[发明专利]一种基于BASO—SVM的汽轮机振动故障诊断方法

说明书

本发明涉及一种基于BASO—SVM的汽轮机振动故障诊断方法，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。与现有技术相比，本发明具有准确率高、化能力较好、鲁棒性强等优点。

技术领域

本发明涉及汽轮机故障诊断技术领域，尤其是涉及一种基于BASO—SVM的汽轮机振动故障诊断方法。

背景技术

汽轮机结构复杂，且长期处于高转速、高应力的运行状态之下，故障率较高，危害性极大，一旦汽轮机发生故障，整个机组的安全都会受到严重的负面影响，因此，对汽轮机的故障进行诊断意义十分重大。

近些年来，很多人工智能的方法被应用于汽轮机故障的诊断，包括支持向量机、专家系统、粒子群算法以及神经网络等等，它们都取得了一些成果，支持向量机可以用于对汽轮机故障进行诊断，支持向量机需要训练样本数据少，泛化能力强，应用广泛，但规则化系数难以确定，如果不能够对参数进行优化，较难得到理想的预测分类准确率，也有提出利用粒子群算法来对支持向量机的参数进行优化，但是粒子群算法易陷入局部最优点，且搜索精度不高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于BASO—SVM的汽轮机振动故障诊断方法，针对支持向量机参数难以选取的问题，将BAS(天牛须搜索算法)引入到PSO(粒子群算法)中，得到BASO算法，通过BASO算法对支持向量机进行优化得到诊断模型的最佳参数，并以此进行故障诊断。

本发明的目的可以通过以下技术方案来实现：

一种基于BASO—SVM的汽轮机振动故障诊断方法，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。

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。

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)。

所述的步骤33)中，每个天牛对应粒子的位置更新公式如下：