基于支持向量機振動故障預報模型的研究.pdf

1、當前的火力發(fā)電廠的安全生產中，怎樣保障汽輪機組經濟運行是人們普遍所關注的，研究火電廠汽輪機組狀態(tài)及性能監(jiān)測，對未來生產狀況進行預報，可以強有力的保障機組的經濟運行和安全生產。所以，對汽輪機組的振動故障預報模型的研究具有十分重要的意義。
　　 支持向量機可以在有限的樣本信息的條件下，最大程度的挖掘發(fā)現(xiàn)數(shù)據(jù)里隱含的規(guī)律及發(fā)展趨勢。它是以統(tǒng)計學習理論為基礎的，能夠解決過學習現(xiàn)象，非線性的小樣本集，高維數(shù)的模式識別這些問題的機器學習方法

2、。從現(xiàn)場實際問題的解決來看，支持向量機是作為振動故障預報模型，進行狀態(tài)預報的首要選擇。
　　 論文的主要內容包括:
　　 汽輪機振動故障信號有一定的隨機性，應采用多種模型進行預測，經過分析對比來確定最佳模型，反映其內在規(guī)律。對支持向量機，神經網絡，灰度方法三者分別建立模型，做了進一步的對比分析。針對支持向量機比時間序列模型可以達到更好地預測目的的問題做了深入的研究。
　　 針對傳統(tǒng)迭代方式實現(xiàn)多步預測的方法中存在