热能动力工程

作者：石志标

单位：东北电力大学 机械工程学院，吉林 吉林 132012,

关键词：支持向量机;云粒子群算法;补充总体平均经验模态分解;故障诊断;汽轮机转子

基金：国家自然科学基金（51576036）；吉林省科技发展计划（20100506）

摘 要：为提高汽轮机转子故障诊断的准确率和识别效率，提出基于云粒子群优化算法（CPSO）优化支持向量机（SVM）的故障诊断方法。首先利用补充总体平均经验模态分解（CEEMD）对转子振动信号进行分解，利用能量法筛选出更为有效的固有模态分量（IMF）并计算对应的排列熵（PE）作为故障特征值；其次将云理论引入到粒子群优化算法（PSO）中得到CPSO算法，通过CPSO算法优化SVM得到诊断模型。在ZT-3试验台对汽轮机转子常见4种故障（正常状态、转子不平衡、转子不对中和动静碰磨状态）状态进行模拟实验，获取故障数据后进行故障识别研究。研究表明：在相同测试样本的条件下， CPSO-SVM诊断模型的识别准确率为95%，比PSO-SVM诊断模型提高了5%，运行时间为22.055 s，比PSO缩短了14.5 s。研究结果验证了CPSO-SVM算法在汽轮机转子故障诊断方面的优越性。

来源：2018年第6期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2018年第6期