基于SVM的刮板輸送機(jī)故障診斷.pdf

1、目前，隨著采煤機(jī)械化程度的不斷提高，煤礦刮板輸送機(jī)也向著大型化、自動(dòng)化方向發(fā)展。SGZ1250/2565刮板輸送機(jī)具有破碎、轉(zhuǎn)載和運(yùn)送功能，同時(shí)與采煤機(jī)和液壓支架等礦用設(shè)備組成一個(gè)串聯(lián)的輸送系統(tǒng)。然而，刮板輸送機(jī)故障頻繁發(fā)生，導(dǎo)致整個(gè)采煤系統(tǒng)癱瘓，對煤礦造成巨大的經(jīng)濟(jì)損失與安全隱患。為確保煤礦大型設(shè)備的安全可靠運(yùn)行，人們在礦用設(shè)備的故障診斷研究中投入了更大的人力和物力，煤礦設(shè)備的故障診斷技術(shù)也向著智能化方向努力。支持向量機(jī)（Suppor

2、t Vector Machine）是針對的小樣本數(shù)據(jù)進(jìn)行分類的算法，在機(jī)電設(shè)備故障數(shù)據(jù)難以獲得，且數(shù)據(jù)稀少的情況下比較適用。上世紀(jì)九十年代，Vapnik和其合作者研究出SVM至今，SVM已廣泛被應(yīng)用在各類設(shè)備的故障診斷中。其原理是對設(shè)備的非線性故障數(shù)據(jù)，通過核函數(shù)映射到高維空間，使得故障數(shù)據(jù)在低維空間線性不可分時(shí)，在高維空間中變得線性可分。因?yàn)橹С窒蛄繖C(jī)是一種基于兩分類問題的分類算法，怎樣進(jìn)行多分類，如何選取核函數(shù)，以及分類時(shí)懲罰參數(shù)和

3、核函數(shù)參數(shù)該如何選取等問題，一直是支持向量機(jī)研究的熱點(diǎn)。
　　本文主要以煤礦刮板輸送機(jī)SGZ1250/2565為研究對象，針對該輸送機(jī)的多類故障，研究了支持向量機(jī)的分類算法理論，建立了二分類及多分類模型以及將其應(yīng)用在輸送機(jī)的故障診斷中，實(shí)驗(yàn)證明支持向量機(jī)多分類算法能夠準(zhǔn)確的對刮板輸送機(jī)進(jìn)行多故障診斷。在以往支持向量機(jī)研究中，核函數(shù)以及參數(shù)是通過設(shè)計(jì)者自己在實(shí)驗(yàn)時(shí)設(shè)定，依賴人工經(jīng)驗(yàn)，沒有科學(xué)依據(jù),也造成實(shí)驗(yàn)的準(zhǔn)確率下降，針對這一問題