基于改进mgm（1，n）模型旋转机械故障预测方法研究

《基于改进mgm（1，n）模型旋转机械故障预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第54卷第5期汽轮机技术Vo1．54No．52012年lO月TURBINETECHNOLOGY0ct．2012基于改进的MGM(1，)模型的旋转机械故障预测方法研究孙银银，刘振祥，胡歙眉。，洪宇(1东南大学能源与环境学院，南京210096；2东南大学火电机组振动国家工程研究中心，南京210096；3南京科远自动化集团股份有限公司，南京211100；4南京中大趋势测探设备有限公司，南京210008)摘要：在旋转机械灰色多变量MGM(1，rt)预测模型基础上，引入马尔可夫链预测理论，建立灰色多变量马尔可夫

2、MGM(1，n)预测模型，该模型既从系统角度对各特征参数进行统一描述，又通过状态转移概率矩阵的变换提取数据随机波动响应，能够描述不同类型的故障及其不同的发展阶段。通过实例验证表明该模型与灰色多变量MGM(1，n)模型相比具有更高的预测精度。关键词：MGM(1。／7．)模型；马尔可夫预测模型；旋转机械；故障预测分类号：TH17；TP277文献标识码：文章编号：1001-5884(2012)05381TrendPredictionMethodsStudyofRotaryMachineryBasedonRe

3、visedMGM(1．)ModelsSUNYinyin，LIUZhen-xiang，HUXi-mei。，HONGYu(1SchoolofEnergy&Environment，SoutheastUniversity，Naming210096，China；2NationalEngineeringResearchCenterofTurbo-generatorVibration，SoutheastUniversity，hanjing210096，China；3NamingSciyonAutomationGro

4、upCo．，Nanjing211100；4NanjingZhongdaTrendMeasurement&ControlEquipmentCo．，Ltd．，Nanjing210008，China)Abstract：BasedOilthemuhi—variablegreymodel(MGM(1，n))oftrendpredictionfortheRotaryMachinery，theMarkovchainspredictionmethodwaspresented，thenthegreymarkovMGM(

5、1，n)modelforpredictingthetrendoftheRotaryMachinerywasbuilt，whicheithertakesthechangesineachindextobedescribedfromtheviewsofsystems，orextractsdataofrandomwaveresponsethroughstatetransferprobabilitymatrix，thismodelcandescribediferenttypesofvibrationfailur

6、esanditsdifferentdevelopmentstages．rheexampleshowsthatthegreymarkovMGM(1，n)modeloftenhaveahigherpredictionaccuracythantheMGM(1。n)mode1．Keywords：MGM(1，n)model；Markovmodel；rotatingmachine；faultprediction或者模型组合，实现优势互补，可以克服单一方法或技术的0前言局限性。灰色预测是近年发展起来的一种预测方法，

7、所需的数据量少，在短期预测中优势突出。灰色MGM(1，n)模型在随着电力体制改革、厂网分离及智能电网的发展，电力工程应用中已有成功的案例，本文在灰色MGM(1，n)模型研究的基础上尝试将灰色多变量马尔可夫MGM(1，n)模型运系统所涉及到的设备数目不断增加、设备类型越来越复杂，用在电站设备的状态参数趋势预测中，并对两种预测方法的并具有故障率高和故障危害性大的特点。为了避免因设备优缺点和预测结果进行比较。故障导致的严重后果，有必要对电站设备运行状态和故障发展趋势进行监测和预报，由此为制定相应的预防性措施

8、和对1预测模型策提供依据。从某种程度上讲，对电站设备进行运行趋势分析，预测其未来运行状态，预防和提前预知事故的发生，保证1．1MGM(1。n)建模方法设备更加安全可靠地运行，较通过故障诊断确定故障原因的令(k)，(i=1，2，⋯，n)为n个灰时间序列，将该序意义更为重大⋯。列∞()进行一次累加，得到”(k)，(i=1，2，⋯，n)(记针对电站设备故障预测方法的研究很多，常用的有时间作l—AGO)：k序列模型、人工神经网络法J、灰色GM(1，1)预测法”(