基于支持向量机的往复压缩机示功图识别研究.pdf

基于支持向量机的往复压缩机示功图识别研究.pdf

ID:51450738

大小:294.33 KB

页数:5页

时间:2020-03-25

基于支持向量机的往复压缩机示功图识别研究.pdf_第1页
基于支持向量机的往复压缩机示功图识别研究.pdf_第2页
基于支持向量机的往复压缩机示功图识别研究.pdf_第3页
基于支持向量机的往复压缩机示功图识别研究.pdf_第4页
基于支持向量机的往复压缩机示功图识别研究.pdf_第5页
资源描述:

《基于支持向量机的往复压缩机示功图识别研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2012年第40卷第5期流体机械21文章编号:1005—0329(2012)05—0021—005基于支持向量机的往复压缩机示功图识别研究江志农。张进杰。,敖静晖(1.北京化工大学化工安全教育部工程研究中心,北京100029;2.中国石油化工股份有限公司新乡输油处,河南新乡453600)摘要:提出了一种基于支持向量机的往复压缩机示功图识别方法。根据不同故障在示功图上反映的不同特征,进行故障特征提取。针对实际故障发生情况,构造了基于决策树的多分类支持向量机故障识别模型。使用不同核函数对计算机模拟与往复压缩机试验台实测的故障示功图进行识别,结果

2、表明,该方法能有效应用于往复压缩机示功图故障识别。关键字:支持向量机;故障识别;往复压缩机示功图;决策树;核函数中图分类号:TH457;TP277文献标识码:Adoi:10.3969/j.issn.1005—0329.2012.05.005ResearchonReciprocatingCompressorIndicatorDiagramFaultRecognitionBasedonSupportVectorMachineJIANGZhi—nong,ZHANGJin-jie,AOJing.hui(1.ChemicalSafetyEnginee

3、ringResearchCenteroftheMinistryofEducation,BeijingUniversityofChemicalTechnology,Beijing100029.China;2.ChinaPetroleum&ChemicalCorporation,Xinxiang0ilTransportationDepartment,Xinxiang453600,China)Abstract:Anewmethodofindicatordiagramsrecognitionofreciprocatingcompressorbase

4、donsupportvectormachinewasproposed.Accordingtothedifferentfeaturesintheindicatordiagramsofdifferentfaults,thefaultfeatureswasextracted.Afaultrecognitionmodelwasconstructedbasedonmulti—classificationsupportvectormachineanddicisiontreewiththeactualsitua—tion.Thismethodwasuse

5、dtoreeognisethefaultindicatordiagramsofcomputersimulationandreciprocatingcompressorexperi—mentsbydiferentkemelfunctions.Theresultsreflectthatthismethodcanbeeffectivelyappliedinreciprocatingcompressorindi-eatordiagramsfaultrecognition.Keywords:supportvectormachine;fauhrecog

6、nition;reciprocatingcompressorindicatordiagram;decisiontree;kernelfunction1前言活塞环泄漏等故障。通过人工手段对示功图进行故障分类具有速度慢、效率低等缺点,因此,需要往复压缩机是一种在石油、化工、新能源等行引入智能诊断算法。业中大量、广泛使用的重要通用机械。由于机械目前,国内、外对往复压缩机示功图进行故障结构和故障机理复杂,对其进行故障诊断较困难。识别的研究较少。刘卫华等提出灰色关联度法对目前,往复压缩机主要故障诊断手段是通过振动往复压缩机示功图进行故障诊断;王金东等

7、利信号进行故障特征提取,对泄漏等振动信号特征用神经网络识别往复压缩机指示图j。但传统不明显的故障,诊断难度大¨。往复压缩机示算法在解决小样本、非线性及高维模式识别中具功图对气阀、活塞部件故障诊断具有重要作用,示有一定的缺陷;同时神经网络算法结构难以确定、功图能反映往复压缩机每个工作循环气缸内压力过学习和局部极小点等问题也影响了其实际应变化情况,可识别气阀泄漏、气阀卡塞、气阀震颤、用。收稿日期:2011一O9—02修稿日期:2012—02—15基金项目:国家自然科学基金重点项目(51135001);国家重点基础研究发展计划(“973”计划)项

8、目(2012CB026000)22FLUIDMACHINERYVo1.40,No.5,2012本文提出一种基于支持向量机(SVM)的往线性核函数:复压缩机示功图故障识别方法。支持

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。