3种预测模型在振动数据预测中对比研究

《3种预测模型在振动数据预测中对比研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第55卷第3期汽轮机技术VoI_55No．32013年6月TURBINETECHN0LOGYJun．20133种预测模型在振动数据预测中的对比研究韩中合，海旷儒，朱霄殉(华北电力大学能源与动力工程学院，保定071003)摘要：以支持向量回归机、BP神经网络和灰色预测模型GM(1，1)，对汽轮机转子的振动数据进行分析预测，并结合实例对3种模型预测结果进行对比分析，得出有一定参考价值的结论。关键词：支持向量回归机；BP神经网络；GM(1，1)；对比分析分类号：TH165文献标识码：A文章编号：1001．5884(2013)0343208433C

2、ontrastandResearchtheForecastedVibrationDateFromtheThreePredictionModelsHANZhong-he，HAIKuang—ru，ZHUXiao．xun(CollegeofEnergyandPowerEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China)Abstract：Thispaperusessuppo~vectorregression，BPneuralnetworkandGM(1，1)topred

3、ictthevibrationdatasoftheturbinerotor．Intheactualcase，thepredictedresultsfromthreemodelshavebeencomparedandanalyzed．TheconclusionwhichhasacertainreferencevalueCanbedrawnout．Keywords：supportvectorregression；BPneuralnetwork；GM(1，1)；comparativeanalysis然后构造并求解最优化问题：0前言：寺(a一(一)

4、(·‘)。当前，随着旋转机械设备向大型化、连续化及高速化的+s∑(+理)一∑Y(一OLi)方向发展，出现故障的频率也在不断的增加，因而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s．t．∑(j一)=0障诊断的重要依据。预测技术是比故障诊断更高级的维修0≤，O／≤C，i=1，2，⋯，保障形式。对振动数据的预测，可以实现故障的早发现、早式中，C为惩罚系数。报警、早处理，可确保设备有充裕的无故障工作时间。本文得到最优解=(OL，a⋯．，O／，)后，通过最优将支持向量回归机⋯(suppo~vectorregression，SVR)、B

5、P神解计算，得到和b：经网络。及灰色预测模型GM(1，1)3种预测模型引入某电厂汽轮机转子振动故障的检测预报中，并对每种模型预叫=∑(一O／i)测的结果进行对比分析，得出在转子振动故障检测过程中有参考价值的结论。b=Y一∑(一)(‘Xi)+式中，d¨为拉格朗日乘子；s为不敏感损失值。13种预测模型最后构造出线性回归函数。对于汽轮机振动故障信号这样高度复杂的非线性数据，1．1支持向量回归机模型支持向量回归机模型的优势在于引进核函数K()，把数支持向量机(suppo~vectormachine，SVM)理论是一种据从低维空间映射到高维空间，利用

6、核函数的非线性映射解20世纪90年代发展起来的建立在统计学理论基础上的学习决了“维数灾难”问题。优化问题转化为：方法，它是由Vapnik首先提出的。SVM为有限样本学习问题提供了一个统一的框架，利用最优化理论，对偶理论等能：寺()(a)(xi)够很好的进行分类和回归，并具有较好的对新鲜样本的适应能力和计算精度，因而在预测上有着更好的应用。+s∑(+)一∑y(—)在回归问题上，对于给定的训练样本集：目前，经常使用的核函数包括高斯径向基核函数、B一样T={(，y1)，(2，Y2)，⋯，(，Y)}条核函数、多项式核函数和傅里叶核函数等等。由于径向

7、限定回归问题所需要寻找的函数)为线性函数：基核函数的学习能力较强，且参数选取简单，所以本文模型采用径向基核函数：收稿13期：2012-06-04作者简介：韩中合(1964．)，男，博士，教授，博士生导师，主要研究方向为状态监测与故障诊断。第3期韩中合等：3种预钡0模型在振动数据预测中的对比研究209对拟合效果检验，残差为：(，)一p()8()=X(t)一Y(t)，t=2，3，⋯n1．2BP神经网络模型计算后验差比值C和小误差概率P：BP神经网络是一种应用广泛的静态网络。它由输入c=层、隐含层和输出层构成，其中隐含层个数可以为一个或多妻个。B

8、P算法的学习过程由正向传播和反向传播组成。具体P=P{l8(t)一(t)I<0．6745Sl}过程参见文献。BP神经网络输入层节点数目取决于数据源的维数，即Js=1[()一㈤(c