LS-SVM在烟气轮机振动故障诊断中的应用研究.pdf

《LS-SVM在烟气轮机振动故障诊断中的应用研究.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、北京石油化工学院学报第2O卷第2期Vo1．20NO．2JournalofBeijingInstituteof2012年6月Jun．2012Petro—chemicalTechnologyLS—SVM在烟气轮机振动故障诊断中的应用研究王淑芳于芙蓉。(1．北京石油化工学院信息工程学院，北京102617；2．北京中软国际信息技术有限公司，北京100018)摘要烟气轮机机组是利用余热发电原理回收高温热能再生电能的装置，由于烟气轮机机组的故障现象对企业经济和安全生产造成了很大的影响，所以准确判断机组故障发

2、生点和降低故障现象具有十分重要的现实意义。通过对原始信号的三层小波分解提取信号的特征向量，再采用LsVM不同核函数及其对应不同参数的选择与实验进行分类研究，得到RBF核函数的分类效果最佳。关键词烟气轮机；LS-SVM；故障诊断；分类；特征向量中图法分类号TH137利用原油催化裂化过程中产生的高温余热1信号的采集发电而输出电能的烟气轮机机组，能够为企业节约能源、降低生产成本、回收烟气而保护环通过对机组运行状态的跟踪监视发现：设境，但是由于机械设备性能、工艺参数配置、控备发生故障时，机组的横向、纵向

3、、轴向振动幅制措施与方法等原因造成机组振动故障时有发度以及烟机温度、压力都会有较大的波动，而振生，所以对机组状态的准确监测、诊断和控制，动幅度的变化最能体现故障的严重程度，所以确保机组长期安全、稳定运行具有十分重要的把振动值数据经过小波处理而提取特征向量作现实意义。课题研究的具体方法是利用小波分为样本训练的支持向量机，也就是故障诊断的析对信号进行奇异点分析，实现信号特征提取，依据。最后利用LS—SVM进行分类，研究结果能直观烟气轮机机组的实时监测点如图1所示，地反映出诊断效果，实现对相关已知信号

4、数据包括不同检测点的振动、温度、压力差等参数的分析得到烟气轮机的瞬时运行状态。值。从炼油厂控制中心工作站采集到的数据波T-7708T-7708YT～7706A：20IxmYT-7704A：11l,zmYT-7702A：72LLmYT-7706B：21mYT-7704B：9I．LmYT-7702B：84m发电量：10970kW；人口温度：702℃；出1：3温度：565℃；密封差压：O；轮盘温度：356℃图1烟气轮机实时监测点分布图形图(样本)如图2所示，图中横轴代表时间，纵轴代表过程量和振动值，即

5、4条曲线代表4个振动值参数，其中波形发生剧烈变化的地方就收稿日期：2012—02～0324北京石油化工学院学报2012年第2O卷可能是故障发生点，从炼油厂的图形化记录中进行多层划分，对多分辨分析的高频部分进一大致可以看到故障相关的信息。步分解，并能够根据被分析信号的特征，自适应1．1信号特征的提取地选择相应频带，使之与信号频谱相匹配，从而借助MATLAB平台载入原始信号，截取提高时频分辨率。故障信号对其进行预分析，利用小波包将频带删。幅l聃8j阁茚￡～-r1，～．一lA『．～(a)振动量删(b1

6、过程量图2烟气轮机振动量及过程量波形1．2故障信号与特征向量如下计算函数间隔：特征向量的选择是智能化故障诊断中的一+b一+1(2)个非常重要环节，特征是体现故障的直接标准。+b一一1(3)选择节点系数平方和归一化之后的信息作为该同时，为计算几何间隔，必须归一化叫。几频段的能量指标，将此作为机器学习的训练样何间隔y是所得分类器的函数间隔：本。研究中对于小波基及分解层次进行了多次)，一1／2(<训·z／IlWll2>一试验，对比计算量及分解效果，最终确定对原始

7、I>)一1／IIWIIz(4)信号的基于DB2小波的三层分解取得故障信此时分类间隔等于2／llWll，使间隔最大号特征，作为支持向量机训练器的输入样本进等价于使llWlf。最小。满足式(1)且使1／2ll行训练。W{1最小的分类面就叫做最优分类面，H、Hz上的训练样本点就称作支持向量L2]。2支持向量机简介2．2核函数在解决少样本、非线性等模式识别问题中，在支持向量机的应用研究中，核函数的选支持向量机方法具有很强的优势，所以他能很择是十分重要的。目前不同的实际应用问题选好的应用到机器学习领域中，

8、也可以推广到函择不同类型的核函数。常用核函数有线性核函数拟合等其他机器学习问题中]。数、多项式核函数、径向基函数(RBF)、多层感2．1基于支持向量机的二分类方法知机核函数。支持向量机从线性可分的最优分类面发展2．3参数选择而来，其方程为z·W+6—0，对它进行归一化，对支持向量机泛化性性能有较大影响是参使得对于线性可分的样本集(z，Y)，i一1，⋯，数的不同选择，一般地对支持向量机泛化性的，z∈R，y∈{+1，一1)，满足：优化集中在支持向量机模型的选择上。y[(叫·Xi)+6]一1≥0，i一