资源描述：
《基于支持向量机的液压泵在线故障预警》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第31卷第5期煤炭学报Vol.31No.52006年10月JOURNALOFCHINACOALSOCIETYOct.2006文章编号:0253-9993(2006)05-0684-05基于支持向量机的液压泵在线故障预警杜京义,侯媛彬(西安科技大学电气与控制工程学院,陕西西安710054)摘要:为了实现液压泵自动故障预警,提出了一种基于在线单类支持向量机的新方法.与离线单类支持向量机不同,该方法可根据输入样本的变化不断地及时调整自由参数,实现持续学习.同时提出了一种在线检测奇异值的鲁棒性算法.最后,从液压泵振动信号的
2、时域信息中提取诊断特征参数,组成最小诊断参数组合,建立了液压泵在线故障预警系统,并进行了仿真研究.关键词:液压泵;故障预警;单类支持向量机;在线学习;特征参数中图分类号:TH32;TH16513文献标识码:AOnlinefaultearlywarningforhydraulicpumpbasedonsupportvectormachineDUJing2yi,HOUYuan2bin(SchoolofElectricalandControlEngineering,Xi’anUniversityofScienceandT
3、echnology,Xi’an710054,China)Abstract:Inordertorealizehydraulicpump’sautofaultearlywarning,anewmethodbasedononlineoneclasssupportvectormachineswaspresented.Contrastingtoofflineoneclasssupportvectormachines,themodel-freeparametersobtainedbyusingthismethodwereref
4、reshedasonlinemonitoringdataandthemethodimplementscon2tinuouslearning.Atthesametime,analgorithmaimedatdetectingonlineabnormaleventswasdesignedsoastobemorerobust.Finally,fivetime-domainfeaturesofpumpvibrationasminimumcombinationofdiagnosisparam2eterswereextract
5、ed;anonlinefaultearlywarningforhydraulicpumpwasestablished,andsimulationswereper2formed.Keywords:hydraulicpump;faultearlywarning;oneclasssupportvectormachines;onlinelearning;featurepa2rameter液压泵是液压系统的心脏,它的好坏将直接影响整个液压系统直至整个机械设备的正常工作,所以对它的状态监测和故障在线诊断至关重要.对设备的故障诊
6、断,通常正常运行状态的数据样本是很容易获得[1,2]的,而故障样本一般却难以获得.单类分类器仅仅依靠正常运行状态下的数据样本,而不需要故障样本,实现对机器的运行状态进行识别.单类支持向量机(OneClassSupportVectorMachines,简称OSVM)[3,4]的理论基础源于Vapnik提出的支持向量机(SupportVectorMachines,简称SVM),同样很大程度上解决了模型选择与过学习、非线性和维数灾难、局部极小点等问题.但是应用中还存在以下问题:①静态模式分类方式;②离线训练方式;③对时变
7、系统来说“训练”无意义.为了克服OSVM实用中存在的不足,本文提出一种单类支持向量机在线自学习方式(OnlineOneClassSupportVectorMachines,简称OOS2收稿日期:2006-04-26基金项目:陕西省科学基金资助项目(2004JC12)作者简介:杜京义(1965-),男,山东淄博人,副教授.Tel:029-85583197,E-mail:dujingyi@tom1com第5期杜京义等:基于支持向量机的液压泵在线故障预警685VM).OOSVM以一种实时的方法,不断地根据输入样本的变化及
8、时调整自由参数.为保证OOSVM在一个处理周期内完成所描述的计算,文中从液压泵振动信号的时域信息中提取5个特征参数,组成最小诊断参数组合,用OOSVM建立了液压泵的在线故障预警.1在线单类支持向量机(OOSVM)111单类支持向量机(OSVM)[4,5]符合某一分布P的独立同分布训练数据集T={xi},i=1,⋯,l,则OSVM优化为121min‖w‖-ρ+
