基于云PSO-SVM的汽轮机转子故障诊断研究
【出 处】:
【作 者】:
石志标
[1]
陈长河
[1]
曹丽华
[2]
【摘 要】为提高汽轮机转子故障诊断的准确率和识别效率,提出基于云粒子群优化算法(CPSO)优化支持向量机(SVM)的故障诊断方法.首先利用补充总体平均经验模态分解(CEEMD)对转子振动信号进行分解,利用能量法筛选出更为有效的固有模态分量(IMF)并计算对应的排列熵(PE)作为故障特征值;其次将云理论引入到粒子群优化算法(pSO)中得到CPSO算法,通过CPSO算法优化SVM得到诊断模型.在ZT-3试验台对汽轮机转子常见4种故障(正常状态、转子不平衡、转子不对中和动静碰磨状态)状态进行模拟实验,获取故障数据后进行故障识别研究.研究表明:在相同测试样本的条件下,CPSO-SVM诊断模型的识别准确率为95%,比PSO-SVM诊断模型提高了5%,运行时间为22.055 s,比PSO缩短了14.5 s.研究结果验证了CPSO-SVM算法在汽轮机转子故障诊断方面的优越性.
相关热词搜索: 支持向量机 云粒子群算法 补充总体平均经验模态分解 故障诊断 汽轮机转子
上一篇: 跨音速透平叶栅尾缘劈缝射流气动性能分析
下一篇: 生物乙醇喷雾蒸发和预混过程的数值模拟研究