IVMD对泵站管道振动响应趋势的预测分析

论文摘要

采用改进的变分模态分解（improved variational mode decomposition,简称IVMD）与支持向量机（support vector machine,简称SVM）相联合的方法,对泵站管道的振动响应趋势进行预测。首先,基于互信息准则确定IVMD的分解模态数,克服变分模态分解（variatronal mode decomposition,简称VMD）盲目选取分解参数的缺点,利用IVMD将机组和管道的振动序列分解为多个固态模量（intrinsic mode function,简称IMF）,分别作为SVM模型的输入和输出;其次,利用粒子群优化（particle swarm optimization,简称PSO）分别寻找各模态分量对应SVM模型的最优参数并对各分量分别进行预测;最后,将各测点对应的IMFs预测结果重构作为最终的预测值。结合某大型泵站2号压力管道振动响应数据,分别采用IVMD-SVM,PSO-SVM和BP神经网络3种模型对管道振动响应趋势进行预测,并将预测结果进行对比分析。结果表明,IVMD-SVM模型得到的预测结果和实测值更加接近,计算精度更高,且误差较小,该方法对管道及类似工程结构的振动趋势预测具有一定的参考价值。

论文目录

• 引言
• 1 基本原理
•   1.1 变分模态分解
•   1.2 改进的变分模态分解
•   1.3 支持向量机
• 2 预测模型
• 3 管道振动预测
• 4 结论

文章来源

类型: 期刊论文

作者: 张建伟,华薇薇,侯鸽

关键词: 振动,改进的变分模态分解,支持向量机,管道,预测

来源: 振动.测试与诊断 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 水利水电工程

单位: 华北水利水电大学水利学院,水资源高效利用与保障工程河南省协同创新中心,河南省水工结构安全工程技术研究中心

基金: 国家自然科学基金资助项目(51679091),河南省高校科技创新人才计划资助项目(18HASTIT012),广东省水利科技创新基金资助项目(2017-16),华北水利水电大学研究生教育创新计划基金资助项目(YK2017-03)

分类号: TV675

DOI: 10.16450/j.cnki.issn.1004-6801.2019.03.004

页码: 478-483+666

总页数: 7

文件大小: 1532K

下载量: 107