融合支持向量機(jī)的水電機(jī)組混合智能故障診斷研究.pdf

1、隨著水力資源的不斷開發(fā),水電在電力能源結(jié)構(gòu)中所占比重逐漸增大,作為水電生產(chǎn)過程核心設(shè)備的水電機(jī)組的結(jié)構(gòu)日趨復(fù)雜,集成化程度越來越高,不同部件之間動力學(xué)行為相互影響、相互作用,機(jī)組振動問題日益突出,對電網(wǎng)的安全穩(wěn)定運(yùn)行造成的影響也日益凸顯。因此,常規(guī)的水電機(jī)組振動故障診斷方法已經(jīng)不能很好的適應(yīng)于當(dāng)前的工程實(shí)際,迫切需要采用一些有效的智能故障診斷方法對機(jī)組振動故障進(jìn)行診斷,以提高機(jī)組故障診斷的準(zhǔn)確性、智能性及魯棒性。本文針對水輪發(fā)電機(jī)組故障

2、診斷和工程應(yīng)用中的關(guān)鍵科學(xué)問題,運(yùn)用支持向量機(jī)理論進(jìn)行水電機(jī)組振動故障診斷,深入研究了支持向量機(jī)的理論及工程應(yīng)用,將先進(jìn)信號處理技術(shù)與智能方法和支持向量機(jī)進(jìn)行融合,使支持向量機(jī)與其它智能方法取長補(bǔ)短、優(yōu)勢互補(bǔ),提出了若干融合支持向量機(jī)的水電機(jī)組混合智能故障診斷方法。論文的主要研究內(nèi)容和創(chuàng)新性成果如下:
　　(1)充分研究了支持向量機(jī)的模型參數(shù)對其性能的影響,提出采用特征空間中的類均值距離作為衡量所選核函數(shù)參數(shù)優(yōu)劣的準(zhǔn)則,并在此基礎(chǔ)

3、上確定出多類支持向量機(jī)核參數(shù)的小而有效的搜索區(qū)間;在新的核參數(shù)搜索區(qū)間和懲罰因子的搜索區(qū)間上,利用一種具有自適應(yīng)搜索因子的差分進(jìn)化算法進(jìn)行支持向量機(jī)參數(shù)組合尋優(yōu)。工程應(yīng)用結(jié)果表明所提出的方法能夠有效診斷出機(jī)組的典型故障,具有一定的可行性和有效性。
　　(2)提出采用集合經(jīng)驗(yàn)?zāi)B(tài)分解及基于集合經(jīng)驗(yàn)?zāi)B(tài)分解的Hilbert譜與Hilbert邊際譜對水電機(jī)組尾水管壓力脈動信號進(jìn)行分析;重點(diǎn)研究了基于集合經(jīng)驗(yàn)?zāi)B(tài)分解的本征模態(tài)函數(shù)能量熵與

4、奇異值分解特征提取方法,利用本征模態(tài)函數(shù)能量熵判斷機(jī)組是否運(yùn)行于故障狀態(tài);如果機(jī)組運(yùn)行于故障狀態(tài),將本征模態(tài)函數(shù)奇異值特征輸入前述經(jīng)參數(shù)優(yōu)化的支持向量機(jī)進(jìn)行故障類型診斷;工程應(yīng)用表明所提方法能夠識別出設(shè)備的多種運(yùn)行工況,所提方法已被成功應(yīng)用在松江河發(fā)電廠故障診斷系統(tǒng)中。
　　(3)采用模糊支持向量機(jī)進(jìn)行水電機(jī)組故障診斷,模糊支持向量機(jī)在訓(xùn)練階段對故障樣本區(qū)別對待,能夠有效消除孤立點(diǎn)和野點(diǎn)子對診斷結(jié)果的影響;在模糊支持向量機(jī)中采用一

5、種模糊sigmoid核函數(shù),對這種核函數(shù)的形式及優(yōu)勢進(jìn)行了闡述;針對模糊支持向量機(jī)實(shí)際應(yīng)用中隸屬度函數(shù)難以確定的問題,提出一種反K近鄰方法與類均值距離結(jié)合的隸屬度函數(shù)確定方法;深入分析了一對一多類支持向量機(jī),指出采用一對一方法將二類支持向量機(jī)推廣到多類時(shí),在訓(xùn)練階段并不是所有的類別對形成的支持向量機(jī)對最終的決策分類都有貢獻(xiàn),即存在著計(jì)算冗余;在此基礎(chǔ)上,提出一種改進(jìn)的一對一方法以刪除其中不必要的支持向量機(jī)的訓(xùn)練。將所提方法應(yīng)用于水電機(jī)組

6、振動故障診斷取得滿意的診斷結(jié)果。
　　(4)針對傳統(tǒng)故障診斷分類器不能診斷出機(jī)組的不確定信息的不足,提出一種新的支持向量機(jī)與粗糙集結(jié)合的故障診斷方法。所提方法充分考慮了支持向量機(jī)和粗糙集各自的優(yōu)缺點(diǎn),將二者有機(jī)融合,優(yōu)勢互補(bǔ),利用粗糙集來描述支持向量機(jī)的分類間隔,采用粗糙集上下近似的概念描述故障的不確定信息,充分利用了支持向量機(jī)強(qiáng)大的泛化能力和粗糙集對不確定數(shù)據(jù)的較強(qiáng)建模能力。將所提方法應(yīng)用在某水電機(jī)組的故障診斷中能夠診斷出機(jī)組的