基于改进相空间重构的压缩机运行状态预测 |
| |
引用本文: | 李毅,王红一,任岱旭,田慧欣,李红颖.基于改进相空间重构的压缩机运行状态预测[J].机械设计,2020,37(5):84-90. |
| |
作者姓名: | 李毅 王红一 任岱旭 田慧欣 李红颖 |
| |
作者单位: | 中海石油(中国)有限公司天津分公司,天津300450;天津工业大学电气工程与自动化学院,天津300387;天津工业大学电气工程与自动化学院,天津300387;天津景诚科技发展有限公司,天津300000 |
| |
基金项目: | 国家自然科学基金;天津市自然科学基金;天津市科技特派员项目;天津市教委科研项目 |
| |
摘 要: | 精确的状态预测对于压缩机的平稳运行至关重要,同时,振动信号能够表征绝大多数压缩机的运行状态。为提高预测精度,文中提出改进的相空间重构法和神经网络相结合的预测模型。首先利用相空间重构技术,将一维时间序列振动信号扩展到高维空间。针对传统的G-P算法中无标度区识别过于依赖人工经验的不足,提出了DBSCAN聚类与粒子群优化算法相结合的无标度区自动识别方法,并以相关性指标最大和残差平方和最小为目标建立无标度区识别优化模型,使用粒子群算法获得最优解,实现无标度区的自动识别。使用BP神经网络对重构后的振动信号进行预测。预测结果表明相空间重构后的信号预测效果更好。
|
关 键 词: | 状态监测 相空间重构 DBSCAN聚类 粒子群优化 |
本文献已被 CNKI 万方数据 等数据库收录! |
|