小波分解和最小二乘支持向量机的风机齿轮箱故障诊断

基于最小二乘支持向量机回归的基坑变形预测——将最小二乘支持向量机回归用于基坑变形预测．根据基坑位移的实测时间序列资料，应用最小二乘支持向量机回归建立了基坑位移与时间的关系模型．研究结果表明，最小二乘支持向量机回归用于基坑变形预测，具有较高的预...

采用最小二乘支持向量机的方法,利用现场测量的数据,建立水泥粒度软测量模型;通过交叉验证方法优化参数,并用仿真实验验证了该方法的有效性,解决了非线性、小样本、高维数等常规测量方法难以实现的问题,实现了水泥粒度的在线测量。

针对在工程实践中,应用单一方法预测建筑物沉降存在着局限性,提出了基于最小二乘支持向量机回归综合单一方法预测沉降量。该方法能综合单一方法的特点,增强了模型的普适性,从而提高了预测精度和预报期次。文中讨论了如何实现和运用该方法,最后通过实例验证了其有效性。

针对最小二乘支持向量机在利用产生于工业现场的非理想数据集进行建模预测时,稀疏化模型鲁棒性差的问题,提出了一种基于模糊c均值聚类和密度加权的稀疏化方法.首先通过模糊c均值聚类将训练样本划分为若干个子类;然后计算每个子类中各样本的可能贡献度,依次从每个子类中选取具有最大可能贡献度的样本作为支持向量;最后更新每个样本的可能贡献度,继续从各个子集中增选支持向量,直至稀疏化后的模型性能满足要求.仿真结果和磨机负荷实际应用表明,该方法能够兼顾模型在整体样本集和各工况子集上的性能,在实现模型稀疏化的同时,能够显著改善最小二乘支持向量机模型的鲁棒性.

基于可靠性数据分析和最小二乘支持向量机对电力变压器故障进行了诊断,并给出了实例分析。

简述了齿轮故障诊断原理,针对催化主风机齿轮箱故障诊断实例,介绍了齿轮故障诊断方法,并进一步说明了齿轮故障诊断技术的现场应用。

采用最小二乘支持向量机预测算法对电力电子电路进行故障预测.以基本降压斩波电路为例,选择电路输出电压作为监测信号,提取输出电压平均值及纹波值作为电路特征性能参数,并利用ls-svm回归预测算法实现故障预测.仿真结果表明,利用ls-svm对基本降压斩波电路输出平均电压与输出纹波电压的预测相对误差均低于2%,能够跟踪故障特征性能参数的变化趋势,有效实现电力电子电路故障预测.

提出一种联合灰色模型(greymodel,gm)和最小二乘支持向量机回归(leastsquaresupportvectorregression,lssvr)算法的电力短期负荷智能组合预测方法。在考虑负荷日周期性的基础上,通过对历史负荷数据的不同取舍,构建出各种不同的历史负荷数据序列,并对每个历史数据序列分别建立能修正β参数的gm(1,1)灰色模型进行负荷预测;采用最小二乘支持向量机回归算法对不同灰色模型的预测结果进行非线性组合,以获取最终预测值。该方法在充分利用灰色模型所需原始数据少、建模简单、运算方便等优势的基础上,结合最小二乘支持向量机所具有的泛化能力强、非线性拟合性好、小样本等特性,提高了预测精度。仿真结果验证了所提出组合方法的有效性和实用性。

针对最小二乘支持向量机在电力负荷预测应用中的参数优化问题,将改进粒子群算法引入到最小二乘支持向量机参数中,建立一种新型的电力负荷预测模型(ipso-lssvm)。首先将最小二乘支持向量机参数编码为粒子初始位置向量;然后通过粒子个体之间的信息交流、协作找到最小二乘支持向量机的最优参数,并针对标准粒子群算法的不足进行相应改进;最后将其应用于电力负荷建模与预测,并通过仿真对比实验测试其性能。实验结果表明,ipso-lssvm可以获得较高准确度的电力负荷预测结果,大幅度减少了训练时间,满足电力负荷在线预测要求。

根据沉降数据的特性,以最小二乘支持向量机为核心技术构建预测模型,提出了一种路基沉降预测的新方法。由于测量误差不可避免,沉降数据通常含有噪声,不宜直接进行拟合,因此首先采用小波分析的方法对原始沉降数据进行降噪预处理,然后馈送到最小二乘支持向量机完成沉降预测。最后用某高速公路实测数据进行了实例分析,并与bp神经网络预测结果进行了对比,计算结果表明,小波分析结合支持向量机的模型有较好的预测精度,将该模型应用于公路软基沉降预测是可行的和值得研究的。

针对工程造价变化的时变性、混沌性,提出一种混沌理论和最小二乘支持向量机的工程造价预测模型.首先收集工程造价历史样本并进行相应的预处理,然后根据混沌理论确定最优延迟时间和嵌入维数,重建工程造价的训练集和测试集,最后用最小二乘支持向量机建立工程造价预测模型,并采用具体建筑工程造价数据进行仿真测试.结果表明,相对其他工程造价预测模型,该模型可以很好地反映工程造价的变化趋势,提高工程造价的预测准确性.

基于最小二乘支持向量机回归的单桩竖向极限承载力预测——基于单桩载荷试验数据，采用最小二乘支持向量机(lssvm)回归的方法，建立了单桩竖向极限承载力的预测模型．利用文献中桩的载荷试验数据来训练lssvm模型，并确定了模型参数．研究结果表明，同常用的bp网络...

为提高水库来水量的预测精度,提出了一种基于最小二乘支持向量机(ls-svm)的来水量预测模型。实例应用结果表明,该模型预测能力强、预测精度高,其预测精度明显高于bp模型,为来水量预测提供了一种可靠、有效的方法。

介绍了对化工四回收鼓风机齿轮箱监测数据进行时域波形、频谱、peakvue分析,并诊断齿轮箱存在隐患,停机解体检查发现轮齿已严重疲劳磨损,高速轴靠近齿顶有1/3的齿面损伤,齿轮箱底部有大量剥落的碎屑;证明了振动监测分析和诊断是行之有效的设备点检手段,为检修决策提供了可靠依据.

隧道围岩变形预测的最小二乘支持向量机方法——为及时掌握围岩变形趋势并采取措施加以控制，在岭南高速雪家庄隧道施工过程中，采用一种新的时间序列预测模型--最小二乘支持向量机(ls-svm)。介绍了ls．svm的基本原理和该预测模型的具体操作步骤，实践表明，该方...

基于最小二乘支持向量机的砂土液化预测方法——使用最小二乘支持向量机分类方法建立了两个砂土液化预测模型，预测结果与野外实际情况全部相符，表明该分类方法用于预测砂土液化是可行的，且预测准确率高。

针对神经网络存在结构较难确定,训练易陷入局部最小等问题,提出将最小二乘支持向量机和相似搜索用于预测出清电价。该方法对相似搜索得到的相似负荷日的数据用最小二乘支持向量机建立预测模型,采用美国newenglandiso的真实数据做验证,结果表明该方法比bp神经网络有更高的预测精度,是一种有效的预测方法。

基于我国城市防洪体系安全评价的指标体系及其等级标准,提出了一种基于小样本的最小二乘支持向量机(ls-svm)的城市防洪体系安全综合评价模型。在柳州市防洪体系的实例应用结果表明,该模型能较好地对城市防洪体系进行综合评价,评价结果符合客观实际。

针对传统方法难以精确提取水电机组非平稳振动信号的故障特征,首先引入变分模态分解(variationalmodaldecomposition,vmd)将水电机组非平稳振动信号分解为一系列中心频段互不重叠的imf分量,进而采取能量法提取各imf分量的故障特征,最后将提取的故障特征向量输入到本文建立的基于遗传算法优化支持向量机的故障诊断模型中,实现故障模式的识别与诊断。将该方法应用于实际水电机组故障振动信号的处理中,仿真结果表明,该方法能够有效识别机组的异常状况,具有较高的故障诊断正确率。

用转子振动试验台模拟了汽轮机典型故障,根据其频域变化特性,采用小波包分析对其建立频域能量特征向量。最后用svm进行故障状态识别,取得了良好的效果。

漏油和油温高是齿轮箱传动系统中常见故障,漏油会影响齿、轴的润滑效果,使得各运动副零配件之间摩擦加剧;油温高会影响齿轮箱的使用寿命,甚至达到一定温度使齿轮箱无法正常工作,严重影响到风机的安全。本文通过对齿轮箱油温高和漏油的可能原因进行了分析,并提出了相应的解决方案和措施,对日后风机的维护和故障处理有一定帮助。

回转式空气预热器是火力发电机组重要的换热设备。燃料的不完全燃烧以及低负荷或停炉后空预器内气体流速低造成散热条件变差等原因会引起空预器的再燃烧事故。论文利用最小二乘支持向量机这种新的机器学习工具,分别用两种核函数建立针对三对不同火情的判别模型,超平面参数通过交叉检验的方式确定。实验结果表明,支持向量机具有很好的分类和泛化能力。从两种核函数的roc曲线可看出对于本问题选用rbf核函数相对于多项式核函数有更高的判别准确率。