【技术实现步骤摘要】
一种基于粒子群-支持向量机的旋转机械设备运行工况预测方法
本专利技术涉及到一种基于粒子群-支持向量机(PSO-SVM)的旋转机械设备运行工况预测方法。技术背景随着旋转机械设备的老化,加上机械长久高负荷运转,从而给企业保障旋转机械设备安全高效运行带来了很大的压力,若出现突发性故障,不仅企业会受到巨大的经济损失,而且还会影响人民日常工作生活。如何准确的预测这些旋转机械设备的运行工况,并能根据预测的设备运行状态进行有效的设备维护,对于企业来说有着重要的现实意义。
技术实现思路
为了有效预测旋转机械设备的运行工况,降低突发性故障的产生,本专利技术提供了一种基于粒子群-支持向量机(PSO-SVM)的旋转机械设备运行工况预测方法,通过刚性安装在旋转机械设备固定底座上的振动传感器采集设备的振动速度信号,并使用支持向量回归机(SVR)对采集到的数据进行分析处理,有效预测旋转机械设备的运行工况。本专利技术所采用的技术方案是:一种基于粒子群-支持向量机的旋转机械设备运行工况预测方法,包括以下步骤:步骤1、连续采集n组振动速度信号,计算每组振动速度信号的振动烈度值作为样本集,即S={(t1,d1),(t2,d2),…,(ti,di),…,(tn,dn)},其中di为从ti-1时刻到ti时刻采集到的振动速度信号集合对应的振动烈度步骤2、使用改进的粒子群算法结合样本集S对支持向量回归机中的核参数g和惩罚因子C进行迭代寻优;得到最优的gopt和Copt;步骤3、使用样本集S和gopt、Copt,对支持向量回归机进行训练,得到支持向量机回归模型函数f(t);步骤4、使用f(t)预测tn ...
【技术保护点】
1.一种基于粒子群‑支持向量机的旋转机械设备运行工况预测方法,其特征在于,所述方法包括以下步骤:步骤1、连续采集n组振动速度信号,计算每组振动速度信号的振动烈度值作为样本集,即S={(t1,d1),(t2,d2),…,(ti,di),…,(tn,dn)},其中di为从ti‑1时刻到ti时刻采集到的振动速度信号集合对应的振动烈度;步骤2、使用改进的粒子群算法结合样本集S对支持向量回归机中的核参数g和惩罚因子C进行迭代寻优;得到最优的gopt和Copt;步骤3、使用样本集S和gopt、Copt,对支持向量回归机进行训练,得到支持向量机回归模型函数f(t);步骤4、使用f(t)预测tn时刻之后连续的m个振动烈度,即Sp={(tn+1,dn+1),(tn+2,dn+2),…,(tn+m,dn+m)},预测过程为:(4.1)初始化集合
【技术特征摘要】
1.一种基于粒子群-支持向量机的旋转机械设备运行工况预测方法,其特征在于,所述方法包括以下步骤:步骤1、连续采集n组振动速度信号,计算每组振动速度信号的振动烈度值作为样本集,即S={(t1,d1),(t2,d2),…,(ti,di),…,(tn,dn)},其中di为从ti-1时刻到ti时刻采集到的振动速度信号集合对应的振动烈度;步骤2、使用改进的粒子群算法结合样本集S对支持向量回归机中的核参数g和惩罚因子C进行迭代寻优;得到最优的gopt和Copt;步骤3、使用样本集S和gopt、Copt,对支持向量回归机进行训练,得到支持向量机回归模型函数f(t);步骤4、使用f(t)预测tn时刻之后连续的m个振动烈度,即Sp={(tn+1,dn+1),(tn+2,dn+2),…,(tn+m,dn+m)},预测过程为:(4.1)初始化集合迭代控制变量i=1;(4.2)将t=tn+i代入f(t),得到tn+i的振动烈度值dn+i,将(tn+i,dn+i)添加到预测集Sp和样本集S中;(4.3)将i自身增加1,如果i>m,则执行步骤5,否则返回到步骤4.2;步骤5、根据ISO2372设备振动标准,对Sp进行分析,判断Sp中的振动烈度值被包含在哪种状态对应的振动烈度取值范围中,并给出旋转机械设备的运行状态。2.如权利要求1所述的一种基于粒子群-支持向量机的旋转机械设备运行工况预测方法,其特征在于,所述步骤5中,判断过程为:(5.1)根据旋转机械的功率和安装方式判断当前旋转机械设备所属类别,类别包括以下四类:Ⅰ类为小型设备,如:小于15Kw的电动机;Ⅱ类为中型设备,如15Kw~75Kw的电动机;Ⅲ类为刚性安装的大型旋转原动机;IV类为柔性安装的大型旋转原动机;(5.2)根据当前旋转机械所属类别,对照ISO2372振动标准卡,找到四种状态对应的上下限值,这四种状态分别为:A状态:好,表示设备状态良好,可安全运行;B状态:满意,表示设备状态在可接受范围内,仍然可以正常运行;C状态:不满意,表示设备状态不乐观,应减少运行时间或停机进行检查;D状态:不允许,表示设备状态非常糟糕,要立刻发出故障警报,停机进行维修;四种状态对应的上下限值分别为:A状态:上下限值为:j∈[Ⅰ类,Ⅱ类,Ⅲ类,IV类];B状态:上下限值为:j∈[Ⅰ类,Ⅱ类,Ⅲ类,IV类];C状态:上下限值为:j∈[Ⅰ类,Ⅱ类,Ⅲ类,IV类];D状态:上下限值为:j∈[Ⅰ类,Ⅱ类,Ⅲ类,IV类];(5.3)将Sp中振动烈度与四种状态的上下限值进行比较,如果振动烈度全部小于则给出旋转机械状态为A;如果有多于u,u∈[1,m]个振动烈度大于但是有少于r,r∈[1,m]个振动烈度大于则给出旋转机械状态为B;如果有多于u个振动烈度大于但是有少于r个振动烈度大于则给出旋转机械状态为C;如果有多于u个振动烈度大于则给出旋转机械状态为D;经过以上判断,得出旋转机械设备运行状态。3.如权利要求1或2所述的一种基于粒子群-支持向量机的旋转机械设备运行工况预测方法,其特征在于,所述步骤1中,采集和计算过程如下:(1.1)设置振动速度信号采样周期为T秒,从t0时刻开始连续采集k个振动速度信号组成一组,累计采集n组,有Sv={(t1,s1),(t2,s2),…,(ti,si),…,(tn,sn)},其中si表示从ti-1时刻到ti时刻采集到的振动速度信号集合,即si={v1,v2,…...
【专利技术属性】
技术研发人员:潘建,吴攀峰,赵焕东,汤绍雄,奚家字,
申请(专利权)人:浙江工业大学之江学院,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。