一种基于蚁群算法的水轮机轴线检测数据优化处理方法技术

本发明专利技术公开了一种基于蚁群算法的水轮机轴线检测数据优化处理方法，包括：水轮机轴线自动检测系统通过多个轴线位移传感器采集轴线数据；通过模数转换模块由预设通信接口传输到微处理器；所述微处理器对轴线数据进行拟合处理，应用基于蚁群优化最小二乘支持向量机回归算法，建立误差最小优化模型；基于所述误差最小优化模型，拟合得到最优摆度特性曲线。该方法将先进的嵌入式微处理器技术与高效的数据优化处理的蚁群算法相结合，可以适用于水轮机安装、检修维护与轴线调整等多种场合，配以通信接口，可以方便接入各种网络和信息系统，具有高度自动化、智能化和网络化，具有广泛的实用性，工程应用价值重大。

【技术实现步骤摘要】
一种基于蚁群算法的水轮机轴线检测数据优化处理方法
本专利技术涉及水轮机发电机监测领域，特别涉及一种基于蚁群算法的水轮机轴线检测数据优化处理方法。
技术介绍
水轮机轴线检测是水轮机运行、安装、检修维护与轴线调整的基础。由于水电机组单机容量的增加、机组结构的日趋复杂，水电机组的运行稳定性问题逐步凸显，对机组的水轮机运行、检修维护与轴线调整都提出了更高的要求。目前，国内外已经开发出了专用于水轮机运行控制的水轮机轴线实时检测系统，缺乏适用于安装、检修维护与轴线调整的高智能轴线检测系统，致使在水轮机安装、检修维护与轴线调整过程中，需要人工读取、抄写和处理检测数据，往往导致盘车轴线调整费时耗力，大大延长工期。另外，检测点布置在径向方向要求多采用等相位8点或16点圆周设置，在轴线方向要求多点成直线，测量点间距精度要求高，保障难度大，检测精度与技术人员的业务水平和现场经验有很大关系，计算结果往往不一致，直接影响了轴线处理量的大小和方向确定。此外，从轴线数据处理方法来看，目前国内外主要采用最小二乘法对数据进行拟合分析处理，基本忽略了水轮发电机组安装过程中影响轴系本文档来自技高网...

【技术保护点】
1.一种基于蚁群算法的水轮机轴线检测数据优化处理方法，其特征在于，包括以下步骤：/n水轮机轴线自动检测系统通过多个轴线位移传感器采集轴线数据；/n通过模数转换模块由预设通信接口传输到微处理器；/n所述微处理器对轴线数据进行拟合处理，应用基于蚁群优化最小二乘支持向量机回归算法，建立误差最小优化模型；/n基于所述误差最小优化模型，拟合得到最优摆度特性曲线。/n

【技术特征摘要】
1.一种基于蚁群算法的水轮机轴线检测数据优化处理方法，其特征在于，包括以下步骤：
水轮机轴线自动检测系统通过多个轴线位移传感器采集轴线数据；
通过模数转换模块由预设通信接口传输到微处理器；
所述微处理器对轴线数据进行拟合处理，应用基于蚁群优化最小二乘支持向量机回归算法，建立误差最小优化模型；
基于所述误差最小优化模型，拟合得到最优摆度特性曲线。


2.如权利要求1所述的一种基于蚁群算法的水轮机轴线检测数据优化处理方法，其特征在于，通过模数转换模块由预设通信接口传输到微处理器，包括：
通过模数转换模块由RS485、RS232、RS422、以太网、蓝牙、WIFI传输到微处理器。


3.根据权利要求1所述的一种基于蚁群算法的水轮机轴线检测数据优化处理方法，其特征在于，所述微处理器对轴线数据进行拟合处理，应用基于蚁群优化最小二乘支持向量机回归算法，建立误差最小优化模型，包括：
第一步：将所述轴线数据生成数据样本集合，令数据样本集合T＝{(x1，y1)，(x2，y2)，...，(xi，yi)，...，(xl，yl)}，其中，i＝1，...，l；l为测量的摆度数据组数，4≤l≤1000，(xi，yi)表示i点测量的轴线方位，i点测量的轴线偏移量；
第二步：构造最小二乘支持向量机非线性回归函数，构建过程为：
2.1)令x＝[x1…xl]，令y＝[y1…yl]，z＝[z1…zl]，x为轴线方位向量，y为轴线方位向量，z为数据样本矢量，zi表示i点数据样本；
2.2)给出基于最小二乘支持向量机非线性回归函数的z的拟合值z′得表达式，其为：



(1)式中，ω为权值因子；b为偏置因子；为待定的非线性映射函数；表示与ω的点乘；
第三步：求取核函数K(z′，z)，核函数K(z′，z)的求取公式为：



(2)式中，δ为核函数的宽度参数，z′为z的数据拟合矢量；
第四步：构建数据拟合矢量z′与z数据样本矢量的最大间隔的最小优化模型，其模型表达式为：



(3)式中，ηi为允许误差，η＝[η1η2…ηl]为误差矢量；
第五步：化简最小优化模型W(ω，η，b)，得到基于凸二次规划的误差最小优化模型。


4.根据权利要求3所述的一种基于蚁群算法的水轮机轴线检测数据优化处理方法，其特征在于，所述第五步具体包括：
5.1)根据式(3)建立Lagrange函数：



(4)式中，α＝[α1α2…αl]为Lagrange乘子，α≠0，i＝1，...，l；λ为惩罚参数；惩罚参数的取值范围为λ＞0；
5.2)对式(4)分别求偏导，有：
根据得到



根据得到
ληi＝-αi(6)
根据得到



根据得到



5.3)化简式(5)、式(6)、式(7)、式(8)，具体过程为：
首先，将式(5)代入式(8)，得到：



将式(2)的代入式(9)，得到



又根据式(6)可知，i＝j时时，ηi＝0；
引进记号：



将式(10)化简为



此时式(5)-式(8)化简为线性方程组：



5.4)根据式(12)，构造基于凸二次规划的误差最小优化模型U(α，λ，δ)，其表达式为：



式(13)的约束条件为





5.根据权利要求4所述的一种基...

【专利技术属性】
技术研发人员：王仁权，李伏平，陈国仕，罗周维，黄波，苏果，苏晓，刘立平，李晓龙，邹其琨，粟时平，任洁，周蔚，钟念辉，王豪，
申请(专利权)人：湖南五凌电力工程有限公司，长沙理工大学，五凌电力有限公司，
类型：发明
国别省市：湖南;43