本文關(guān)鍵詞：融合支持向量機的水電機組混合智能故障診斷研究，由筆耕文化傳播整理發(fā)布。

文檔介紹：
分類號學(xué)號D200877690 學(xué)校代碼 10487 密級博士學(xué)位論文融合支持向量機的水電機組混合智能故障診斷研究學(xué)位申請人:張孝遠(yuǎn)學(xué)科專業(yè):水利水電工程指導(dǎo)教師:周建中教授答辯日期:2012年6月3日A Dissertation Submitted in Partial Fulfillment of the Requirements for the Degree of Doctor of EngineeringHybrid Intelligent Fault Diagnosis Method Integrating Support Vector Machines for Hydroelectric Generator Units Ph. D. Candidate:ZHANG Xiaoyuan Major:Hydraulic and Hydro-Power Engineering Supervisor:Prof. ZHOU Jianzhong Huazhong University of Science & Technology Wuhan 430074, P.R.China June, 2012獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知,除文中已經(jīng)標(biāo)明引用的內(nèi)容外,本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻(xiàn)的個人和集體,均已在文中以明確方式標(biāo)明。本人完全意識到,本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名:日期:年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定,即:學(xué)校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版,允許論文被查閱和借閱。本人授權(quán)華中科技大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□,在_____年解密后適用本授權(quán)書。不保密□。(請在以上方框內(nèi)打“√”)學(xué)位論文作者簽名:指導(dǎo)教師簽名:日期:年月日日期:年月日本論文的研究工作獲得以下基金或項目的資助,在此鳴謝:1.“十一五”國家科技支撐計劃項目“特大型施工機械運行安全、診斷與優(yōu)化”(項目編號:2008BAB29B05-02);2.國家自然科學(xué)基金“水力發(fā)電機組復(fù)雜非線性動力學(xué)建模與診斷方法”(項目編號:51079057);3.國家自然科學(xué)基金“基于空間曲面的水泵水輪機全特性及過渡過程的研究”(項目編號:51039005);4.國家自然科學(xué)基金項目“基于模糊辨識與多模型描述的抽水蓄能機組控制系統(tǒng)故障診斷方法研究”(項目編號:51109088);5.國家十一五科技支撐計劃項目“梯級樞紐聯(lián)合調(diào)度決策支持系統(tǒng)研究”(項目編號:2008BAB29B08-06)。I華中科技大學(xué)博士學(xué)位論文摘要隨著水力資源的不斷開發(fā),水電在電力能源結(jié)構(gòu)中所占比重逐漸增大,作為水電生產(chǎn)過程核心設(shè)備的水電機組的結(jié)構(gòu)日趨復(fù)雜,集成化程度越來越高,不同部件之間動力學(xué)行為相互影響、相互作用,機組振動問題日益突出,對電網(wǎng)的安全穩(wěn)定運行造成的影響也日益凸顯。因此,常規(guī)的水電機組振動故障診斷方法已經(jīng)不能很好的適應(yīng)于當(dāng)前的工程實際,迫切需要采用一些有效的智能故障診斷方法對機組振動故障進(jìn)行診斷,以提高機組故障診斷的準(zhǔn)確性、智能性及魯棒性。本文針對水輪發(fā)電機組故障診斷和工程應(yīng)用中的關(guān)鍵科學(xué)問題,運用支持向量機理論進(jìn)行水電機組振動故障診斷,深入研究了支持向量機的理論及工程應(yīng)用,將先進(jìn)信號處理技術(shù)與智能方法和支持向量機進(jìn)行融合,使支持向量機與其它智能方法取長補短、優(yōu)勢互補,提出了若干融合支持向量機的水電機組混合智能故障診斷方法。論文的主要研究內(nèi)容和創(chuàng)新性成果如下:(1)充分研究了支持向量機的模型參數(shù)對其性能的影響,提出采用特征空間中的類均值距離作為衡量所選核函數(shù)參數(shù)優(yōu)劣的準(zhǔn)則,并在此基礎(chǔ)上確定出多類支持向量機核參數(shù)的小而有效的搜索區(qū)間;在新的核參數(shù)搜索區(qū)間和懲罰因子的搜索區(qū)間上,利用一種具有自適應(yīng)搜索因子的差分進(jìn)化算法進(jìn)行支持向量機參數(shù)組合尋優(yōu)。工程應(yīng)用結(jié)果表明所提出的方法能夠有效診斷出機組的典型故障,具有一定的可行性和有效性。(2)提出采用集合經(jīng)驗?zāi)B(tài)分解及基于集合經(jīng)驗?zāi)B(tài)分解的Hilbert譜與Hilbert邊際譜對水電機組尾水管壓力脈動信號進(jìn)行分析;重點研究了基于集合經(jīng)驗?zāi)B(tài)分解的本征模態(tài)函數(shù)能量熵與奇異值分解特征提取方法,利用本征模態(tài)函數(shù)能量熵判斷機組是否運行于故障狀態(tài);如果機組運行于故障狀態(tài),將本征模態(tài)函數(shù)奇異值特征輸入前述經(jīng)參數(shù)優(yōu)化的支持向量機進(jìn)行故障類型診斷;工程應(yīng)用表明所提方法能夠識別出設(shè)備的多種運行工況,所提方法已被成功應(yīng)用在松江河發(fā)電廠故障診斷系統(tǒng)中。(3)采用模糊支持向量機進(jìn)行水電機組故障診斷,模糊支持向量機在訓(xùn)練階段對故障樣本區(qū)別對待,能夠有效消除孤立點和野點子對診斷結(jié)果的影響;在模糊支II華中科技大學(xué)博士學(xué)位論文持向量機中采用一種模糊sigmoid核函數(shù),對這種核函數(shù)的形式及優(yōu)勢進(jìn)行了闡述;針對模糊支持向量機實際應(yīng)用中隸屬度函數(shù)難以確定的問題,提出一種反K近鄰方法與類均值距離結(jié)合的隸屬度函數(shù)確定方法;深入分析了一對一多類支持向量機,指出采用一對一方法將二類支持向量機推廣到多類時,在訓(xùn)練階段并不是所有的類別對形成的支持向量機對最終的決策分類都有貢獻(xiàn),即存在著計算冗余;在此基礎(chǔ)上,提出一種改進(jìn)的一對一方法以刪除其中不必要的支持向量機的訓(xùn)練。將所提方法應(yīng)用于水電機組振動故障診斷取得滿意的診斷結(jié)果。(4)針對傳統(tǒng)故障診斷分類器不能診斷出機組的不確定信息的不足,提出一種新的支持向量機與粗糙集結(jié)合的故障診斷方法。所提方法充分考慮了支持向量機和粗糙集各自的優(yōu)缺點,將二者有機融合,優(yōu)勢互補,利用粗糙集來描述支持向量機的分類間隔,采用粗糙集上下近似的概念描述故障的不確定信息,充分利用了支持向量機強大的泛化能力和粗糙集對不確定數(shù)據(jù)的較強建模能力。將所提方法應(yīng)用在某水電機組的故障診斷中能夠診斷出機組的耦合故障,或亞健康狀態(tài)。對二灘水電站#3號機組上導(dǎo)擺度偏大問題進(jìn)行了綜合分析,分析結(jié)論為二灘水電站管理運行人員提供了有益指導(dǎo),同時進(jìn)一步說明對水電機組耦合故障進(jìn)行診斷的必要性。關(guān)鍵詞:水力發(fā)電機組,混合智能故障診斷方法,支持向量機,特征空間類間距,自適應(yīng)差分進(jìn)化算法,集合經(jīng)驗?zāi)B(tài)分解,Hilbert-Huang變換,模糊支持向量機,粗糙集

1

  本文關(guān)鍵詞：融合支持向量機的水電機組混合智能故障診斷研究，，由筆耕文化傳播整理發(fā)布。