[发明专利]一种基于BASO—SVM的汽轮机振动故障诊断方法

权利要求书

1.一种基于BASO—SVM的汽轮机振动故障诊断方法，其特征在于，包括以下步骤：

1)将汽轮机机组的各振动故障类型与发生故障时的参数集作为训练样本，该训练样本中包括多种故障类型对应的多个故障样本，每份故障样本中包含多种汽轮机参数；

2)构建汽轮机振动故障诊断模型，并利用训练样本进行训练；

3)采用BASO算法对汽轮机振动故障诊断模型中支持向量机的参数进行优化；

4)根据参数优化后的汽轮机振动故障诊断模型实现汽轮机的振动故障类型诊断。

2.根据权利要求1所述的一种基于BASO—SVM的汽轮机振动故障诊断方法，其特征在于，所述的汽轮机振动故障诊断模型为基于BASO算法的支持向量机模型，其中，支持向量机的待优化参数作为BASO算法中的作为粒子的每只天牛的位置，所述的BASO算法具体为天牛须搜索算法和粒子群算法的融合算法，即将天牛须搜索算法中的天牛作为粒子群算法中的一个粒子，天牛须搜索算法中的随机方向向量采用粒子群算法中的速度代替，并且在更新粒子位置，即天牛质心位置时，采用加权的方式进行更新。

3.根据权利要求2所述的一种基于BASO—SVM的汽轮机振动故障诊断方法，其特征在于，所述的BASO算法的具体流程包括：

31)设置BASO算法的基本参数，初始化种群，设置每只天牛质心的初始位置和初始速度；

32)计算适应度函数值，对个体极值和群体极值进行更新；

33)对每只天牛的速度和质心位置进行更新，然后对步长和天牛质心与须之间的距离进行更新；

34)判断是否符合迭代停止的条件，若满足则停止迭代过程，否则返回步骤32)。

4.根据权利要求3所述的一种基于BASO—SVM的汽轮机振动故障诊断方法，其特征在于，所述的步骤33)中，每个天牛对应粒子的位置更新公式如下：

其中，X^t+1、X^t分别为第t+1和第t步的天牛质心位置，λ为算法权重，V^t为第t步天牛的飞行速度，δ^t为第t步的步长，sign(·)为符号函数，和分别为天牛左须和右须的适应度值，即分类准确率，d^t为天牛质心到须的距离。

5.根据权利要求4述的一种基于BASO—SVM的汽轮机振动故障诊断方法，其特征在于，所述的步骤33)中，每个天牛对应粒子的速度更新公式如下：

其中，V^t+1、V^t分别为第t+1和第t步的天牛飞行速度，w为惯性权重，p_best为个体极值，g_best为全局极值，r₁、r₂分别为均匀分布在(0,1)区间的随机数，c₁、c₂分别为学习因子，用以分别调节向全局最优粒子和个体最优粒子方向飞行的最大步长。

6.根据权利要求3所述的一种基于BASO—SVM的汽轮机振动故障诊断方法，其特征在于，所述的步骤33)中，第t步天牛质心到须的距离d^t和步长δ^t随迭代步数衰减，则有：

d^t＝η_dd^t-1+d₀

δ^t＝ηδ^t-1

其中，d^t-1、d₀分别为第t-1步天牛质心到须的距离和步长，η_d为质心与须之间的距离衰减系数，d₀为距离常数，η为步长衰减系数。

7.根据权利要求1所述的一种基于BASO—SVM的汽轮机振动故障诊断方法，其特征在于，所述的步骤1)中，故障类型包括不平衡、不对中、转子磨碰和油膜涡动。