基于SVR的旋轉(zhuǎn)機(jī)械耦合故障診斷方法研究.pdf

1、旋轉(zhuǎn)機(jī)械被廣泛地應(yīng)用于汽輪機(jī)、渦輪機(jī)、發(fā)電機(jī)、燃?xì)廨啓C(jī)、壓縮機(jī)、風(fēng)機(jī)、航空發(fā)動(dòng)機(jī)等各種機(jī)械設(shè)備中。當(dāng)前，隨著旋轉(zhuǎn)機(jī)械設(shè)備結(jié)構(gòu)復(fù)雜程度的提高，設(shè)備與設(shè)備之間的聯(lián)系也越來(lái)越緊密，使發(fā)生的故障也越來(lái)越復(fù)雜，同一時(shí)刻出現(xiàn)的故障可能不是單一的某一種故障，而是兩種或是更多的耦合故障。因此，針對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行耦合故障診斷，對(duì)保證旋轉(zhuǎn)設(shè)備經(jīng)濟(jì)安全運(yùn)行具有十分重要的意義。
　　本文根據(jù)支持向量回歸機(jī)理論，提出了基于SVR的耦合故障診斷方法。該方法首先

2、由各類典型的單一故障建立典型樣本數(shù)據(jù)庫(kù)，然后利用這些典型單一故障通過(guò)SVR非線性算法擬合待診斷樣本，將會(huì)得到各個(gè)典型故障樣本對(duì)應(yīng)的權(quán)重系數(shù)，最后根據(jù)這些權(quán)重系數(shù)判斷待測(cè)樣本存在各種故障的比重，即該狀態(tài)下發(fā)生的故障,并利用仿真信號(hào)驗(yàn)證了方法的可行性。
　　其次，針對(duì)故障特征提取問(wèn)題進(jìn)行研究，提出了基于EEMD和排列組合熵結(jié)合的特征提取方法。利用轉(zhuǎn)子振動(dòng)實(shí)驗(yàn)臺(tái)模擬的故障數(shù)據(jù)作為研究對(duì)象提取特征向量，通過(guò)計(jì)算特征向量構(gòu)成的空間中各類故障