论文部分内容阅读
为了监测汽轮机转子在运行中的振动状态，提高转子运行的安全性，将统计学习理论中的核心算法——支持向量机与自回归方法相结合，建立了转子振动振幅时间序列预测模型（SVAR）。并通过实例，与基于灰色理论建立的预测模型（GM）和基于自回归方法建立的预测模型（AR）进行了比较。结果表明：基于支持向量自回归的转子振动预测模型具有精度高、泛化能力好的特点。应用该方法建立的预测模型能够很好地对转子振动振幅进行中短期预测，为有效避免转子运行中由振动引起的故障提供保证。