基于CS-BBO优化SVM的汽轮机转子故障诊断

为了提高汽轮机转子故障诊断的准确率和识别效率,提出了一种基于混沌的生物地理学优化算法(biogeography-based optimization with chaos,简称CS-BBO)和支持向量机(support vector machine,简称SVM)相结合的故障诊断方法。首先,将混沌理论引入到生物地理学优化算法(biogeography-based optimization,简称BBO)中,得到CS-BBO算法;其次,通过CS-BBO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;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。结果表明:CS-BBO算法优化SVM的模型可以准确、高效地对汽轮机转子进行故障诊断;与BBO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。

基于组合迟滞调节PID的薄板烘丝控制系统设计与参数优化

为克服传统薄板烘丝控制方法存在的温度阶跃响应曲线超调量较大、控制能力差等问题,笔者提出了一种基于组合迟滞调节PID算法的控制系统设计以及参数优化方法。该方法基于生产过程中的多输入多输出时间序列数据,利用灰色模型对薄板烘丝机的状态变量进行预测;在此基础上,以预测模型所得到的系统状态变量作为输入,设计针对各工艺参数的迟滞调节PID控制器,并组合形成控制系统;同时,采用混沌生物地理学优化(chaotic biogeography-based optimization,CBBO)算法对各控制器的参数进行优化。实验结果表明:所述灰色模型在预测薄板烘丝机状态时准确性较高,且预测误差较小,将薄板烘丝机排潮风温度控制的上升时间降低至38 s,排潮风温度能迅速调节至设定温度附近,且控制过程中的超调幅度更小、稳定时间更短。该组合迟滞调节PID算法能够实现对薄板烘丝机快速、低超调、高效率的运行控制,具有一定的实用性。

基于CEEMDAN与CBBO-SVM的汽轮机转子故障诊断研究

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。