10.3969/j.issn.2095-2783.2013.08.006
结合相空间和LS-SVM的风机状态预测方法
针对风机运行过程中存在的非线性非平稳特征,提出一种相空间与最小二乘支持向量机(LS-SVM)相结合的风机状态预测方法.首先利用相空间重构方法将一维的时间序列拓展到高维相空间中,还原出风机运行的动力学行为;然后将高维空间中的拓扑结构输入到最小二乘支持向量机中,利用其非线性拟合的优势,最终实现风机状态的趋势预测.利用该方法与BP神经网络方法分别对工业现场的风机振动信号进行对比分析,最大预测误差从7.22％下降到3.75％,说明在相同样本数的条件下,新方法能够更准确地预测风机的振动状态,可为维修决策提供更可靠的数据支持.
风机、故障诊断、相空间方法、最小二乘逼近、支持向量机
8
TH432;TH165+.3(气体压缩与输送机械)
高等学校博士学科点专项科研基金资助项目20090006120007;国家自然科学基金资助项目51004013
2013-10-10（万方平台首次上网日期，不代表论文的发表时间）
共4页
743-746
