针对经验模态分解（empirical mode decomposition,简称EMD）中的端点效应问题,在研究总结了现有端点效应抑制方法的基础上,提出一种新的方法——基于支持向量机（support vector machine,简称SVM）延拓和窗函数相结合的方法,弥补了SVM延拓依然找不到端点以及窗函数会改变原始信号的缺点。首先,采用SVM对原始信号两端分别进行延拓,将延拓后的数据进行加窗处理（中间加矩形窗,延拓数据加海明窗）;然后,利用EMD方法对加窗后的信号进行分解,得到若干个内禀模态函数（intrinsic mode function,简称IMF）;最后,将IMF分量的两端延拓部分去掉,以此来达到抑制端点效应的目的。以正交性为量化评价指标,对比分析了不同方法的性能,通过仿真和实验结果表明,该方法可以更好地抑制端点效应的发生。

风机性能实时监测对电厂安全、经济运行具有重要意义,而对风机流量的准确实时监测是风机性能在线监测的关键。针对现场缺乏大管径流量准确测量手段的现状,本文采用风机无因次性能曲线中性能参数之间稳定的映射规律,并通过不同智能算法建立了风机全程流量测量模型,结果发现改进的支持向量机模型拟合精度更高,效果更好。最后,在改进支持向量机模型基础上,采用Visual Basic语言与Matlab混合编程方法,建立了风机性能在线监测平台,实现了对风机实际工况下的流量、性能的实时监测。