摘要
在火电厂中,汽轮机故障通常会导致轴承的异常振动,因此预测轴承的振动趋势能够为汽轮机故障提供借鉴依据,降低故障发生概率。针对振动数据具有随机性和波动性的问题,首先利用变分模态分解方法,将振动序列分解成一系列子模态,以降低振动序列的非平稳性。将分解出的分量作为最小二乘支持向量机(Least Squares Support Veetor Machine Classifiers,LSSVM)预测模型的输入,利用鲸鱼算法(Whale Optimization Algorthm,WOA)算法的寻优特性对LSSVM中的参数进行优化,从而建立超前一步预测模型,最后将各个子模态的预测结果相叠加,得到预测振动数据。为评估该模型的预测性能,以江苏某电厂的轴承振动实测数据为例进行仿真实验。结果表明,所提出的预测模型优于其他多种典型预测模型,表现出较好的预测性能。
-
单位贵州黔西中水发电有限公司; 华北电力大学