技术特征：
技术总结
本发明针对火电厂辅机设备结构复杂、设备之间耦合性强、运行工况复杂多变，完备的故障样本知识库不易获取的特点，提出一种基于动态建模的磨煤机多工况下不同程度的故障诊断分析方法，可以有效的简化故障样本知识库，使故障诊断更加快速精准。本发明利用最小二乘支持向量机(LS‑SVM)的在小样本学习上的优势，通过某一典型工况下的典型故障样本，离线训练LS‑SVM学习模型；在一定负荷变化范围内，故障特征参数随故障程度近似呈单调线性变化，这构成了征兆缩放因子搜索技术的基础，将待诊断故障的故障特征参数乘以故障缩放因子以达到与训练样本的模式匹配，产生最大的故障分离度。
技术研发人员：杨强;马鎏豪;杨茜
受保护的技术使用者：浙江大学
技术研发日：2018.08.20
技术公布日：2019.02.01