基于IGA-SVM的气动调节阀在线故障检测及诊断

作     者：张代福 赵桂生 刘苏州 周犊 戚知宽 周邵萍 Zhang Daifu;Zhao Guisheng;Liu Suzhou;Zhou Du;Qi Zhikuan;Zhou Shaoping

作者机构：华东理工大学上海200237 中广核研究院有限公司广东深圳518000 中广核核电运营有限责任公司广东深圳518000 

出 版 物：《化工设备与管道》 (Process Equipment & Piping)

年 卷 期：2022年第59卷第2期

页      面：57-63页

学科分类：080706[工学-化工过程机械] 080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金项目(编号:51975213) 

主　　题：气动调节阀 故障诊断 支持向量机 改进遗传算法 参数优化 

摘      要：针对气动调节阀停机检修损失大、运行状态不易评估、故障模式复杂且故障诊断极为依赖工程经验等问题,结合残差法实现了故障的在线检测,并对传统的遗传算法进行改进,提出一种基于改进遗传算法优化的支持向量机(Improved Genetic Algorithm optimized Support vector machine,IGASVM)的故障诊断算法,作为实现气动调节阀在线故障诊断的算法基础。实验选取四类典型故障进行模拟、测试及数据分析,对阀门故障进行检测与诊断,结果表明:基于残差法的故障检测方法可以有效检测气动调节阀的故障发生,IGA-SVM算法测试诊断率达到92.67%,相较于传统方法具有提升。