支持向量机在压缩机气阀故障诊断中的应用.pdf

《支持向量机在压缩机气阀故障诊断中的应用.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、第38卷第7期2017年7月自动化仪表PROCESSAUTOMATl0NINSTRUMENTATIONVoL38No．7July．2017支持向量机在压缩机气阀故障诊断中的应用胡新，潘淑微(温州职业技术学院机械工程系，浙江温州325035)摘要：由于结构复杂且缺乏故障样本等原因，往复式压缩机的故障样本及诊断结果存在很强的不确定性。针对典型压缩机气阀振动信号的特点及不同故障机理，研究气阀振动信号的特征参数提取方法。提取工作循环有效值RMS、、气阀关闭段有效值RMS，，以及经两层小波包分解得到的各频带能量比系数E，、E：、E，、E。，组成6维特征向量，并将其作为支持

2、向量机的输入。利用支持向量机适合处理高维数据且在有限样本下具有最优泛化能力的特点，对3种不同气阀状态下的振动信号经时域波形分析和小波包分解后提取的特征参数进行支持向量机学习；建立气阀故障诊断的支持向量机分类模型；利用Libsvm软件包对故障样本进行随机分类测试，并与其他智能诊断方法进行对比。对比结果表明，将支持向量机方法应用于往复式压缩机的气阀故障诊断中具有可行性；在小样本条件下，支持向量机较其他智能诊断方法具有更大的优势。关键词：支持向量机；往复式压缩机；气阀；小样本；故障诊断；小波包中图分类号：TH455；TPl81文献标志码：ADOI：10．16086／j

3、．cnki．issnl000—0380．201707009ApplicationofSupportVectorMachineinFaultDiagnosisofCompressorValveHUXin，PANShuwei(DepartmentofMechanicalEngineering，WenzhouVocationalandTechnicalCollege，Wenzhou325035，China)Abstract：Duetothecompledtyofstructureandlackoffaultsamples，stronguncertaintyexists

4、infaultsamplesanddiagnosisresultsofthereciprocatingcompressors．Accordingtothecharacteristicsofthevibrationsignaloftypicalcompressorairvalveandthedifierentfauhmechanism，theextractionmethodsofcharacteristicparametersofvalvevibrationsignalarestudied．TheworkingcycleeffectivevalueRMSl，and

5、theeffectivevalueofthevalveclosedsectionRMS2areextracted，anddecomposedbytwo—layerwavelettoobtainenergyratiocoefficientsofEl，E2，E3andE4，andtobuildupthesixdimensionaleigenvectorandusedastheinputofthesupportvectormachine(SVM)．TakingthefeaturesofSVM，suchassuitablefordealingwithhigh—dimen

6、sionaldataandtheoptimalgeneralizationabilityunderfinitesamples，throughtimedomainanalysisandwaveletpacketdecompositionofthevibrationsignalsunderthreeofdifferentvalvestates，thefeatureparametersareextractedforconductingSVMlearning；andtheSVMclassificationmodelofvalvefaultdiagnosisisestab

7、lished．TherandomclassificationtestofthefaultsampleisconductedusingLibsvmsoftwarepackage，andcomparedwithotherintelligentdiagnosticmethods．ThecomparisonresultsshowthatitisfeasibletoapplySVMmethodinthevalvefaultdiagnosisforreciprocatingcompressor，andtheSVMhasmoreadvantagesthanotherintel

8、ligentdiagno