振動(dòng)問(wèn)題在水電機(jī)組中普遍存在。因此,對(duì)機(jī)組的振動(dòng)信號(hào)作以有效分析與評(píng)價(jià),準(zhǔn)確識(shí)別與排除故障,對(duì)保障機(jī)組、電廠及電網(wǎng)的最優(yōu)運(yùn)行具有重要意義。本文以水電機(jī)組的振動(dòng)信號(hào)為研究對(duì)象,將快速獨(dú)立分量分析和集合經(jīng)驗(yàn)?zāi)B(tài)分解進(jìn)行有效結(jié)合,然后引入到機(jī)組振動(dòng)信號(hào)的處理中;同時(shí)構(gòu)建基于改進(jìn)粒子群優(yōu)化算法-最小二乘支持向量機(jī)的模型,用于振動(dòng)故障的判別。首先針對(duì)水電機(jī)組振動(dòng)激勵(lì)源眾多、傳播路徑復(fù)雜且容易產(chǎn)生耦合的特點(diǎn),引入了快速獨(dú)立分量分析(FICA)方法對(duì)實(shí)測(cè)信號(hào)進(jìn)行分離,獲得多個(gè)能表征不同振源的獨(dú)立分量。在此基礎(chǔ)上,提出FICA-EEMD特征提取法。即對(duì)FICA分離的各個(gè)獨(dú)立分量作集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD),獲得若干個(gè)本征模態(tài)分量(IMF),再將各個(gè)IMF歸一化能量當(dāng)作對(duì)應(yīng)分量的特征值。與使用EEMD相比,FICA-EEMD具有一定的優(yōu)勢(shì)。然后將最小二乘支持向量機(jī)(LSSVM)引入到機(jī)組的振動(dòng)故障診斷中。利用改進(jìn)后的粒子群優(yōu)化算法(IPSO)確定LSSVM的最佳超參數(shù),并對(duì)傳統(tǒng)的LSSVM進(jìn)行有效的多分類擴(kuò)展,進(jìn)而構(gòu)建相應(yīng)的診斷模型,以完成對(duì)多種振動(dòng)故障的精確判別。最后利用實(shí)測(cè)振動(dòng)數(shù)據(jù)對(duì)上述理論與模型作以驗(yàn)證�？梢宰C明,FICA-EEMD可有效提取到振動(dòng)信號(hào)的特征向量,IPSO-LSSVM可準(zhǔn)確識(shí)別出振動(dòng)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(yùn)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(jí)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(jiàn)圖 5-1，黑色實(shí)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(duì)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(guò)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(jī)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(jī)組故障診斷[J];水力發(fā)電學(xué)報(bào);2017年07期

2 葉慧;葉龍海;尹強(qiáng);王衛(wèi)華;楊慶祥;;基于遺傳算法尋優(yōu)的多核支持向量機(jī)故障診斷系統(tǒng)[J];安陽(yáng)工學(xué)院學(xué)報(bào);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(yàn)?zāi)B(tài)分解算法的自適應(yīng)改進(jìn)[J];振動(dòng)與沖擊;2017年11期

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

5 向國(guó)齊;殷國(guó)富;;基于支持向量機(jī)和粒子群算法的穩(wěn)健優(yōu)化[J];機(jī)械設(shè)計(jì)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(dú)立分量分析的微弱多源故障聲發(fā)射信號(hào)分離[J];上海交通大學(xué)學(xué)報(bào);2016年05期

7 許昕;潘宏俠;潘銘志;;獨(dú)立分量分析在自動(dòng)機(jī)振動(dòng)信號(hào)處理中的應(yīng)用[J];振動(dòng).測(cè)試與診斷;2016年01期

8 何洋洋;賈嶸;李輝;董開(kāi)松;;基于隨機(jī)共振和多維度排列熵的水電機(jī)組振動(dòng)故障診斷[J];水力發(fā)電學(xué)報(bào);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(dòng)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(jī)組故障診斷中的應(yīng)用[J];水力發(fā)電學(xué)報(bào);2015年06期

相關(guān)博士學(xué)位論文 前2條

1 付文龍;水電機(jī)組振動(dòng)信號(hào)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(kāi)發(fā)中的生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)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(jī)組振動(dòng)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(hào)EMD和ICA的銑刀狀態(tài)監(jiān)測(cè)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(jī)的滾動(dòng)軸承故障診斷方法研究[D];江西理工大學(xué);2012年

4 張?chǎng)?水輪發(fā)電機(jī)組振動(dòng)狀態(tài)監(jiān)測(cè)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(dòng)機(jī)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(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)與應(yīng)用[D];西安理工大學(xué);2010年

本文編號(hào)：2857627