基于LSSVR的内燃动车组磨损状态监测.pdf

《基于LSSVR的内燃动车组磨损状态监测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年1月润滑与密封Jan．2013第38卷第1期LUBRICATIONENGINEERINGVo1．38No．1DOI：10．3969／j．issn．0254—0150．2013，01．021基于LSSVR的内燃动车组磨损状态监测王重茁(东北石油大学化学化工学院黑龙江大庆163318)摘要：油液直读铁谱和原子发射光谱分析有助于判断内燃机车柴油机的磨合磨损情况，为进行机车检修提供可靠的依据。内燃动车组在运用中条件几近相同，但两动车的磨合磨损情况不同。由于油液分析数据通常是非平稳且非等时间间隔时序，给分析工作带来困难。本文利用最／j~--乘

2、支持向量回归机(LSSVR)对动车组直读铁谱小磨粒数数据和光谱分析铅元素质量分数数据进行建模，对内燃动车组两端动车的油液测量数以及其差值分别进行LSSVR拟合，能够容易看出动车磨损的变化趋势以及两端动车磨损状况的差异，对内燃动车组磨损状态的监测具有一定的指导意义。关键词：内燃动车组；磨损状态监测；最小二乘支持向量回归机；原子发射光谱分析；直读铁谱中图分类号：TH117．1文献标识码：A文章编号：0254—0150(2013)1—096—4WearConditionMonitoringofDMUsBasedonLSSVRWangChongzhu

3、o(CollegeofChemistryandChemicalEngineering，NortheastPetroleumUniversity，DaqingHeilongjiang163318，China)Abstract：Therunning—inwearstateofthediesellocomotivecouldbejudgedbythedirectreadingferrographyanalysisandatomicemissionspectralanalysisonthelubricatingoil．andreliablebasis

4、forthemaintenanceoflocomotivewaspro．vided．Theworkingconditionofthedieselmultipleunitswasalmostthesame，butthetworunning．inweal-stateofdieselmultipleunits(DMUs)weredifferent．Sincetheoilanalysisdatawerenon—stationaryandnon—equaltime-intervaltimese—riesingeneral，whichwerediffic

5、ulttoanalyze．Theleastsquaressupportvectorregression(LSSVR)wasusedtomodelthesmallparticlesofoildirectreadingferrographydataandPbconcentrationofatomicemissionspectraldataoftheDMUs．TheoilmeasurementdataofthetwoendsoftheDMUsandtheirdifferencewererespectivelymodeledbyLSSVR．Itise

6、asytoobservetheweartrendandthewearconditiondifferencebetweentwoendsoftheDMUs，whichhascertainguidingsig—nificancefortheweal"conditionmonitoringoftheDMUs．Keywords：dieselmultipleunits；weal"conditionmonitoring；leastsquaressupportvectorregression；atomicemissionspectralanalysis；d

7、irectreadingferrography油液分析是判断内燃机车柴油机磨合磨损情况的序且并非等时间间隔，因此利用最小二乘支持向量机重要手段之一。通过对内燃机车润滑油进行分析，能对所得数据时序进行建模，并做出两动车相应的拟合有效地判断机车柴油机各部分的磨合磨损情况，为科图形。实验证明，该方法能有效对两车的磨合磨损情学进行机车检修、合理操纵机车提供科学的依据。文况进行分析判断。献[1]将多维时间序列引入油液光谱数据的预测，1最dx'-乘支持向量机理论实现了内燃机磨损状态的准确预测。文献[2]提出支持向量机(Supportvectormachi

8、ne，SVM)以一种基于LSSVR．AR模型的发动机故障预测方法，对统计学习理论中的VC维理论和结构风险最小化原则发动机磨损状态进行了有效的预测。内燃动车组在我为理