基于支持向量机和混沌理论的压缩机状态预测方法分析-analysis of compressor state prediction method based on support vector machine and chaos theory.docxVIP

第 1 章绪论1.1 本文研究背景最近几十年，科学、技术和经济迅猛发展，人类社会在向着更为错综复杂的 方向发展，随着社会发展的需要，各种综合性系统越来越多，也越来越复杂。在 工业生产中广泛使用的机械设备也向着大型化、自动化、复杂化方向发展，设备 的复杂程度、彼此之间的关联度等也越来越高，一个部件产生故障就可能使整套 设备甚至是整个工厂停运停产，导致重大的经济社会效益损失。因此现代设备在 大幅度提高生产效率的同时，也大大增加了维护保养的难度与费用，设备出现故 障后的损失也是难以估量的。因此，对大型机械设备进行实时的状态监测和故障 诊断，对于保障企业的安全生产具有十分重要的意义。机械设备状态预测是状态监测和故障诊断中必不可少的一个环节，它是根据 对设备某些参数的连续监测所得到的历史数据来确定设备目前的运行状态，并预 测后续的发展趋势以及设备的剩余寿命，对设备维护与维修决策具有重大的指导 意义。压缩机是大型旋转机械的典型代表，通常结构都比较复杂，包含机械、电 气和液压等多个部分。具备投资大、功能复杂和无备机的特征，在制造领域的应 用十分广泛。企业中的大型装置普遍采用压缩机做动力，以适应大流量、长期连 续运转等生产要求。由于数量庞大和管理手段相对落后，压缩机安全事故频频发 生，不仅造成巨大的经济损失，更造成爆炸和人员伤亡等恶性事故 [1] 。因此，对 压缩机开展状态监测和趋势预测技术的研究具有重要的应用价值。压缩机结构复杂，工作负荷大，工况多变，其动力学特征表现出明显的非线 性，状态监测系统采集到的数据也是非线性时间序列，给压缩机状态预测工作带 来的很大的难度。早期的状态预测方法主要基于自回归、移动平均、自回归移动平均等模型， 这些预测方法对平稳时间序列能够得到较好的预测结果，但对于非线性时间序列 的预测结果不理想，显然不适用于压缩机的状态预测。后来出现的神经网络模型 因其较好的自学习、函数逼近能力也应用到了时间序列预测，但存在收敛速度慢、 需要选择结构以及易于陷于局部极小点等问题，同时该方法受网络结构复杂度和 样本复杂度的影响较大，因而有时出现过学习或泛化能力过低的现象，虽然做了 一些改进，但难以从根本上克服其固有缺陷，在研究中缺乏进展。支持向量机最初是作为一种机器学习方法出现的，研究表明，支持向量机不 仅是一种理论分析工具，还是一种能构造具有很多维预测功能的预测学习算法的工具，使抽象的学习理论能够转化为通用的实际预测算法。它不仅能够较好地解决小样本、过学习、高维数、局部最小等实际难题，而且具有很强的泛化能力。 基于支持向量机的预测模型具有很强的推广性，能够在不知道具体劣化原因的情 况下准确地预测设备状态的发展趋势，适合工作条件复杂、非线性特征明显的压 缩机的状态预测。混沌理论是非线性预测的一个重要研究方向，它可以不必建立预测模型，而 直接根据数据序列本身所计算出来的客观规律进行预测，避免了预测的人为主观 性，提高预测的精度和可信度。本文以巴陵石化压缩机状态监测和故障诊断系统开发为背景，致力于研究压 缩机状态预测方法在预知维护中的应用，以压缩机轴向振动位移为研究对象，分 别提出了基于支持向量机的压缩机状态预测方法和基于混沌理论的压缩机状态预 测方法，通过对压缩机轴向振动位移量的预测，确定压缩机运行是否正常，以便 早期发现故障，预测故障的发展趋势和方向，及时查找原因予以排除，保证企业 的安全生产。1.2 压缩机状态预测方法研究的目的和意义压缩机是企业生产中的关键设备，由于价格昂贵，一般都不配备备用机组， 一旦发生故障，不但会给企业和国家带来直接的经济损失，而且会带来难以估计 的间接经济损失和社会影响。为了避免事故的发生，节约维护成本，就需要掌握 设备运行状态，研究并应用先进的状态监测与故障诊断技术，发现早期故障，掌 握维护规律，从根本上解决目前设备定期维修中维修不足和维修过剩的问题。日 本资料报道，实施状态监测故障诊断技术后，事故率减少了 75%，维修费降低了 25~50%。英国报道对 200 个大型工厂调查表明，采用诊断技术后每年节省维修费用 3 亿英镑，而用于状态监测与故障诊断系统的成本为 0.5 亿英镑，收益为投入的 6 倍 [2] 。与故障诊断相比，在实际生产中，对于压缩机状态预测功能的需求更为迫切。 如能在故障还没有发生的情况下预知将要发生的故障，就能够及时地对设备进行 维护，减少不必要的经济损失。在压缩机机组的维护工作中，传统方式是“以时间为基础的预防性维护”。这 种维护方式的主要特点是不论设备是否有故障，都根据一定的时间间隔定期进行 维护，不仅耗时耗力，还没有针对性，维护效率和效益都不高，是在没有掌握设 备运行状态和无法预测未来发展的情况下不得已而采用的维护方法。当前工业生 产越来越注重降低成本，特别是要求在能避免机械设