组合预测在风机振动预测中的应用.pdfVIP

维普资讯 中圆彀玲z程2006．09 状态监测与诊断技术 文章编号：1671—0711 (2006)09—0043—03 组 合 预 测 在 风 机 振 动 预 测 中 的 应 用 沈 路 ，贺小明 (武汉大学 动力与机械学 院，湖北 武汉 430000) 摘 要 ：本文将组合预测方法引入到风机测点振动烈度的状态预测 中，通过 比较组合预测模型与其它几种单 个预测模型的预测结果，表明采用组合预测法进行振动预测具有更高的精度 ，为风机的振动预测以及故障诊 断提供 了一个新的思路 。 关键词 ：组合预测 ；风机 ；振动预测 中图分类号 ：TB122 文献标 识码 ：B 振动预测是风机状态监测的一项重要 内容，也 三层 (单隐层)前馈神经网络为例，将神经网络技术 是对风机进行状态评估及故障诊断的重要依据。目 引入组合预测范畴，并应用到风机状态趋势预测中。 前用于故障预测的模型有多项式回归模型、时间序 设有一个前馈神经 网络 ，其结构为P—m一1， 列模型、灰色理论模型、神经网络模型等。风机属 即输入层节点数为P，隐含层节点数为 m，输出层节 于高速旋转机械 ，其工作环境杂乱 ，振动状况受到 点数为 1。对于组合预测而言，就是要将P种预测 许多外部因素的影响。上述各种预测模型根据其使 方法的预测结果组合成为一个最优的预测结果，故 用对象及场合不同，应用效果也不尽相同。曲线拟 所涉及的神经 网络应具有P个输人 ，1个输出。设 合法简单、直观但预测结果受近期影响大，不便于 神经网络第 i个节点的输入序号分别是第 i种预测 多因素预测 ，非线性拟合能力较差 ；时序分析法所 方法的预测结果 ，则神经网络就实现了非线性映射 需样本个数较多，模型选取不当时难以取得较好的 y=，’(．，，，A， ， ， ) 预测结果 ；灰色预测法预测结果不唯一 ，预测精度 式 中：l，一 神经网络的输出向量 ； 受模型选择的影响；神经网络预测的算法复杂，预 ． 卜 神经网络各个连接权值和阈值决定的任 测模型难以用公式表达 。所 以采用单一预测模型对 意非线性函数。 风机进行振动预测很难取得令人满意的效果。 目 若 以待预测序列的真实值序列 y作为理想输 前，组合预测的研究是预测方法中最为活跃的领域 出来训练神经网络，则其训练过程就是寻找最优 的 之一，本文将组合预测的方法引入风机测点振动烈 权值 (它决定了非线性 函数厂)使得 度的状态预测中，它可以充分利用原始数据和各预 rain{[y—Y， y—Y，]} 测模型的信息，弥补单模型方法的不足 ，综合各预 即使组合预测的误差平方和最小 ，这实际就建 测模型的优点并提高数据预测的精度。 立了组合预测。 一 、 组合预测模型 2．组合预测的神经 网络算法 1．组合预测原理 构造基于神经网络的非线性组合模型，如图1 (n)，用其中的m个观测值预测n+1时刻的值 !±)厂 ’ 躺 预测精度，采用组合预测方法，即 l圈x(1)，x(2)，…x(n)_卜 _卜_ ( 吲 -( )，z( )，A,xp( )) L匦