基于PSO-SVM算法的梯级泵站管道振动响应预测

• 作者: 刘轩然 张建伟 江琦 马晓君
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 泵 振动 优化 管道 粒子群 支持向量机 预测
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 农业装备工程与机械化
• 页码范围: 75-81
• 页数: 7页
• 分类号: TV93|TB53
• 字数: 5229字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.11.010

摘要

泵站管道振动响应信号实测比较困难,为实现利用较少机组数据预测管道振动状况,提出基于粒子群(particle swarm optimization,PSO)的支持向量机(support vector machine,SVM)预测方法.利用粒子群全局跟踪搜索算法优化SVM核函数和惩罚因子,弱化SVM参数优化不足导致预测精度低的问题.以景电梯级二期3泵站2号管道为研究对象,基于机组和管道的振动实测数据,首先利用频谱分析和数理统计方法确定管道振动的振源贡献率,并计算机组和管道振动相关系数,确定机组和管道之间的强耦合关系.然后建立泵站管道振动的PSO-SVM预测模型,选取机组不同时段振动实测数据作为输入因子,相应时段管道振动数据作为输出因子进行训练和振动预测,并将管道振动预测结果与BP神经网络预测结果进行对比.与BP网络神经预测结果相比,该方法预测结果与实测值吻合度高,其平均相对误差最大为6.8%,根均方误差最大为0.261,预测精度更高.能够有效实现管道的振动响应预测,从而达到管道实时在线安全运行监测的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建伟	华北水利水电大学水利学院	57	262	9.0	13.0
2	江琦	华北水利水电大学水利学院	13	77	6.0	8.0
3	刘轩然	华北水利水电大学水利学院	4	15	2.0	3.0
4	马晓君	华北水利水电大学水利学院	1	12	1.0	1.0