基于主成分分析和支持向量机的汽轮机故障诊断研究

论文摘要

汽轮发电机组是电力生产的重要设备,由于其设备结构的复杂性和运行环境的特殊性,汽轮发电机组的故障率不低,而且故障危害性也很大。因此,汽轮发电机组的故障诊断一直是故障诊断技术应用的一个重要方面。本文对汽轮机振动故障诊断系统的体系结构、诊断方法做了深入的分析和研究,针对诊断系统中普遍存在的故障样本数量缺乏;诊断参数涉及的范围广、层次复杂;故障信号中包含噪声;故障征兆的表达不明确、层次分类不清楚、关联度较差等重点问题进行了研究,主要包括以下内容:1、支持向量机是建立在统计学习理论基础上的新型学习机器,其最大优势在于它能够适合于小样本的故障分类决策。将支持向量机应用于汽轮机故障诊断领域,能够有效提高诊断的准确率,具有很好的理论和实用价值。2、在支持向量机的优势基础上,将认知科学引入信息的预处理环节,使用认知几何方法将认知能力模型化,建立认知相对性规律的几何化模型,减少了噪音的影响,同时提高了数据的可分性。3、采用主成分分析方法进行特征提取,在损失信息最小的情况下用较少的变量代替原来的高维变量,消除不相关的信息,不仅降低了计算量同时也提高了分类器的诊断精度。4、以几种典型的汽轮机振动故障作为研究对象,建立了基于最优特征的分类模型。仿真实验结果表明,本文提出的诊断方法准确率高,鲁棒性强,具有很好的推广价值和应用前景。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文选题背景及研究意义
• 1.2 汽轮机故障诊断技术的研究动态
• 1.2.1 国外研究动态
• 1.2.2 国内研究动态
• 1.3 本文的研究内容和结构安排
• 第2章 汽轮机典型振动故障分析
• 2.1 引言
• 2.2 汽轮机典型的振动分类
• 2.3 汽轮机典型的振动故障分析
• 2.3.1 转子不平衡
• 2.3.2 转子动静碰磨
• 2.3.3 转子裂纹
• 2.3.4 油膜振荡
• 2.3.5 不对中
• 2.3.6 轴承松动
• 2.4 本章小结
• 第3章 汽轮机故障信号预处理与特征提取
• 3.1 引言
• 3.2 基于认知几何的故障信号预处理
• 3.2.1 故障信号中的噪声
• 3.2.2 认知几何原理
• 3.3 基于主成分分析的故障特征提取
• 3.3.1 特征提取的基本概念
• 3.3.2 主成分分析原理
• 3.4 本章小结
• 第4章 基于SVM 的汽轮机故障诊断方法应用
• 4.1 引言
• 4.2 支持向量机原理
• 4.2.1 最优超平面的构造
• 4.2.2 支持向量机分类算法
• 4.2.3 核函数
• 4.3 汽轮机故障诊断系统概述
• 4.3.1 汽轮机故障诊断系统的一般结构
• 4.3.2 汽轮机故障诊断的参数分类
• 4.4 仿真研究
• 4.4.1 汽轮机故障数据采集
• 4.4.2 基于认知几何的汽轮机故障信号预处理
• 4.4.3 基于PCA 的汽轮机故障特征提取
• 4.4.4 基于最优特征的分类模型设计
• 4.5 本章小结
• 第5章 结论与展望
• 参考文献
• 攻读硕士学位期间发表的论文及其它成果
• 致谢
• 详细摘要