基于小波包分解与SVM的气阀故障诊断研究

发布时间：2022-12-05 23:12

　　往复式压缩机是石油化工生产的关键设备,它的安全平稳运行与气阀的工作状态息息相关。为实现往复式压缩机气阀故障的快速诊断,利用小波包分解提取故障特征,基于SVM方法对气阀故障进行了识别,利用网格搜索进行参数寻优,搭建了小波包分解与支持向量机SVM联合诊断压缩机气阀故障的模型,验证了支持向量机SVM诊断压缩机气阀故障的有效性。简化了传统由经验人员判断气阀故障类型的过程,为压缩机气阀故障分析、气阀维修与更换等实际问题提供了理论依据。 

【文章页数】：5 页

【文章目录】：
1 气阀的受力分析
2 气阀振动信号特征参数提取
    2.1 时域波形分析
    2.2 小波包分解
3 非线性支持向量机(SVM)算法
4 支持向量机预测模型
    4.1 训练与测试样本的确定
    4.2 模型参数的确定
    4.3 气阀诊断结果分析
5 结论


【参考文献】：
期刊论文
[1]往复压缩机环状气阀故障试验研究[J]. 张谦,赵远扬,舒悦,王乐,谢传东.  流体机械. 2018(02)
[2]支持向量机在压缩机气阀故障诊断中的应用[J]. 胡新,潘淑微.  自动化仪表. 2017(07)
[3]基于支持向量机数控机床切削能耗预测方法研究[J]. 陈薇薇,张华,向琴,张业祥.  机械设计与制造. 2014(11)

博士论文
[1]往复式压缩机振动信号特征分析及故障诊断方法研究[D]. 赵俊龙.大连理工大学 2010
[2]往复活塞式压缩机关键部件的故障诊断方法研究及应用[D]. 苗刚.大连理工大学 2006

硕士论文
[1]基于EEMD和SVM联合诊断的发动机故障分析[D]. 牛家骅.内蒙古工业大学 2015
[2]往复式压缩机气阀阀片的故障分析与诊断[D]. 李庆.北京化工大学 2008



本文编号：3710547