基于多分类SVM的水泵故障诊断的研究

为了预测水泵在运行中的故障,提高水泵运行的安全性和经济性,在分析故障诊断的基本原理的基础上,建立了水泵运行故障知识库,并运用有向无环决策图多分类算法,对水泵故障样本进行训练,建立了基于支持向量机的离心式水泵运行故障诊断模型(DAGSVM).通过实例验证表明,该模型能有效的诊断水泵的常见故障,为水泵故障诊断提供了一种新方法.     

基于小波变换和SVR模型的陀螺仪故障预测

为了准确可靠地预测陀螺仪的故障,提出一种基于小波变换和支持向量回归机的陀螺仪故障诊断和预测方法。首先,利用小波分析和支持向量机对陀螺仪故障特征进行提取,然后建立SVR的故障预测模型,最后基于实验测得的陀螺仪振动数据对该预测模型进行了仿真验证,结果显示该算法预测效果良好,是一种有效的陀螺仪故障预测算法。     

基于蜻蜓算法的甘蔗收获机刀盘振动SVM预测模型

甘蔗收获机切割器刀盘振动是影响甘蔗宿根切割质量的一个关键因素,因此寻找复杂因素对刀盘轴向振动的影响规律并实现对刀盘振动的预测与控制有着至关重要的作用。为解决传统预测方法精度低、参数选取盲目等问题,提出一种基于蜻蜓算法的甘蔗收获机刀盘振动支持向量机预测模型。该方法利用蜻蜓群体寻优的过程实现对支持向量机参数的优化,并将优化后的支持向量机对刀盘振动进行预测。通过Mat Lab进行20次仿真实验,并与BP神经网络预测模型和传统支持向量机预测模型的预测结果进行比较,实验数据表明:基于蜻蜓算法的支持向量机预测模型具有更高的预测精度和泛化能力。结果显示:基于蜻蜓算法优化的支持向量机对刀盘振动预测的拟合率达到了99.99%,有效提高了甘蔗收获机刀盘振动的预测精度,从而表明基于蜻蜓算法优化的支持向量机预测模型对实现甘蔗收获机刀盘振动预测的有效性,为后续甘蔗收获机宿根切割质量的智能化预测及实现对甘蔗收获机减振的结构优化设计提供了有效依据。     

基于WA-SVM的流域降雨序列预测研

为了提高降雨中长期预测精度，将小波分析和支持向量机回归方法引入水文序列预测领域，给出了两种方法的思路和特点。在此基础上，尝试建立了基于小波分析-支持向量机（WA-SVM）的降雨量序列预测模型。通过小波分解，将原始复杂的降雨序列分解到不同的频率层次，对每层得到的分解序列分别采用支持向量机回归方法进行预测，最后合成原始序列的预测值。将该模型应用于实际流域月降雨量预测，并与单独支持向量机回归方法预测结果进行比较，表明该方法预测精度有明显提高。     

基于LSTM递归神经网络的番茄目标产量时间序列预测

番茄目标产量预测对于合理制定灌溉施肥制度以及减少水肥的浪费有着重要意义。以番茄历年产量数据为依据,提出了一种基于长短期记忆递归神经网络的番茄目标产量预测模型,包括模型设计、网络训练和预测过程实现等,将模型预测结果与自回归移动平均(ARIMA)、小波神经网络(WNN)、支持向量回归(SVR)3种时间序列预测模型进行对比,验证了所提出的LSTM递归神经网络预测模型在番茄目标产量预测中具有较高准确性。     

LS-SVM在径流预测中的应用

提出一种基于最小二乘支持向量机(LS-SVM)的径流预测方法。采用线性函数,多项式函数和径向基函数三种核函数,进行机器学习,经过反复计算和对比分析,建立了精度较高的径流预测模型。预测实例表明,LS-SVM模型预测的平均相对误差比支持向量机 (SVM)减少了2.4％,预测合格率为100％。LS-SVM建模速度快,适用于小样本情况并能得到全局最优解,将其用于径流预测是可行的。     

基于支持向量机的水质预测应用实例

水质预测作为水环境污染控制的重要手段,能够预测水质的变化趋势,从而有效地控制水质恶化情况。分析了支持向量机的回归理论和算法;构建了支持向量机水质预测模型。应用实例以通州区新江海河站点为研究对象,取NH3-N浓度和TP浓度为时间序列样本,运用支持向量回归机的理论与方法,构造预测模型,并利用Libsvm软件包和MATLAB软件进行水质预测。从整体预测效果来看,其预测结果能较好地反映水质情况。     

支持向量机在河套地区地下水矿化度预测中的应用

为研究内蒙古河套地区义长灌域年均地下水矿化度变化规律,选取灌域年蒸发量、引水量和年均地下水埋深作为影响因子,建立基于支持向量机的灌域年均地下水矿化度预测模型,并与多元回归预测模型和BP神经网络预测模型进行对比分析。结果表明:多元回归预测模型预测精度较差,BP神经网络预测模型较多元回归预测模型精度有较大提高,但支持向量机预测模型对灌域年均地下水矿化度的预测效果最好,其决定系数达到0.81,平均误差仅为0.15 g/L。由此可见,支持向量机方法在灌域年均矿化度预测研究中切实可行,为灌域地下水研究和生态环境改善提供新思路。     

基于小波包样本熵和SVM的水泵机组振动故障诊断

用小波包样本熵提取出水泵机组各个振动状态下的样本熵值作为支持向量机(SVM)的特征向量,然后用特定的SVM分类器进行分类训练,在此基础上对机组振动故障进行识别,为验证本方法的准确度,通过立式水泵机组实验平台进行大量的实验并对其做出了定量定性分析,实验结果表明这种基于小波包样本熵和SVM水泵机组振动故障诊断方法具有较高的可信度。     

乌兰布和灌域有效灌溉面积预测模型研究与应用

为了使乌兰布和灌域有效灌溉面积得以健康发展,同时了解乌兰布和灌域有效灌溉面积的发展趋势,引入了支持向量机回归滑动预测模型,以归一化处理后的2007-2016年的有效灌溉面积数据作为训练样本,以2017年有效灌溉面积数据作为检验样本,结合新陈代谢法,对乌兰布和灌域有效灌溉面积进行预测。同时引入Logistic灰色预测模型,与支持向量机回归滑动预测模型进行对比分析,结果表明支持向量机回归滑动模型的预测精度明显高于Logistic灰色预测模型。在此基础上,应用支持向量机回归滑动预测模型对2018-2025年乌兰布和灌域各年份的有效灌溉面积进行了预测,结果表明乌兰布和灌域有效灌溉面积将于2022年达到其上限5.36万hm~2,2017年有效灌溉面积为5.244万hm~2,已经接近其上限,且乌兰布和灌域有效灌溉面积增速将于2018年开始减缓,在某些年份甚至出现负增长。因此,需要对有效灌溉面积发展过程中的影响因素进行分析和调整,为其健康发展奠定基础。     

深井离心泵轴向力数值预测与试验

轴向力的预测和平衡是多级泵设计和优化中的重点和难点。以150QJ20型深井离心泵为例,在Fluent中采用标准k-ε湍流模型、SIMPLEC算法、二阶迎风方程,对包含叶轮、导叶在内的两级深井离心泵进行了全流场数值计算,对不同工况下的泵效率、单级扬程和单级轴向力进行了预测。随后对样机进行了外特性和轴向力的试验测量。将数值模拟结果与试验结果对比,分析了预测值与试验值的差异,结果表明利用数值模拟方法可以较为准确地预测深井离心泵的外特性和轴向力。     

离心泵机组振动故障诊断与分析

针对某离心泵机组振动严重超标,影响服务寿命等问题,借助北京京航公司HG8908C多通道数据采集系统进行振动速度数据采集,对其振动信号进行幅域、时域分析,并运用快速傅里叶变换(FFT)信号分析方法对其频域信号特征结构进行了细化分析,并结合以往典型振动故障案例数据库,给出了该泵组由于转子部件与壳体部件间动静口环摩擦及平衡水管支撑刚度不足引起的振动故障,与拆检解体结果完全吻合.最后通过有限元计算泵转子静弯曲挠度控制转子的安装抬升余量,增加平衡水管厚度及对其焊接斜拉支撑等措施,有效地解决了该泵组振动超标问题,处理后的泵组振动信号稳定,周期性明显,频率结构正常.试验结果表明,此方案能够较好地解决离心泵机组振动故障问题,对于离心泵机组类似振动故障问题的诊断方法及处理措施具有一定参考价值.     

湍流模型对离心泵扬程预测准确性的影响

为研究涡黏性类湍流模型和雷诺应力类湍流模型在离心泵扬程预测中的准确性,采用CFX 14.0软件分别对10台不同比转数n_s的离心泵在3个不同流量(0.3Q,1.0Q,1.2Q)下的扬程进行预测,并将模拟值与试验值进行对比.研究结果表明:在0.3Q流量下,低比转数离心泵采用雷诺应力类中的BSL-EARSM模型可以获得更为准确的扬程值;在1.0Q,1.2Q流量下,采用雷诺应力类模型中的BSL-RS模型相对于常用的RNG k-ω和k-ω模型具有更好的准确性.当采用涡黏性类模型对1.0Q流量下的扬程进行预测时,预测值均小于试验值.对于文中研究的比转数大于103的扬程预测,在3个流量下,模拟值均小于试验值.研究结果为离心泵扬程预测的数值模拟方案选择提高提供了参考.     

叶片数对离心泵内流诱导振动噪声的影响

基于虚拟仪器数据采集系统和泵产品测试系统在离心泵闭式试验台上建立了泵空化诱导振动噪声试验测试系统,实现了泵能量性能参数和流动诱导振动噪声信号的同步采集．以一台比转数为93的5叶片单级单吸离心泵作为研究对象,在保证泵体和叶轮其他几何参数不变的情况下,将叶轮叶片数分别设计为4,6和7片．测量了不同叶片数下模型泵在全流量范围内的能量性能、振动强度和噪声信号,并对振动和噪声信号数据进行了处理．试验结果表明：模型泵内部流动诱导的振动对泵体的影响最大,5叶片时模型泵的振动强度最高;随着流量的增大各测点振动强度大致都呈现先基本不变后显著上升的趋势;泵的噪声信号主要集中在0—2000Hz的范围内;在小于设计流量时,随着叶片数的增大,轴频的峰值逐步增大．研究结果对于建立低振动低噪声离心泵水力设计方法具有重要的参考意义和指导作用．     

不同叶片数对离心泵流场诱导振动的影响

为了研究离心泵不同叶片数对振动的影响,在保证泵体和叶轮几何参数不变的情况下,将叶轮叶片数分别设计为6和7,从试验与数值计算2个方面就叶片数对离心泵流场诱导振动进行研究.采用RNG k-ε模型分别对2种叶片数的离心泵进行全流道稳态及非稳态数值模拟,分别获得2种叶片数离心泵的稳态速度、压力及非稳态压力脉动特性,对其进行对比分析,并试验测量了2种叶片数下模型泵机脚的振动信号,对振动信号数据进行了处理,从而验证数值计算结果的正确性及改变叶片数所产生的振动影响.结果表明：6叶片的叶轮及蜗室内各个监测点压力脉动较小,机脚振动在轴频下响应较小;叶片数为7时,轴频的二倍频与叶频的低倍频峰值变大,而叶频的高倍频幅值有所降低.结果对建立低振动低噪声离心泵水力设计方法具有重要的参考意义和指导作用.     

基于支持向量机的离心泵初生空化监测

为利用机器学习的方法对离心泵运行状态进行监测,于离心泵发生空化故障前对离心泵初生空化状态做出判断,从而为离心泵运行状态在线监测提供一定的技术参考.针对基于支持向量机(SVM)的离心泵初生空化监测进行研究,采集离心泵运行振动信号,分析并选取均值、标准偏差、偏度、峭度等特征为特征向量训练模型,同时采用网格寻参与K-CV交叉验证的方式寻找最优组合参数.研究结果表明:网格寻优与交叉验证结合的方式能较好地寻找到最优参数;选取单一特征训练模型情况下,标准偏差的平均识别率最高,识别准确率为94.58%,以标准偏差、偏度、峭度两两组合的特征训练模型的平均识别率达到90%以上;该方法对离心泵初生空化识别具有较高准确率,具有一定鲁棒性,有较好的实用价值.     

基于Fluent的无过载离心泵改型设计

针对无过载离心泵在性能方面的不足,提出了采用加大流量法和堵塞流道法相结合的无过载离心泵设计方法.并根据这一设计理念,在利用商业软件Fluent对离心泵进行性能预测的基础上,对IS5032160型无过载离心泵进行了3次改型尝试.预测结果表明:采用这一设计方法,可以有效地增加无过载离心泵的扬程、提高效率,改善无过载离心泵的性能.可为低比数离心泵的优化设计提供参考.     

离心泵水力诱导激振试验研究

离心泵的水力诱导激振影响泵的安全稳定运行。为了揭示离心泵水力诱导激振特性,以一台单叶片离心泵为试验对象,采用两个垂直布置的涡电流位移传感器测量离心泵空转及抽水时叶轮口环的瞬态位移,获得了叶轮口环瞬态位移的时域图、频域图以及口环位移轨迹图。基于霍尔感应器的键相信息,采用华科水力机械综合测试仪获得了离心泵在不同流量工况的水力诱导激振特性。试验结果表明,离心泵空转及抽水时时域图、频域图相似,波形均为周期性重复的畸变正弦曲线,主频均为叶轮转频,口环位移轨迹图均为畸变的椭圆形,但抽水时口环位移幅值有所减小。离心泵的水力诱导口环位移轨迹图在不同流量工况下均为畸变的椭圆形,在210°~300°之间出现一个突变区域,水力诱导激振在小流量工况显著增强,在额定工况及大流量工况水力诱导激振基本不变。     

基于改进BP神网络的离心泵性能预测

采用改进神经网络(贝叶斯正则化算法)对IB型单级离心泵水力模型的性能进行了预测,通过工程实践中得到的100组离心泵最优几何尺寸来训练网络,并用训练好的网络对需生产的水泵进行工况预测。结果显示,用改进神经网络来预测单级离心泵的性能,预测误差不超过6%。     

1 000 MW级核电站离心式上充泵转子轴系的扭振特性

为研究1 000 MW级核电站离心式上充泵转子轴系扭振特性,应用Pro／E和ICEM软件对水体部件进行三维造型和网格划分,借助现代CAE技术,并采用有限元分析软件Ansys对上充泵转子轴系的扭转振动特性进行数值计算,通过扭振分析得到转子轴系在不同转速下的扭转振幅．结果表明:采用三支撑转子轴系的结构稳定性相比于两端支撑的转子轴系各阶固有频率都有明显提高,这有助于减小上充泵运行时的振动和噪声;在4 900 r／min的转速下转子轴系发生了较为明显的一阶扭转共振,引起共振的主要原因是电动机驱动力矩的6次谐波分量频率和转子轴系的一阶扭振固有频率的整数倍接近;上充泵设计运行转速为4 500 r／min,转速与转子轴系各阶临界转速值相差较大,其转子轴系的扭转振幅较小,不会发生扭转共振,表明所设计的转子轴系结构是合理的．