基于机器学习的LNG高压泵健康状态评估

• 作者: 吴仲昆 王小尚 胡超
• 来源期刊: 炼油技术与工程
• 关键词: 机器学习 LNG 高压泵 健康状态 评价模型 支持向量回归
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机应用
• 页码范围: 40-44
• 页数: 5页
• 字数: 3472字
• 语种: 中文

摘要

以某LNG(液化天然气)接收站一期工程配置的4台高压泵为研究对象,建立了高压泵的健康状态在线评估模型.该模型采用小波包分解提取振动监测信号在各个频段中的能量占比,结合均方值、峰值因子和裕度因子3个时域特征的输入,利用机器学习方法中的支持向量回归模型计算出表征设备健康状态的健康指标.通过某企业LNG高压泵的实际运行监测数据对模型进行验证,以高压泵几次故障发展过程中的监测参数为输入,利用模型计算得到其健康指标.结果表明:该指标对高压泵的健康状态具有很好的指示作用,对设备故障和异常运行状态的敏感度高,可在故障发生的早期即发现并预警设备的故障状态,同时该模型对突发性质的故障也具有一定的预警作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡超		23	38	3.0	4.0
2	王小尚		12	103	5.0	10.0
3	吴仲昆		3	1	1.0	1.0