融合支持向量機的水電機組混合智能故障診斷研究

【摘要】：隨著水力資源的不斷開發(fā),水電在電力能源結構中所占比重逐漸增大,作為水電生產過程核心設備的水電機組的結構日趨復雜,集成化程度越來越高,不同部件之間動力學行為相互影響、相互作用,機組振動問題日益突出,對電網的安全穩(wěn)定運行造成的影響也日益凸顯。因此,常規(guī)的水電機組振動故障診斷方法已經不能很好的適應于當前的工程實際,迫切需要采用一些有效的智能故障診斷方法對機組振動故障進行診斷,以提高機組故障診斷的準確性、智能性及魯棒性。本文針對水輪發(fā)電機組故障診斷和工程應用中的關鍵科學問題,運用支持向量機理論進行水電機組振動故障診斷,深入研究了支持向量機的理論及工程應用,將先進信號處理技術與智能方法和支持向量機進行融合,使支持向量機與其它智能方法取長補短、優(yōu)勢互補,提出了若干融合支持向量機的水電機組混合智能故障診斷方法。論文的主要研究內容和創(chuàng)新性成果如下： (1)充分研究了支持向量機的模型參數對其性能的影響,提出采用特征空間中的類均值距離作為衡量所選核函數參數優(yōu)劣的準則,并在此基礎上確定出多類支持向量機核參數的小而有效的搜索區(qū)間；在新的核參數搜索區(qū)間和懲罰因子的搜索區(qū)間上,利用一種具有自適應搜索因子的差分進化算法進行支持向量機參數組合尋優(yōu)。工程應用結果表明所提出的方法能夠有效診斷出機組的典型故障,具有一定的可行性和有效性。 (2)提出采用集合經驗模態(tài)分解及基于集合經驗模態(tài)分解的Hilbert譜與Hilbe1rt邊際譜對水電機組尾水管壓力脈動信號進行分析；重點研究了基于集合經驗模態(tài)分解的本征模態(tài)函數能量熵與奇異值分解特征提取方法,利用本征模態(tài)函數能量熵判斷機組是否運行于故障狀態(tài)；如果機組運行于故障狀態(tài),將本征模態(tài)函數奇異值特征輸入前述經參數優(yōu)化的支持向量機進行故障類型診斷；工程應用表明所提方法能夠識別出設備的多種運行工況,所提方法已被成功應用在松江河發(fā)電廠故障診斷系統(tǒng)中。 (3)采用模糊支持向量機進行水電機組故障診斷,模糊支持向量機在訓練階段對故障樣本區(qū)別對待,能夠有效消除孤立點和野點子對診斷結果的影響；在模糊支持向量機中采用一種模糊sigmoid核函數,對這種核函數的形式及優(yōu)勢進行了闡述；針對模糊支持向量機實際應用中隸屬度函數難以確定的問題,提出一種反K近鄰方法與類均值距離結合的隸屬度函數確定方法；深入分析了一對一多類支持向量機,指出采用一對一方法將二類支持向量機推廣到多類時,在訓練階段并不是所有的類別對形成的支持向量機對最終的決策分類都有貢獻,即存在著計算冗余；在此基礎上,提出一種改進的一對一方法以刪除其中不必要的支持向量機的訓練。將所提方法應用于水電機組振動故障診斷取得滿意的診斷結果。 (4)針對傳統(tǒng)故障診斷分類器不能診斷出機組的不確定信息的不足,提出一種新的支持向量機與粗糙集結合的故障診斷方法。所提方法充分考慮了支持向量機和粗糙集各自的優(yōu)缺點,將二者有機融合,優(yōu)勢互補,利用粗糙集來描述支持向量機的分類間隔,采用粗糙集上下近似的概念描述故障的不確定信息,充分利用了支持向量機強大的泛化能力和粗糙集對不確定數據的較強建模能力。將所提方法應用在某水電機組的故障診斷中能夠診斷出機組的耦合故障,或亞健康狀態(tài)。對二灘水電站#3號機組上導擺度偏大問題進行了綜合分析,分析結論為二灘水電站管理運行人員提供了有益指導,同時進一步說明對水電機組耦合故障進行診斷的必要性。 【關鍵詞】：水力發(fā)電機組 混合智能故障診斷方法 支持向量機 特征空間類間距 自適應差分進化算法 集合經驗模態(tài)分解 Hilbert-Huang變換 模糊支持向量機 粗糙集
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2012
【分類號】：TV738
【目錄】：

• 摘要5-7
• Abstract7-12
• 1 緒論12-30
• 1.1 課題研究的背景和意義12-15
• 1.2 水電機組的振動故障15-18
• 1.3 水電機組智能故障診斷研究18-24
• 1.4 支持向量機與混合智能故障診斷研究綜述24-27
• 1.5 論文主要研究內容27-30
• 2 支持向量機基本理論及研究現(xiàn)狀30-48
• 2.1 引言30
• 2.2 支持向量機的理論基礎30-33
• 2.3 支持向量機分類的基本原理33-41
• 2.4 多類支持向量機41-45
• 2.5 支持向量機的研究現(xiàn)狀45-47
• 2.6 本章小結47-48
• 3 類間距與自適應差分進化算法優(yōu)化SVM模型參數48-68
• 3.1 引言48-49
• 3.2 支持向量機的模型參數選擇49-52
• 3.3 基于類間距離與自適應差分進化算法的支持向量機參數優(yōu)選52-58
• 3.4 數值實驗與診斷實例58-67
• 3.5 本章小結67-68
• 4 EEMD分解與支持向量機混合振動故障診斷方法68-90
• 4.1 引言68-69
• 4.2 經驗模態(tài)分解69-72
• 4.3 集合經驗模態(tài)分解72-74
• 4.4 基于集合經驗模態(tài)分解的Hilbert譜和邊際譜74-75
• 4.5 水輪機尾水管壓力脈動的Hilbert譜和Hilbert邊際譜分析75-78
• 4.6 基于本征模態(tài)函數能量熵與奇異值分解的特征提取方法78-80
• 4.7 基于本征模態(tài)函數能量熵與奇異值分解的故障診斷80-89
• 4.8 本章小結89-90
• 5 模糊多類支持向量機在水電機組故障診斷中的應用90-106
• 5.1 引言90-91
• 5.2 模糊sigmoid核91-92
• 5.3 模糊多類支持向量機92-101
• 5.4 數值實驗與工程應用101-104
• 5.5 本章小結104-106
• 6 水電機組的粗糙集和多類支持向量機混合故障診斷方法106-130
• 6.1 引言106-107
• 6.2 粗糙集理論107-108
• 6.3 粗糙支持向量機108-117
• 6.4 基于改進粗糙多類支持向量機的水電機組振動故障診斷117-120
• 6.5 二灘水電站3#機組上導擺度偏大分析120-129
• 6.6 本章小結129-130
• 7 全文總結與展望130-134
• 7.1 全文工作總結130-132
• 7.2 進一步研究展望132-134
• 致謝134-136
• 參考文獻136-159
• 附錄1：攻讀博士期間發(fā)表的論文159-161
• 附錄2：攻讀博士期間完成和參與的科研項目161

您可以在本站搜索以下學術論文文獻來了解更多相關內容

用于水電廠設備的故障診斷的貝葉斯網絡模型    張曉丹;趙海;謝元芒;尹震宇;

基于SVM的集成預測方法及其在水電機組故障診斷中的應用    鄒敏;周建中;劉忠;張勇傳;占梁梁;

故障樹原理在故障診斷系統(tǒng)中的應用    安晨亮;

基于粗糙集和支持向量機的水電機組振動故障診斷    彭文季;羅興锜;

汽輪發(fā)電機組振動故障診斷的粗糙集模型    黃文濤,趙學增,王偉杰,代禮周

基于混合模糊聚類分析的汽輪發(fā)電機組振動故障診斷    李超順;周建中;楊俊杰;李清清;羅志猛;

基于開機過程信息融合的水電機組故障診斷方法    彭兵;周建中;方仍存;向秀橋;張勇傳;

分布式水電機組故障診斷集成專家系統(tǒng)的研究    余濤,王晶,沈善德,朱守真

基于粗糙集理論和神經網絡模型的變電站故障診斷方法    蘇宏升,李群湛

基于矢譜和粗糙集理論的旋轉機械故障診斷    董辛旻;石來德;韓捷;簡小剛;

混合智能技術及其在故障診斷中的應用研究    雷亞國

水電機組振動故障的智能診斷方法研究    彭文季

基于人工免疫系統(tǒng)的水電機組智能診斷方法研究    劉忠

基于支持向量機的水電機組故障診斷研究    鄒敏

基于自適應遺傳算法的離散化方法    徐文婷;李承鵬;

一種基于粗集的決策表求核算法    蔡莉;胡學鋼;

基于育種算法的SVM參數優(yōu)化    王東霞;張楠;路曉麗;

不完備決策表的一種屬性約簡方法    周玉華;李景杰;

一種基于可變支持度的缺省規(guī)則挖掘算法    楊萍,萬上海,陳耿

基于支持向量機的軟測量模型及應用    陶秀鳳,唐詩忠,周鳴爭

基于粗集和神經網絡的建模方法研究    孫全玲

基于Rough集和RBF網絡的車牌字符識別方法    孫虹;方敏;

粗糙集神經網絡系統(tǒng)在車牌字符識別中的研究    孫虹;

支持向量機在糧食產量預測中的應用    程偉;張燕平;趙姝;

基于粗糙集的機械裝配知識發(fā)現(xiàn)方法    危前進;董榮勝;孟瑜;崔更申;

水電站廠房振動傳遞路徑的仿真模擬及結構振動特性研究    張燎軍;魏述和;陳東升;

阿海水電站廠房結構抗振分析    曹連朋;趙蘭浩;曹澤偉;盧珊珊;夏輝;

水電站機組與廠房耦聯(lián)振動測試及有限元數值反饋計算    宋志強;馬震岳;劉云賀;

基于核偏最小二乘的簡約最小二乘支持向量機及其應用研究    宋海鷹;桂衛(wèi)華;陽春華;

Fuzziness in Covering Generalized Rough Sets    

基于Rough集理論的戰(zhàn)場偵察情報處理    李雄;黨生;

基于支持向量機的旋轉機械多類故障識別研究    顧小軍;楊世錫;錢蘇翔;

支持向量機在齒輪智能故障診斷中的應用研究    呂蓬;柳亦兵;馬強;魏于凡;

基于GA優(yōu)化的個人信用評估SVM模型    姜明輝;袁緒川;

半監(jiān)督支持向量機學習算法研究    趙瑩

EMD算法研究及其在信號去噪中的應用    王婷

煤礦安全預警系統(tǒng)的方法研究    母麗華

大型船舶航向/航跡智能容錯控制研究    李高云

基于統(tǒng)計學習理論的分類方法研究    殷志偉

混響干擾中的信號檢測技術研究    朱廣平

引線鍵合視覺檢測關鍵技術研究    孔凡芝

多傳感器數據融合關鍵技術研究    姜延吉

柔性坐標測量機空間誤差模型及最佳測量區(qū)研究    鄭大騰

基于統(tǒng)計學習的模式識別幾個問題及其應用研究    王曉明

基于多源信息融合技術的板栗分級檢測方法研究    展慧

擬概率空間上等均值噪聲下統(tǒng)計學習理論的理論基礎    杜二玲

基于SVM的多類文本分類研究    李金華

支持向量機在沖擊地壓預測模型中的應用研究    朱耿峰

Fisher和支持向量綜合分類器    安文娟

基于支持向量機的時間序列預測    姜成玉

信息論在粗糙集連續(xù)屬性離散化中的應用    岳海亮

區(qū)間自適應粒子群算法研究及其應用    姜念

基于全矢高階譜的故障診斷方法及其應用研究    李朋勇

遠程診斷中心的設計與實現(xiàn)    韓冬振

RBF網絡基函數中心選取算法的研究    朱明星,張德龍

一種新的分類方法——屬性均值聚類屬性支持向量機(AMC-ASVM)    孫喜晨;賀仁亞;封舉富;

智能故障診斷研究與發(fā)展    蔣瑜,陳循,楊雪

PLC控制系統(tǒng)的故障診斷技術    羅雪蓮

兩棲車液壓系統(tǒng)及其故障診斷搜索策略研究    姚成玉;趙靜一;

基于證據理論的多診斷智能體解的綜合方法    肖小鋒;蔡金燕;李文釗;

基于粗糙集對旋轉機械故障診斷系統(tǒng)的研究    興連國;許寶杰;

航天器熱故障診斷專家系統(tǒng)推理機的設計    魏傳鋒,李運澤,王浚,于濤

基于遺傳算法的壓縮機故障診斷    慈建平,張衛(wèi)民,那榮起,湯華

基于遺傳算法的網絡故障診斷專家系統(tǒng)的設計與實現(xiàn)    戴忠健,蘇利敏

局域波時頻分析方法的理論研究與應用    蓋強

轉子碰摩非線性行為與故障辨識的研究    胡蔦慶

非平穩(wěn)非高斯信號特征提取與故障診斷技術研究    鄭海波

航空電子設備故障診斷技術研究    朱大奇

基于神經網絡與模糊技術的內燃機熱工故障在線診斷的研究    薛勝軍

計算智能在機械設備故障診斷中的應用研究    馮志鵬

粗糙集理論在旋轉機械故障診斷技術上應用的研究    許琦

非平穩(wěn)信號故障特征提取與智能診斷方法的研究及應用    王奉濤

人工免疫系統(tǒng)中智能優(yōu)化及免疫網絡算法理論與應用研究    張著洪

基于模式識別的柴油機故障診斷技術研究    王志華

基于粗集理論的數據挖掘技術研究    凌方

電氣設備故障診斷專家系統(tǒng)通用開發(fā)平臺研究    劉忠義

基于特征的水電機組狀態(tài)趨勢預測    代開鋒

基于神經網絡的模擬電路故障診斷專家系統(tǒng)研究    姚年春

基于神經網絡和證據理論融合的水電機組振動故障診斷研究    劉立峰

粗糙集理論及故障診斷應用研究    曾建武

基于變精度粗糙集與神經網絡的水電機組振動故障診斷研究    王榮榮

基于最小二乘支持向量機和信息融合技術的水電機組振動故障診斷研究    彭文季;郭鵬程;羅興錡;

基于粗糙集和多類支持向量機的水電機組振動故障診斷    張孝遠;周建中;黃志偉;李超順;賀徽;

基于頻譜法和帶偏差單元遞歸神經網絡的水電機組振動故障診斷    彭文季;羅興锜;李福松;陳志敏;

基于對向傳播神經網絡的水電機組振動故障診斷研究    彭文季;羅興锜;逯鵬;

基于變精度粗糙集的水電機組故障診斷    王榮榮;王利平;侯新剛;

水電廠機組狀態(tài)監(jiān)測分析診斷系統(tǒng)    張芃,張雪源

基于最小二乘支持向量機和信息融合技術的水電機組振動故障診斷(英文)    彭文季;羅興锜;郭鵬程;逯鵬;

水電機組的計算機實時狀態(tài)監(jiān)測研究    程玲;

可靠性理論在水輪發(fā)電機組故障診斷中的應用    李風芝;謝曉堯;高建瓴;

基于Petri網的水電機組故障診斷專家系統(tǒng)研究    劉輝;余永華;丁坦;

水電機組發(fā)展歷程中的若干力學問題    陳貴清;馬弘達;楊雪梅;

診斷類專家系統(tǒng)通用平臺研究    張偉;郭景濤;韓亮;

水力學原理在水電機組增容改造中的應用    朱磊;

水電機組狀態(tài)監(jiān)測與診斷系統(tǒng)研究    陳啟卷;蔣勁;程紅舉;符向前;李友平;

RCM在中、小型水電機組應用淺探    許詡儉;

基于水電機組運行工況監(jiān)測的故障診斷    劉曉亭;

水口水電廠設備狀態(tài)監(jiān)測與診斷分析系統(tǒng)    林禮清;陳偉;任繼順;

水輪發(fā)電機組機械故障診斷研究及應用    宋子友;

黃壇口水電站1#-4#水輪發(fā)電機組增容技術改造    金以紅;

有限元在水電機組結構設計中的應用    楊曉君;

我國加緊研發(fā)百萬千瓦級水電機組    吳植

700兆瓦級水電機組勵磁系統(tǒng)實現(xiàn)國產化    通訊員 周光乙　袁亞洲

國電電力 水電機組投產新項目獲批    證券時報記者 向南

水電重大裝備制造業(yè)跨入新時代    吳植

世界首臺80萬千瓦水電機組蝸殼出廠    通訊員 孫文

水電集團去年完成裝機1990萬千瓦    記者 黃家哲　任樂云

液壓制動系統(tǒng)的故障診斷    黃安華

濟鋼EAM離線網絡點檢和故障診斷管理系統(tǒng)開發(fā)應用    李萍

上海海大一課題列入國家“863”計劃    胡榮山 馬巍

小型漁船柴油機故障診斷與排除    孫建陽　劉波

融合支持向量機的水電機組混合智能故障診斷研究    張孝遠

基于多源信息融合的水電機組故障診斷與軸心軌跡識別技術研究    楊志榮

水電機組狀態(tài)檢修中若干關鍵技術研究    陳喜陽

水電機組控制系統(tǒng)辨識及故障診斷研究    李超順

貝葉斯網絡在水電機組狀態(tài)檢修中的應用研究    華斌

基于團隊智能的水電機組集成監(jiān)測方法研究與實踐    謝國財

基于有向圖模型的故障診斷方法研究及其在航天中的應用    宋其江

基于過程信息融合的旋轉機械信息（火用）故障診斷研究    陳非

計算智能在機械設備故障診斷中的應用研究    馮志鵬

基于統(tǒng)計學方法的自適應過程監(jiān)控與故障診斷    何小斌

水電機組狀態(tài)監(jiān)測及故障診斷研究    徐東海

基于模糊神經網絡的水電機組故障診斷專家系統(tǒng)研究    趙勇飛

基于小波分析的水電機組在線監(jiān)測與故障診斷的研究    張彥寧

水電機組一次調頻性能分析及試驗研究    吳揚文

水電機組振動故障的信息融合診斷與仿真研究    趙道利

中小型水電機組穩(wěn)定性監(jiān)測系統(tǒng)研究與開發(fā)    宋兵

水電機組運行穩(wěn)定性試驗數據分析方法研究及應用    麻志成

基于神經網絡的水電機組動載識別研究    沙瑞華

水電機組狀態(tài)檢修數據庫管理系統(tǒng)設計與實現(xiàn)    姚澤

水力機組空蝕在線監(jiān)測系統(tǒng)的LabVIEW實現(xiàn)    彭文季