基于小波变换的支持向量回归机振动数据短期预测.pdf

《基于小波变换的支持向量回归机振动数据短期预测.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、第53卷第1期汽轮机技术V0l_53No．12011年2月TURBINEI’ECHNOLOGYFeb．201l基于小波变换的支持向量回归机振动数据短期预测杨晓红，杨晓静，朱霄殉(1华北电力大学机械工程系，保定071003；2华北电力大学动力系，保定071003)摘要：支持向量回归机(SVR)是数据挖掘方面一种较好的方法。但对于包含多频率成分的非平稳信号的预测，其运算精度不是十分理想。对此，提出基于小波变换的支持向量回归机振动数据短期预测方法。该方法首先利用小波变换(wT)将非平稳信号分解成若干平稳的频率成分；然后对各个频率成分进行回归运算，得到各频率成

2、分的预测结果；最后对各个成分的预测结果求和，最终得到原信号的预测结果。还对影响预测精度的小波函数进行了分析比较，最终实现了振动信号的准确预测。关键词：支持向量回归机；小波变换；振动数据预测；状态监测分类号：TH165文献标识码：A文章编号：1001．5884(2011)0l-0077-04TheSupportVectorRegressionforVibrationDateForecastBasedonWaveletTransfolITI1YANGXiao-hong，YANGXiao-jing，ZHUXiao—xun(1DepartmentofMecha

3、nicalEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China；2DepartmentofPowerEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China)Abstract：Supportvectorregression(SVR)isagoodmethodfordateforecast．Buttheresultisnotaccuracywhenthesignalisnon-stationarywhic

4、hincludemanycomponentsofdiferentfrequencies．Tosolvethoseproblems，thispaperputforwardSVRforvibrationdateforecastbasedonwavelettransform．Thismethodfirstlyusesthewavelettransform(WT)todecomposethesignaltogetthestablefrequencycomponents．；Thentheregressionmodelsayesetupforeachfrequen

5、cycomponents，andtheforecastresultcanbegained；Finally，theregressioncalculationofthecomponentsayeaddedtogethertogaintheregressionresultoftheoriginalsigna1．Thewaveletfunctionwhichafectsaccuracyhasbeenanalyzedinthispaper．Usingthismethod，theaccuratedatapredictionCanbegmned．Keywords：s

6、upportvectorregression；wavelettransform；vibrationdateforecast；statemonitoring行的需要。对此，本文提出了基于小波变换。(wavelet0前言transform，wT)的SVR振动数据短期预测方法，实现了非平稳振动数据的准确预测。当前，旋转机械的大型化、高速化发展，对状态监测提出了更高的要求。振动数据是旋转机械状态监测和故障诊断1支持向量回归机的重要依据。对振动数据的预测，可以实现故障的早发现、早报警、早处理，从而避免事故的发生。目前，用于预测的方1．1支持向量回归机法主要有支持

7、向量回归机(supportvectorregression，2O世纪9o年代，由Vapnik首先提出支持向量机(sup-SVR)、神经网络以及混沌等。相对于其它预测方法，portvectormachine，SVM)理论。。。SVR是一种基于结构SVR以其结构风险小、泛化能力强等优点被广泛应用于各领风险最小化原理的机器学习技术，具有较好的泛化性能和精域的预测。度。这种方法最初以分类问题提出，后来将其运用于回归问然而，SVR方法在使用时存在一定局限。该方法在预测题，并取得了良好的效果。时是假设时间序列是平稳信号。对于非平稳信号，在预测时回归与分类问题类似，

8、对于给定训练样本：则会出现较大误差。而转子振动信号大多为非平稳信号，这T={(1，Y1)，(2