融合支持向量机的水电机组混合智能故障诊断分析-hybrid intelligent fault diagnosis analysis of hydropower units based on support vector machine.docx

融合支持向量机的水电机组混合智能故障诊断分析-hybrid intelligent fault diagnosis analysis of hydropower units based on support vector machine.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
融合支持向量机的水电机组混合智能故障诊断分析-hybrid intelligent fault diagnosis analysis of hydropower units based on support vector machine

独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到,本声明的法律结果由本人承担。学位论文作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在年解密后适用本授权书。不保密□。(请在以上方框内打“√”)学位论文作者签名:指导教师签名:日期:年月日日期:年月日本论文的研究工作获得以下基金或项目的资助,在此鸣谢:1.“十一五”国家科技支撑计划项目“特大型施工机械运行安全、诊断与优化”(项目编号:2008BAB29B05-02);2.国家自然科学基金“水力发电机组复杂非线性动力学建模与诊断方法(”项目编号;3.国家自然科学基金“基于空间曲面的水泵水轮机全特性及过渡过程的研究”(项目编号;4.国家自然科学基金项目“基于模糊辨识与多模型描述的抽水蓄能机组控制系统故障诊断方法研究”(项目编号;5.国家十一五科技支撑计划项目“梯级枢纽联合调度决策支持系统研究(”项目编号:2008BAB29B08-06)。摘要随着水力资源的不断开发,水电在电力能源结构中所占比重逐渐增大,作为水电生产过程核心设备的水电机组的结构日趋复杂,集成化程度越来越高,不同部件之间动力学行为相互影响、相互作用,机组振动问题日益突出,对电网的安全稳定运行造成的影响也日益凸显。因此,常规的水电机组振动故障诊断方法已经不能很好的适应于当前的工程实际,迫切需要采用一些有效的智能故障诊断方法对机组振动故障进行诊断,以提高机组故障诊断的准确性、智能性及鲁棒性。本文针对水轮发电机组故障诊断和工程应用中的关键科学问题,运用支持向量机理论进行水电机组振动故障诊断,深入研究了支持向量机的理论及工程应用,将先进信号处理技术与智能方法和支持向量机进行融合,使支持向量机与其它智能方法取长补短、优势互补,提出了若干融合支持向量机的水电机组混合智能故障诊断方法。论文的主要研究内容和创新性成果如下:(1)充分研究了支持向量机的模型参数对其性能的影响,提出采用特征空间中的类均值距离作为衡量所选核函数参数优劣的准则,并在此基础上确定出多类支持向量机核参数的小而有效的搜索区间;在新的核参数搜索区间和惩罚因子的搜索区间上,利用一种具有自适应搜索因子的差分进化算法进行支持向量机参数组合寻优。工程应用结果表明所提出的方法能够有效诊断出机组的典型故障,具有一定的可行性和有效性。(2)提出采用集合经验模态分解及基于集合经验模态分解的Hilbert谱与Hilbert边际谱对水电机组尾水管压力脉动信号进行分析;重点研究了基于集合经验模态分解的本征模态函数能量熵与奇异值分解特征提取方法,利用本征模态函数能量熵判断机组是否运行于故障状态;如果机组运行于故障状态,将本征模态函数奇异值特征输入前述经参数优化的支持向量机进行故障类型诊断;工程应用表明所提方法能够识别出设备的多种运行工况,所提方法已被成功应用在松江河发电厂故障诊断系统中。(3)采用模糊支持向量机进行水电机组故障诊断,模糊支持向量机在训练阶段对故障样本区别对待,能够有效消除孤立点和野点子对诊断结果的影响;在模糊支持向量机中采用一种模糊sigmoid核函数,对这种核函数的形式及优势进行了阐述;针对模糊支持向量机实际应用中隶属度函数难以确定的问题,提出一种反K近邻方法与类均值距离结合的隶属度函数确定方法;深入分析了一对一多类支持向量机,指出采用一对一方法将二类支持向量机推广到多类时,在训练阶段并不是所有的类别对形成的支持向量机对最终的决策分类都有贡献,即存在着计算冗余;在此基础上,提出一种改进的一对一方法以删除其中不必要的支持向量机的训练。将所提方法应用于水电机组振动故障诊断取得满意的诊断结果。(4)针对传统故障诊断分类器不能诊断出机组的不确定信息的不足,提出一种新的支持向量机与粗糙集结合的故障诊断方法。所提方法充分考虑了支持向量机和粗糙集各自的优缺点,将二者有机融合,优势互补,利用粗糙集来描述支持向量机的分类间隔,采用粗糙集上下近似的概念描述故障的不确定信息,充分利用了支持向量机强大的泛化能力和粗糙集对不确定数据的较强建模能力。将所提方法应用在某水电机组的故障诊断中能够诊断出机组的耦合故障,或亚健康状态。对二滩水电站#3号机组上导摆度偏大问题进

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档