的特征提取方法,对汽轮机轴系振动故障进行特征提取,并采用针对故障类型的模糊化K-L变换,压缩故障数据的维数,降低支持向量机分类算法的运算复杂度,并通过仿真实验,验证了该方法能够有效地提高故障分类的准确率; 2、详细讨论了支持向量机方法在汽轮机故障诊断领域的具体应用,构造了基于支持向量机的故障多分类模型,实现了多类故障的一次性区分; 3、研究了支持向量回归在故障建模和故障预测方面的具体应用,并通过仿真实验,分析和比较了支持向量机与其他智能方法的优劣; 4、通过实际的汽轮机轴系振动故障数据,将支持向量机应用于故障分类和趋势预测,验证了基于支持向量机的智能故障诊断方法的有效性,为支持向量机的实用化提供了参考; 5、开发了一套汽轮机轴系振动数据采集与故障诊断系统,将支持向量机方法与模糊诊断功能引入到故障诊断软件中,利用支持向量回归的建模、辨识和预测能力,对轴系振动信号进行趋势分析。该系统能够在线采集故障数据,并进行离线的故障分析,实现了汽轮机组轴系振动故障的分类和发现早期轻微故障的目的。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张辉,张浩,徐征,陆剑峰;基于支持向量机的供应链伙伴企业选择方法的研究[J];计算机集成制造系统;2004年07期
2 王强;沈永平;陈英武;;支持向量机规则提取[J];国防科技大学学报;2006年02期
3 侯澍旻;李友荣;刘光临;;基于支持向量机的设备振动信号趋势预测[J];湖北工业大学学报;2006年03期
4 崔长春;刘文林;郑俊哲;;支持向量机理论与应用[J];沈阳工程学院学报(自然科学版);2007年02期
5 任文进;钟清流;;基于混沌粒子群的支持向量机参数优化[J];科学技术与工程;2007年18期
6 刘芸;唐发根;林广艳;;一种改进的近似支持向量机算法[J];北京航空航天大学学报;2007年09期
7 高尚;梅亮;;基于支持向量机的电价组合预测模型[J];电力自动化设备;2008年11期
8 郭建方;王学军;;支持向量机在科研项目评审中的应用研究[J];硅谷;2008年18期
9 黄亮;侯建军;刘颖;宋伟;李赵红;;基于相量分析与支持向量机的交流电路故障诊断[J];北京交通大学学报;2008年05期
10 吕月英;;基于支持向量机工程施工风险预警研究[J];科技创新导报;2009年07期
11 肖小玲;李腊元;;基于概率支持向量机方法的人脸识别[J];武汉理工大学学报(交通科学与工程版);2009年02期
12 韦抒;;应用支持向量机实现转子故障的模式分类[J];制造业自动化;2009年07期
13 潘浪;单明霞;;支持向量机在资源评价中的应用研究[J];长江大学学报(自然科学版)理工卷;2009年04期
14 朱大伟;张跃;;基于支持向量机的说话人识别[J];南京工程学院学报(自然科学版);2013年04期
15 王国锋,刘岩,李言俊;基于支持向量机的曲线重建方法[J];西北工业大学学报;2004年01期
16 郭宗明,张治洲,潘宇曦,黄振德,冯国鄞,贺林;利用支持向量机预测生物膜蛋白类型[J];上海交通大学学报;2004年05期
17 张德政,阿孜古丽,冯洪海,杨炳儒;基于支持向量机挖掘不一致事例隐含的异常信息[J];北京科技大学学报;2004年05期
18 王立国;张晔;陈浩;;基于鲁棒支持向量机的光谱解译[J];吉林大学学报(工学版);2007年01期
19 任能;谷波;;冷壁面霜层生长的支持向量机模型[J];制冷学报;2007年03期
20 袁斌;耿伯英;杨红梅;;基于支持向量机的海战场辐射源威胁评估[J];火力与指挥控制;2008年02期
中国重要会议论文全文数据库 前10条
1 侯澍旻;李友荣;刘光临;;基于支持向量机的设备振动信号趋势预测[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年
2 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
3 徐会敏;王玉兰;;线性规划支持向量机模型的研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
4 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
5 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
6 林关成;李亚安;;一种支持向量机训练集选取算法改进[A];2009’中国西部地区声学学术交流会论文集[C];2009年
7 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
8 李方方;赵英凯;贾玉莹;杜杰;;基于最小二乘支持向量机的油品质量预测[A];第25届中国控制会议论文集(上册)[C];2006年
9 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
10 戴林超;吴琳丽;赵海娜;李训铭;;基于最小二乘支持向量机的故障预测法[A];2009年中国智能自动化会议论文集(第六分册)[中南大学学报(增刊)][C];2009年
中国博士学位论文全文数据库 前10条
1 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
2 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
3 王超;三类不确定支持向量机及其应用[D];河北大学;2013年
4 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年
5 李华庆;支持向量机及其在人脸识别中的应用研究[D];上海交通大学;2006年
6 杜喆;几类支持向量机变型算法的研究[D];西安电子科技大学;2009年
7 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
8 刘京礼;鲁棒最小二乘支持向量机研究与应用[D];中国科学技术大学;2010年
9 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
10 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 周林成;小波支持向量机在数据建模中的研究及应用[D];江南大学;2008年
2 王芳;支持向量机算法的研究及应用[D];江南大学;2008年
3 高泓;基于支持向量机的动态预测方法与实现技术研究[D];大庆石油学院;2009年
4 王永吉;支持向量机泛化性能的研究及其应用[D];江南大学;2009年
5 梁宏霞;支持向量机模型研究及应用[D];辽宁师范大学;2009年
6 孙庆嘉;多类支持向量机的研究与分析[D];北京交通大学;2010年
7 朱杰;基于最小二乘支持向量机的传染病预测与研究[D];苏州大学;2009年
8 王琳;支持向量机及相关理论研究[D];辽宁师范大学;2010年
9 万家强;支持向量机在质量管理中的应用研究[D];重庆理工大学;2010年
10 李响;基于半监督支持向量机的网络流量分类机制的研究与实现[D];北京邮电大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978