基于支持向量机的核岛主泵状态预测
核岛主泵作为核电站的心脏，对其可靠性和安全性要求特别高。但在对其进行故障诊断和状态预测时，却常常缺乏大量的故障样本做参照，制约了相关技术的发展。基于统计学习理论的支持向量机方法正好克服了这方面的不足。本论文构建了LSSVM和时间序列模型相结合的支持向量机预测模型，并分别用仿真数据和现场数据对其进行了验证。然后将该支持向量回归机应用于核岛主泵振动信号的预测，在对现场数据的预测中取得了较好的效果，表明该算法对核岛主泵的运行状态趋势具有较好的预测能力。
核岛主泵 支持向量机 LSSVM 时间序列模型 振动信号预测 状态预测
周曙光 孟庆虎 孟庆丰
西安交通大学机械工程学院 陕西西安 710049
国内会议
西宁
中文
346-349
2008-08-18（万方平台首次上网日期，不代表论文的发表时间）