振動問題在水電機組中普遍存在。因此,對機組的振動信號作以有效分析與評價,準(zhǔn)確識別與排除故障,對保障機組、電廠及電網(wǎng)的最優(yōu)運行具有重要意義。本文以水電機組的振動信號為研究對象,將快速獨立分量分析和集合經(jīng)驗?zāi)B(tài)分解進行有效結(jié)合,然后引入到機組振動信號的處理中;同時構(gòu)建基于改進粒子群優(yōu)化算法-最小二乘支持向量機的模型,用于振動故障的判別。首先針對水電機組振動激勵源眾多、傳播路徑復(fù)雜且容易產(chǎn)生耦合的特點,引入了快速獨立分量分析(FICA)方法對實測信號進行分離,獲得多個能表征不同振源的獨立分量。在此基礎(chǔ)上,提出FICA-EEMD特征提取法。即對FICA分離的各個獨立分量作集合經(jīng)驗?zāi)B(tài)分解(EEMD),獲得若干個本征模態(tài)分量(IMF),再將各個IMF歸一化能量當(dāng)作對應(yīng)分量的特征值。與使用EEMD相比,FICA-EEMD具有一定的優(yōu)勢。然后將最小二乘支持向量機(LSSVM)引入到機組的振動故障診斷中。利用改進后的粒子群優(yōu)化算法(IPSO)確定LSSVM的最佳超參數(shù),并對傳統(tǒng)的LSSVM進行有效的多分類擴展,進而構(gòu)建相應(yīng)的診斷模型,以完成對多種振動故障的精確判別。最后利用實測振動數(shù)據(jù)對上述理論與模型作以驗證�？梢宰C明,FICA-EEMD可有效提取到振動信號的特征向量,IPSO-LSSVM可準(zhǔn)確識別出振動故障的類型,且相較于PSO-LSSVM、GA-LSSVM模型,具有更高的診斷精度及更快的運行速度,值得推廣應(yīng)用。
【學(xué)位單位】：西安理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TV738
【部分圖文】：

總體框架

SVM 分類原理見圖 5-1，黑色實線即為最優(yōu)超平面。圖4-1 最優(yōu)分類超平面Fig.4-1 The optimal separating hyperplane設(shè)一樣本集 ( , ), 1,2, , i ix y i n，可分為 1 和 2 兩類。對于 Nix R，如果它屬于類別1，則標(biāo)記 1iy ；如果它是類別 2，則標(biāo)記 1iy 。通過構(gòu)建恰當(dāng)?shù)臎Q策函數(shù)，將樣本集 ( , ), 1

x 為邊界支持向量（Boundary Support Vector，BSV）。決策函數(shù)的分類規(guī)則如下圖。圖4-2 支持向量機網(wǎng)絡(luò)Fig.4-2 The network of SVM
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李輝;焦毛;楊曉萍;白亮;羅興锜;;基于EEMD和SOM神經(jīng)網(wǎng)絡(luò)的水電機組故障診斷[J];水力發(fā)電學(xué)報;2017年07期

2 葉慧;葉龍海;尹強;王衛(wèi)華;楊慶祥;;基于遺傳算法尋優(yōu)的多核支持向量機故障診斷系統(tǒng)[J];安陽工學(xué)院學(xué)報;2017年04期

3 徐健;周志祥;唐亮;冉杰;何杰;;基于總體平均經(jīng)驗?zāi)B(tài)分解算法的自適應(yīng)改進[J];振動與沖擊;2017年11期

4 趙朝賀;;一種改進的支持向量機參數(shù)優(yōu)化方法[J];地理空間信息;2017年01期

5 向國齊;殷國富;;基于支持向量機和粒子群算法的穩(wěn)健優(yōu)化[J];機械設(shè)計與研究;2016年06期

6 王向紅;尹東;胡宏偉;毛漢領(lǐng);;基于小波包和獨立分量分析的微弱多源故障聲發(fā)射信號分離[J];上海交通大學(xué)學(xué)報;2016年05期

7 許昕;潘宏俠;潘銘志;;獨立分量分析在自動機振動信號處理中的應(yīng)用[J];振動.測試與診斷;2016年01期

8 何洋洋;賈嶸;李輝;董開松;;基于隨機共振和多維度排列熵的水電機組振動故障診斷[J];水力發(fā)電學(xué)報;2015年12期

9 楊望燦;張培林;王懷光;陳彥龍;孫也尊;;基于EEMD的多尺度模糊熵的齒輪故障診斷[J];振動與沖擊;2015年14期

10 安周鵬;肖志懷;陳宇凡;孫召輝;唐衛(wèi)東;;小波包能量譜和功率譜分析在水電機組故障診斷中的應(yīng)用[J];水力發(fā)電學(xué)報;2015年06期

相關(guān)博士學(xué)位論文 前2條

1 付文龍;水電機組振動信號分析與智能故障診斷方法研究[D];華中科技大學(xué);2016年

2 黃海濤;水電開發(fā)中的生態(tài)風(fēng)險評價與管理研究[D];華北電力大學(xué);2014年

相關(guān)碩士學(xué)位論文 前6條

1 黃凱;水輪發(fā)電機組振動特性研究及其應(yīng)用[D];華中科技大學(xué);2013年

2 陳群濤;基于聲振信號EMD和ICA的銑刀狀態(tài)監(jiān)測技術(shù)研究[D];上海交通大學(xué);2013年

3 楊敏敏;基于支持向量機的滾動軸承故障診斷方法研究[D];江西理工大學(xué);2012年

4 張鑫;水輪發(fā)電機組振動狀態(tài)監(jiān)測與分析技術(shù)研究[D];華北電力大學(xué);2011年

5 謝志明;盲源分離技術(shù)在航空發(fā)動機故障診斷中的應(yīng)用研究[D];中南大學(xué);2011年

6 孔祥彬;水輪發(fā)電機組狀態(tài)監(jiān)測與故障診斷系統(tǒng)設(shè)計與應(yīng)用[D];西安理工大學(xué);2010年

本文編號：2857627