首页 > 学术论文

基于支持向量机的水电机组故障诊断研究

来源:论文学术网
时间:2024-08-18 12:54:55
热度:

基于支持向量机的水电机组故障诊断研究【摘要】:随着现代工业化进程的迅猛发展,工业设备正朝着精密化、复杂化以及高度集成自动化的方向不断发展,设备的安全、稳定运行对企业生产具有极其重要

【摘要】: 随着现代工业化进程的迅猛发展,工业设备正朝着精密化、复杂化以及高度集成自动化的方向不断发展,设备的安全、稳定运行对企业生产具有极其重要的意义。水电机组作为水电企业生产过程中的核心关键设备,其健康状态直接关系到水电企业生产的安全性和经济效益;另一方面,水电企业的检修方式正朝着状态检修的新机制转变。因而,通过监测水电机组运行状态,实现对水电机组健康状态的准确分析和水电机组故障模式的有效判断,对于水电企业生产与状态检修体制都具有积极的意义。在综合分析水电机组故障诊断研究方法的发展状况,针对水电机组振动故障研究中存在的小样本问题,以及水电机组振动信号的非线性与非平稳特性,本论文结合正处于发展当中的支持向量机诊断方法,对支持向量机方法在水电机组故障模式分类、状态趋势预测、诊断模型参数选择等多个方面的问题进行了系统的研究。 论文首先介绍了支持向量机方法的基本理论,分析了支持向量机标准算法在处理分类与回归问题的基本原理与算法。阐述了支持向量机标准算法的扩展形式——最小二乘支持向量机在分类与回归方面的基本原理与算法,并对比分析了这两种方法的差异,为支持向量机方法应用于水电机组故障诊断研究奠定了基础。 利用支持向量机方法进行了水电机组振动故障模式分类研究。故障诊断在本质上可以看作模式分类问题。因而结合支持向量机在模式分类问题中的优异性能,将支持向量机应用于水电机组故障诊断研究,提出基于小波分解与最小二乘支持向量机的水电机组振动故障分类模型。利用小波分解提取水电机组振动信号的能量特征值作为水电机组故障的特征向量,通过最小二乘支持向量机建立水电机组振动故障多类识别模型。实例分析验证了分类模型的有效性。 分析了设备运行状态发展的渐近性特征,具体阐述了水电机组状态预测的可行性,归纳总结了常用的预测方法,指出水电机组运行状态发展过程是一种从量变到质变的渐近性的发展过程。水电机组运行状态发展的渐近性特性是利用预测模型进行水电机组状态预测研究的重要理论依据。 在水电机组状态预测的可行性分析基础上,针对表征水电机组状态的振动信号序列,分析了水电机组振动状态序列相空间重构,以及与相空间重构相关的振动序列嵌入维数和延时参数等问题,归纳总结了预测模型的评价原则与误差评价函数;提出了基于小波分解与最小二乘支持向量机方法的集成预测模型。该集成预测模型利用小波分解方法将具有复杂趋势信息的振动信号序列分解成若干个具有较明显规律的子序列;然后利用最小二乘支持向量机实现子序列的预测;最后集成这些子序列的输出作为振动序列的预测结果。对比分析不同预测模型对振动序列的预测结果,集成预测模型具有较高的预测精度以及与原始信号良好的拟合程度,能较准确的反映出信号的峰值变化,对水电机组状态预警具有一定的参考意义。 模型参数选择是支持向量机研究中的重要内容,合适的模型参数才能使支持向量机模型获得满意的性能。结合遗传算法在复杂系统优化问题中具有的全局搜索能力,提出了基于遗传算法的最小二乘支持向量机预测模型的参数选择方法,并应用于水电机组振动状态预测研究。为水电机组故障诊断的支持向量机方法研究的模型参数选择提供了一种可行、有效的方法。 支持向量机具有坚实而完善的理论体系,但是其在理论方法的研究,以及在故障诊断领域中的应用仍然处于不断的发展过程中。因而,支持向量机方法在水电机组故障诊断理论与应用方面的研究均有待于进一步的深入和完善。 【关键词】:水电机组 故障诊断 小波分析 支持向量机 最小二乘支持向量机 相空间重构 状态预测 遗传算法
【学位授予单位】:华中科技大学
【学位级别】:博士
【学位授予年份】:2007
【分类号】:TV738
【目录】:
  • 摘要4-6
  • ABSTRACT6-10
  • 1 绪论10-26
  • 1.1 引言10-11
  • 1.2 故障诊断方法概述11-19
  • 1.3 支持向量机及其应用概述19-23
  • 1.4 本文的研究工作及意义23-26
  • 2 支持向量机基本理论26-46
  • 2.1 引言26-27
  • 2.2 统计学习理论的基本内容27-34
  • 2.3 支持向量机理论34-42
  • 2.4 最小二乘支持向量机42-45
  • 2.5 本章小结45-46
  • 3 基于支持向量机的水电机组振动故障分类研究46-61
  • 3.1 引言46-47
  • 3.2 基于小波分析的故障特征提取47-52
  • 3.3 基于LS-SVM 的故障分类模型52-57
  • 3.4 水电机组振动故障分类识别57-60
  • 3.5 本章小结60-61
  • 4 基于支持向量机的水电机组状态预测研究61-81
  • 4.1 引言61-62
  • 4.2 预测可行性分析62-65
  • 4.3 预测方法概述65-66
  • 4.4 预测方法评价准则和误差评价函数66-69
  • 4.5 基于小波与LS-SVM 的集成预测模型69-74
  • 4.6 水电机组振动状态预测分析74-80
  • 4.7 本章小结80-81
  • 5 基于遗传算法的支持向量机模型参数选择81-92
  • 5.1 引言81-82
  • 5.2 遗传算法82-86
  • 5.3 GA-LSSVM 预测模型参数选择86-89
  • 5.4 实例分析89-91
  • 5.5 本章小结91-92
  • 6 总结与展望92-95
  • 6.1 研究总结92-93
  • 6.2 研究展望93-95
  • 致谢95-96
  • 参考文献96-109
  • 附录1 (攻读博士学位期间发表论文)109


您可以在本站搜索以下学术论文文献来了解更多相关内容

国网实现700MW水电机组励磁系统国产化    

基于数据挖掘技术的铁路车站微机联锁故障诊断系统研究与分析    王海艳;

水电机组自由转角盘车算法    彭玉成;曹艳;吴钢;

水电机组智能盘车系统关键技术探讨与实践    孟安波;刘秀良;徐海波;蒋晓明;

基于测发数据链路的运载火箭故障诊断技术实现    尹茂君;

火电技术汽机汽轮机故障诊断技术的发展与展望    程广荣;

液压挖掘机故障诊断专家系统研究    殷建;舒洲;

设备状态监测及故障诊断应用    刘全喜;徐丽芬;钟丽丽;

基于灰色理论的潜水泵的故障诊断及预测系统设计    张雷冲;

数控机床网络故障诊断系统的开发与应用    张爱红;

水电机组故障智能诊断研究综述    葛新峰;徐广文;周叶;唐澍;

基于系统集成的水电机组状态监测故障诊断系统    郑松远;

基于系统集成的水电机组状态监测故障诊断系统    郑松远;

通信对抗装备故障诊断系统的设计与实现    李昂;原媛;齐世友;丁亚飞;

人工神经网络在采煤机故障诊断系统中的应用    樊淑趁;熊诗波;

故障诊断系统在大庆采油一厂离心泵机组监测中的应用    鲍忠利;李涛;王彤;刘明东;

基于模式识别故障诊断方法    李淑芬;幺洪波;

基于Multi-Agent的故障诊断系统技术    周伟华;彭亦功;那晓旭;

基于声卡的小型柴油机故障诊断系统研究    黄志强;翁红林;

船舶主机常见故障诊断系统研究    肖民;姚寿广;

我国加紧研发百万千瓦级水电机组    吴植

国电电力 水电机组投产新项目获批    证券时报记者 向南

700兆瓦级水电机组励磁系统实现国产化    通讯员 周光乙 袁亚洲

用技术创新提高设备管理水平    李立红 李荣梧

水电重大装备制造业跨入新时代    吴植

铁肩担大任    王铁 显丽 宝书

世界首台80万千瓦水电机组蜗壳出厂    通讯员 孙文

我省成功研制出输电线路故障诊断系统    本报记者 伍平

济钢EAM离线网络点检和故障诊断管理系统创效明显    李萍

“载人航天器故障诊断系统研究”通过验收    记者 唐明恒

水电机组振动故障的智能诊断方法研究    彭文季

基于支持向量机的水电机组故障诊断研究    邹敏

融合支持向量机的水电机组混合智能故障诊断研究    张孝远

基于RCM分析的智能化汽轮机组故障诊断系统研究    董晓峰

基于多源信息融合的水电机组故障诊断与轴心轨迹识别技术研究    杨志荣

基于团队智能的水电机组集成监测方法研究与实践    谢国财

贝叶斯网络在水电机组状态检修中的应用研究    华斌

水电机组控制系统辨识及故障诊断研究    李超顺

共振式水泥混凝土路面破碎车控制及故障诊断系统的关键技术研究    张平均

基于免疫机理的可重构诊断系统研究    李伟

西流水水电站水轮发电机组状态监测与故障诊断系统设计与应用    宋通林

基于DSP的实时监测与故障诊断系统的研究与应用    柴艳红

机械设备工况监测与故障诊断系统    王亚锋

涡轮增压器故障仿真与基于模式识别的嵌入式诊断系统的研究    周长涛

基于独立分量分析(ICA)齿轮传动装置振动信号研究    李好

电路板故障诊断系统可视化开发与运行环境的设计与实现    保坤

MiniGUI在嵌入式故障诊断系统中的应用    赵敏

电喷发动机故障诊断专家系统的研制    蒋红枫

变压器在线监控与故障诊断系统研究    莫善区

基于DSP的断路器在线监测与诊断系统的设计与实现    曹国臣

Baidu
map