共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
为了找到更高精确度的供水管网定位方法,基于支持向量机搭建了PSO-SVM给水管网漏失诊断模型,对影响支持向量机(SVM)性能的两个重要参数c和g使用粒子群优化算法(PSO)做了优化处理,使得支持向量机的运算速率和准确度显著提高,利用单漏点供水管网仿真模拟试验平台测得管网各运行工况下的漏点特征数据,测得数据通过后期归一化处理作为PSO-SVM模型的输入样本数据集,样本数据经PSO-SVM模型运行后证明该模型可有效对管网漏失点做出精准定位,并能对各漏失点的漏失量做出精准预测。 相似文献
3.
供水管网出现漏损点时,由于其隐蔽性不易被察觉,长时间的漏损积累不仅造成水资源浪费,也会出现供水产销差的问题。将频域分析法引入到供水行业,提出一种基于FFT变换的供水管网节点压力频域分析方法,首先通过编写程序调用EPANET对供水管网进行运行优化模拟,然后将求解的最优泵阀调度方案反代入模拟漏损点工况内,借助傅里叶变换将随时间变化的节点压力转换为振幅信号,从频域的角度分析管道节点压力,从而判断漏损点距离管道起始节点的长度范围。通过验证,与以往基于压力分析漏损点相比,该方法可从频域信号视角来判断管道是否正常运行及漏损点位置范围,有利于供水行业智慧化。 相似文献
4.
杨兴林储维李儒凡倪杰 《内燃机》2016,(1):46-50
针对柴油机振动信号非线性、非平稳的特点,提出一种基于互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)样本熵和支持向量机(Support Vector Machines,SVM)的柴油机故障诊断方法。该方法首先采用CEEMD对柴油机振动信号进行自适应分解,然后计算包含有主要故障信息的固有模态函数(Intrinsic Mode Function,IMFs)分量的样本熵,并结合主元分析对其进行降维处理;最后将提取出的主元特征向量输入SVM以判断柴油机的工作状态和故障类型。对CZ4110柴油机不同工况的分析结果表明,该方法可有效地用于柴油机故障诊断。 相似文献
5.
鉴于城市供水管网末梢水质检验一直是供水水质监测的难点,以苏州市五个偏远小区供水管网末梢的水质指标数据为样本,应用数学统计模型中的4D检验模型和Q检验模型对所监测的水质数据进行了检验。结果表明,4D检验模型和Q检验模型均能快速、灵敏地检测出离群数据,其中4D检验模型对水中氯气及游离氯制剂、溶解性总固体、浑浊度等水质指标较为敏感;Q检验模型在不同的显著性水平下均能检测出水中溶解性总固体、总β放射性等水质指标的异常。可见应用数学统计模型可对供水管网水质进行检验与分析,从而可提高水质检测的科学性和合理性,亦可为供水管网建立水质模型与进行水质调度奠定良好的理论基础。 相似文献
6.
为了能在早期发现压气机叶片积垢、叶片磨损腐蚀、进气口结冰和喘振4种常见故障,提出一种基于长短期记忆网络(LSTM)和支持向量机(SVM)的燃气轮机压气机故障预警方法.首先,利用压气机特征参数正常历史数据建立多个单输入单输出预测模型,并将压气机的特征参数运行数据代入相应的模型,输出各参数预测值与实际值的残差曲线,设定报警阈值,超限报警.然后,利用正负偏离度方法提取报警点报警信息的故障样本,作为SVM的输入参数进行故障识别,对压气机的故障类型进行预警.结果表明:该模型输出预测误差在0.5%以内;该方法能够发现压气机的早期故障趋势,提取故障特征,对压气机故障类型进行预警,为燃气轮机压气机的故障预警提供了参考. 相似文献
7.
8.
9.
10.
11.
12.
13.
14.
基于LMD和SVM的柴油机气门故障诊断 总被引:2,自引:0,他引:2
针对柴油机气门故障诊断问题,在WP7柴油机上模拟了气门故障,提出了基于局部均值分解(local mean decomposition,LMD)和支持向量机(support vector machine,SVM)相结合的气门故障诊断方法.该方法首先用改进LMD方法将缸盖振动信号分解成若干个瞬时频率具有物理意义的PF(product function)分量之和,然后从缸盖振动信号和分解得到的PF分量中提取故障特征向量,以此作为SVM分类器的输入进行故障诊断.此外提出了改进粒子群算法(particle swarm optimization,PSO)用于SVM参数的优化.诊断结果显示,16组测试样本的测试结果均与实际状况相一致,诊断正确率为100%,该方法能快速准确地识别内燃机气门故障. 相似文献
15.
16.
为了提高汽轮机转子故障诊断的准确率和识别效率,提出了一种基于CEEMDAN(自适应噪声完备集合经验模态分解)和CBBO(混沌生物地理学优化算法)优化SVM(支持向量机)相结合的故障诊断方法。首先利用CEEMDAN对转子振动信号进行分解,提取PE(排列熵)作为故障特征值,并构造特征向量;其次将混沌理论引入到BBO(生物地理学优化算法)中,得到CBBO,通过CBBO优化SVM得到诊断模型的最优参数。最后通过ZT-3转子试验台模拟汽轮机转子故障,利用得到的4种状态下的试验数据验证优化模型的有效性与先进性。结果表明:CBBO优化SVM模型可以准确、高效地对汽轮机转子进行故障诊断;与CPSO(混沌粒子群算法)优化SVM模型相比,该方法的故障诊断准确率和识别效率更高。 相似文献
17.
18.
19.
为提高汽轮机转子故障诊断的准确率和识别效率,提出基于云粒子群优化算法(CPSO)优化支持向量机(SVM)的故障诊断方法。首先利用补充总体平均经验模态分解(CEEMD)对转子振动信号进行分解,利用能量法筛选出更为有效的固有模态分量(IMF)并计算对应的排列熵(PE)作为故障特征值;其次将云理论引入到粒子群优化算法(PSO)中得到CPSO算法,通过CPSO算法优化SVM得到诊断模型。在ZT-3试验台对汽轮机转子常见4种故障(正常状态、转子不平衡、转子不对中和动静碰磨状态)状态进行模拟实验,获取故障数据后进行故障识别研究。研究表明:在相同测试样本的条件下,CPSO-SVM诊断模型的识别准确率为95%,比PSO-SVM诊断模型提高了5%,运行时间为22.055 s,比PSO缩短了14.5 s。研究结果验证了CPSO-SVM算法在汽轮机转子故障诊断方面的优越性。 相似文献