基于支持向量机的旋转机组状态趋势预示技术.pdfVIP

维普资讯 20o6No．2 重 型 机 械 ·9 · · 新技术 ·新设备 · 基于支持向量机的旋转机组状态趋势预示技术 温后珍，孟碧霞，徐小力 (北京机械工业学院机电系统测控北京市重点实验室，北京 100085) 摘 要：本文主要介绍了支持向量机在旋转机组状态趋势预示中的运用。通过对某旋转机组的振 动烈度进行预测，并将其结果与使用时间序列进行预测的结果相比较。发现使用支持向量机进行预测 的结果更好。 关键词：SVM；旋转机组；趋势预示 中图分类号：TH17 文献标识码 ：A 文章编号：1001—196X(2006)02—0009—04 TheconditiontrendpredictionofrotatingmachinesetsbasedonSVM WENHou—zhen，MENGBi—xia，XUXiao-li (BeijingInstituteofMachineryIndustryBEIJINGKEYLABORATORY MeasurementandControlofMechanicalandElcetricalSystme ，Beijing100085，China) Abstract：InthisarticleitisdiscussedhowtoapplytheSVM theoryinconditiontrnedpredictionofrotating machinesets．ThepredictionbymesD．sofSVM methodthroughvibrationsignalshowsabetterresultthan thatoftimeserialsprediction． Keywords：SVM ；rotatingmachinesets；trnedpredictino 排设备的维修。 1 引言 设备运行状态趋势预示的方法大致分为两 在现代化的生产中，大型旋转机组一般都要 类：一是以时问序列法为代表的传统方法，二是 求长期连续运转，一旦发生故障往往是恶性事 以神经网络为代表的人工智能方法。然而，在实 故，将造成严重的经济损失。为确保设备安全可 际使用过程中，人们发现神经网络有若干缺点， 靠运行，不但要对设备进行在线的状态监测及故 比如过学习、维数灾难、计算过程中出现局部小 障分析，还要对其运行状态的发展趋势进行预 等。近年来对神经网络的理论和方法的研究所得 测，实现预知维护。趋势预示是设备状态监测和 出的成果仅限于对其进行局部改进和推广，缺乏 故障诊断中的一个重要环节，它对设备的特征参 定量的分析和机理完备的理论结果。 数进行连续监测，然后根据所得到的运行状态做 上世纪九十年代初，Vapnik提出了支持向 出估计，技术人员根据趋势预示的结果，合理安 量机 (SupportVectorMachines，SVM)方法。这 是一种建立在计算学习理论的结构风险最小化原 收稿 日期 ：2006—01—13；修订 日期：2006一Ol一25 则之上的新的人工智能方法，主要针对两类分类 基金项 目：国家自然科学基金资助项 目；北京市自 问题 ，在高维空问中寻找一个超平面作为两类的 然科学基金资助项 目(3042006)