无量纲与SVM的石化机组旋转机械故障诊断方法OA北大核心CSTPCD
针对石化机组旋转机械故障信息存在非线性、重叠性等特点,提出一种无量纲与支持向量机(Support Vector Machine,SVM)的石化机组旋转机械故障诊断方法。首先对采集的振动信号进行分析并将其无量纲化;接着通过特征选择选取高价值与敏感性强的无量纲特征,降低分类模型复杂度并提高算法速度;最后通过选取合适的SVM分类模型进行分类诊断。结合具有无量纲特征的故障敏感性与SVM的非线性分类性进行诊断分类,并通过石化机组故障诊断实验平台进行验证,表明该方法相比于其他经典分类方法分类效果更好,分类正确率为99.1%,证明了方法的有效性。
周凌孟;张清华;邓飞其;孙国玺;苏乃权;朱冠华;
华南理工大学自动化科学与工程学院,广州510000华南理工大学自动化科学与工程学院,广州510000 广东石油化工学院广东省石化装备故障诊断重点实验室,广东茂名525000广东石油化工学院广东省石化装备故障诊断重点实验室,广东茂名525000
机械工程
故障诊断旋转机械无量纲特征特征选择SVM
《噪声与振动控制》 2024 (001)
P.119-125,161 / 8
国家自然科学基金重点资助项目(61933013,61673127,61973094);广东省自然科学基金面上资助项目(2022A1515010599);茂名市科技计划资助项目(2017304,2020S004,170607111706145);博士启动基金资助项目(2020bs006)。
评论