基于支持向量机的机械设备故障诊断研究.docxVIP

?

?

基于支持向量机的机械设备故障诊断研究

?

?

张蜀红

摘要：大多数情况下，机械设备故障模式识别属于一个小样本机器学习问题，通过小样本进行故障诊断往往精确度不高，但是支持向量机能够对小样本进行故障诊断分析，文章将研究基于支持向量机的机械设备故障诊断，通过对支持向量机多类分类算法中的二叉树进行改进，然后选择合适的核函数并对其相关参数进行优化，最后将改进的方法应用到旋转机械故障诊断中，结果表明能够得到比较好的诊断效果。

关键词：支持向量机;机械设备;故障诊断

：TH17????：A：1001-5922（2021）09-0129-04

ResearchonFaultDiagnosisofMechanicalEquipmentBasedonSupportVectorMachine

ZhangShuhong

（MechanicalTechnologyBranchofXinjiangIndustryTechnicalCollege，Urumqi830000，China）

Abstract：Inmostcases，mechanicalequipmentfailurepatternrecognitionisasmallsamplemachinelearningproblem.Faultdiagnosisthroughsmallsamplesisoftennotaccurate，butsupportvectormachinescanperformfaultdiagnosisanalysisonsmallsamples.Therefore，thepaperwillstudythefaultdiagnosisofmechanicalequipmentbasedonsupportvectormachines，byimprovingthebinarytreeinthesupportvectormachinemulti-classclassificationalgorithm，andthenselectingtheappropriatekernelfunctionandoptimizingitsrelatedparameters，andfinally，theimprovedmethodisappliedtothefaultdiagnosisofrotatingmachinery，andtheresultsshowthatabetterdiagnosiseffectcanbeobtained.

Keywords：supportvectormachine;mechanicalequipment;faultdiagnosis

隨着工业化进程的不断发展，机械设备在生产加工过程中必不可少，经过长时间、高荷载的工作，机械设备容易出现各种故障，从而影响到企业的生产进度和经济成本，于是有必要对其进行故障诊断，从而机械设备对企业的影响。如今，对机械设备进行故障诊断的方式比较多，支持向量机作为一种学习方法，具有结构简单、性能良好、适应性强、学习速度快等优势，而且支持向量机中的核函数种类多，能够根据实际需求进行选择，并且能够解决非线性、高维度的复杂问题，应用到机械设备故障诊断中比较合适[1-3]。于是文章通过对支持向量机进行分析，经过优化之后将其应用到机械设备故障诊断中分析其应用效果。

1支持向量机的介绍

1.1支持向量机的基本思想

支持向量机由国外学者Vapnik等人所提出，是建立在SRM和VC维理论基础之上的一种学习算法。该方法的基本原理使用如图1所示的方式进行说明，该图是一个二维数据，比如训练数据分布在该图上，然后根据分类标准可以将这些训练数据聚集到不同的区域，即通过训练得到各个分类的边界，其中包含曲线和直线两种形式，分别表示的非线性划分和线性划分[4-5]。

1.2基于支持向量机的故障诊断步骤

由于在机械故障诊断中很难获得相应的故障数据，或者得到的数据量会很少，使用其他的故障诊断方式时，通过少量的数据对机械设备进行诊断很难得到精确的结果，但是支持向量机正好可以解决该问题，能够适合小样本决策[6-7]。另外，机械设备发生故障往往属于多种多样，于是就会使得其故障诊断是一个多类分类问题。一般情况下，基于支持向量机的故障诊断步骤如图2所示，其中主要步骤如下：

（1）提取特征。首先对机械设备在不同故障状态和正常状态下提取特征，还需要对特征样本预处理，目的在于提供相应的训练样本和测试样本。