基于分形與支持向量機的水電機組振動故障診斷研究.pdf

1、近年來，隨著水電站高水頭、大容量的發(fā)展趨勢，要保證水電站機組及廠房結(jié)構(gòu)安全、穩(wěn)定的運行，對大型水力發(fā)電站的機組及廠房結(jié)構(gòu)開展原型振動試驗，并對實測的振動信號進行分析處理，利用智能診斷方法進行故障診斷，是一項有重大意義的工作。在水電機組進行智能故障識別中，支持向量機是基于少樣本情況下，就機器學(xué)習(xí)問題所建立的一種新的智能故障識別理論體系。同時，故障特征提取方法也是故障診斷中的重要環(huán)節(jié)。分形方法通過計算振動信號的分形維數(shù)，可以有效地提取出特征

2、向量，有助于對水電機組的狀態(tài)進行識別。本文在對分形和支持向量機深入了解的基礎(chǔ)上，進行了以下方面的研究:
　　首先論述了國內(nèi)外狀態(tài)監(jiān)測與故障診斷的發(fā)展現(xiàn)狀及存在的問題，在研究了傳統(tǒng)信號分析方法以及故障診斷方法的基礎(chǔ)上，本文提出了將分形與支持向量機用于水電機組的故障診斷，解決了提取特征向量的困難和樣本數(shù)較少的問題。
　　接下來研究了利用小波包對振動信號進行降噪的方法，將分形相關(guān)理論引入到水輪發(fā)電機組故障模式識別中，介紹了幾種分形

3、維數(shù)及其測量方法，選擇了一種與盒維數(shù)類似的網(wǎng)格分形維數(shù)進行特征提取，利用維數(shù)相關(guān)性判別法進行故障診斷，并在實例中驗證了此方法的有效性。
　　然后介紹了支持向量機的原理及最優(yōu)超平面的構(gòu)造，并對如何選取核函數(shù)進行了論述。對水電機組振動信號進行分形維數(shù)特征提取，將特征向量輸入經(jīng)過遺傳算法和粒子群優(yōu)化后的SVM網(wǎng)絡(luò)中進行故障診斷。結(jié)果表明，兩種優(yōu)化方法都能夠?qū)C組的運行狀態(tài)進行故障診斷，值得進一步地研究。
　　最后將小波包分形與SV