基于支持向量回歸技術(shù)的大型復(fù)雜機(jī)電設(shè)備故障診斷研究與應(yīng)用.pdf

1、機(jī)械設(shè)備的大型化與復(fù)雜化是現(xiàn)代工業(yè)發(fā)展的一個重要特征，為了確保設(shè)備安全、可靠、健康地運(yùn)行，發(fā)展大型復(fù)雜機(jī)電系統(tǒng)的狀態(tài)監(jiān)測與故障診斷技術(shù)具有重要意義。在故障診斷中能否正確分析信號，獲得有效的故障特征是對可能發(fā)生的故障進(jìn)行分析、識別和預(yù)防的前提，因此信號處理技術(shù)直接影響故障診斷的效果。故障模型為診斷提供基本依據(jù)，基于模型的故障診斷魯棒性強(qiáng)，適應(yīng)性廣，使用準(zhǔn)確的模型可得到高可信度的故障診斷結(jié)論。 大型復(fù)雜機(jī)電設(shè)備故障具有隨機(jī)性、多種物

2、理效應(yīng)耦合和多重故障并發(fā)的特點(diǎn)，反映在動態(tài)信號上具有非平穩(wěn)性和非線性特性，研究非穩(wěn)態(tài)、非線性信號處理和特征提取是大型復(fù)雜機(jī)電設(shè)備故障診斷中的重要技術(shù)。Hilbert-Huang時頻分析技術(shù)適合于分析非線性、非平穩(wěn)信號，正在成為大型復(fù)雜機(jī)電系統(tǒng)故障信號特征提取的重要研究方向和熱點(diǎn)。然而HHT變換中存在的端點(diǎn)效應(yīng)是關(guān)系到HHT時頻分析精度和效果的重要問題，特別在實(shí)時故障診斷中，只有短數(shù)據(jù)長度時問題尤為突出。國內(nèi)外在這方面進(jìn)行了大量的研究，但

3、尚存在以下缺點(diǎn)：基于波形預(yù)測的HHT端點(diǎn)效應(yīng)消除法盡管運(yùn)算簡單，但是不能完全消除端點(diǎn)效應(yīng)；使用HHT時頻分析的本意是要對非穩(wěn)態(tài)、非線性的信號進(jìn)行處理，采用基于平穩(wěn)假設(shè)的AR、ARMA等時間序列預(yù)測難以取得較好的效果；神經(jīng)網(wǎng)絡(luò)因為過學(xué)習(xí)和推廣能力差等問題限制了其在解決HHT端點(diǎn)效應(yīng)中的應(yīng)用效果。 近年來，從統(tǒng)計學(xué)習(xí)理論發(fā)展出來的支持向量回歸預(yù)測技術(shù)，它對非線性、非穩(wěn)態(tài)甚至混沌時間序列都有較高的預(yù)測精度和極佳的泛化推廣能力，優(yōu)于以神

4、經(jīng)網(wǎng)絡(luò)為代表的基于經(jīng)驗風(fēng)險最小化的時間序列預(yù)測統(tǒng)計方法。因此作者提出了基于支持向量回歸預(yù)測技術(shù)消除HHT端點(diǎn)效應(yīng)的新思路。鑒于標(biāo)準(zhǔn)支持向量回歸算法的訓(xùn)練速度慢的缺點(diǎn)，提出了采用最小二乘支持向量回歸技術(shù)進(jìn)行時間序列預(yù)測的技術(shù)路線，通過常規(guī)信號、短信號、和實(shí)際振動信號的仿真，證明了采用本方法可以有效地消除端點(diǎn)效應(yīng)，為復(fù)雜機(jī)電系統(tǒng)基于HHT時頻分析技術(shù)進(jìn)行可靠的特征提取提供了技術(shù)支撐。另外作者對HHT變換的采樣率進(jìn)行了研究，得出了具有工程應(yīng)用

5、指導(dǎo)意義的定量結(jié)論。 作者將上述研究成果應(yīng)用于某大型軋機(jī)異常振動的故障診斷，針對軋機(jī)在咬鋼瞬間發(fā)生異常振動的特點(diǎn)，采用了HHT時頻分析方法進(jìn)行了瞬態(tài)信號分析，由于HHT時頻分析具有較高的時域和頻域分析精度，得到了振動異常和正常狀況下的信號特征的差異，為工程問題的解決提供了依據(jù)。 基于模型的大型復(fù)雜機(jī)電設(shè)備故障診斷的效果依賴于所建立模型的準(zhǔn)確性和精度，只有具備能真實(shí)反映大型復(fù)雜機(jī)電設(shè)備動力學(xué)行為的模型才可能實(shí)現(xiàn)準(zhǔn)確有效的診

6、斷。理論建模必須對大型復(fù)雜設(shè)備各部分及其相互作用進(jìn)行簡化，這種簡化理論模型與實(shí)際設(shè)備運(yùn)行特性的差異往往降低復(fù)雜機(jī)電設(shè)備故障診斷結(jié)果的可信度，因此基于輸入輸出數(shù)據(jù)的系統(tǒng)辨識在大型復(fù)雜機(jī)電設(shè)備故障建模方面發(fā)揮著越來越重要的作用。然而，目前許多系統(tǒng)辨識理論和算法在實(shí)際應(yīng)用中均有一定的缺陷，從而影響辨識效果。如最小二乘法、神經(jīng)網(wǎng)絡(luò)法等都是以經(jīng)典統(tǒng)計學(xué)為基礎(chǔ)，這些方法只有當(dāng)訓(xùn)練樣本數(shù)目趨于無窮大時其性能才能達(dá)到理論上的最優(yōu)，這就導(dǎo)致傳統(tǒng)辨識方法在

7、解決小樣本問題時差強(qiáng)人意?，F(xiàn)實(shí)系統(tǒng)的本質(zhì)非線性特性也導(dǎo)致了傳統(tǒng)線性系統(tǒng)辨識方法的局限性，以神經(jīng)網(wǎng)絡(luò)為代表的非線性建模方法存在模型泛化能力低、大量典型樣本獲取困難等缺點(diǎn)。 以統(tǒng)計學(xué)習(xí)理論為基礎(chǔ)的支持向量回歸技術(shù)較好地解決了小樣本、非線性、高維數(shù)、局部極小和泛化(推廣)能力等實(shí)際問題，為大型復(fù)雜診斷系統(tǒng)的故障建模提供了有力的理論與技術(shù)支撐。作者提出了利用支持向量回歸技術(shù)進(jìn)行大型復(fù)雜機(jī)電設(shè)備故障建模的新思路。在對統(tǒng)計學(xué)習(xí)理論的核心內(nèi)容

8、和思想做了簡要回顧的基礎(chǔ)上，對基于統(tǒng)計學(xué)習(xí)理論的支持向量回歸算法進(jìn)行了介紹，指出了支持向量回歸同系統(tǒng)辨識的關(guān)系，給出了基于支持向量回歸的系統(tǒng)辨識的算法和線性系統(tǒng)辨識參數(shù)的計算公式。通過計算機(jī)仿真，驗證了該方法在信號存在野點(diǎn)與噪聲時的辨識效果，證明了基于支持向量回歸的系統(tǒng)辨識方法是一種有效的建模方法，為大型復(fù)雜機(jī)電設(shè)備的故障診斷開辟了一條新的建模思路。 作者應(yīng)用上述研究成果，結(jié)合工程動力學(xué)方法，研究軋機(jī)故障造成的自激振動現(xiàn)象。針對

9、實(shí)際運(yùn)行過程中有限的故障樣本，采用了基于支持向量回歸的系統(tǒng)辨識方法進(jìn)行建模。通過同傳統(tǒng)最小二乘辨識法進(jìn)行比較，基于支持向量回歸辨識獲得的模型泛化能力明顯高于傳統(tǒng)最小二乘法辨識的模型。從而采用基于支持向量回歸的系統(tǒng)辨識模型作為熱連軋機(jī)液壓壓下系統(tǒng)故障診斷的模型來使用。通過對正常軋制過程和異常振動軋制模型結(jié)構(gòu)比較，發(fā)現(xiàn)了異常振動狀態(tài)下純延時環(huán)節(jié)的延時增大，通過系統(tǒng)的穩(wěn)定性分析，證實(shí)了系統(tǒng)的不穩(wěn)定正是由于系統(tǒng)的純延時過大造成的，從而導(dǎo)致軋機(jī)的

10、自激振動。通過對控制通道各個環(huán)節(jié)的研究，即通過傳感器外殼支撐座和連接桿的信號和工作振型分析，提出了傳感器外殼相對于連接桿的不合理振動位移是產(chǎn)生異常振動原因的結(jié)論。采用理論分析、有限元計算和辨識建模相結(jié)合的方式建立了熱連軋機(jī)壓下系統(tǒng)的故障模型，仿真結(jié)果表明傳感器連接桿和傳感器外殼不合理的相對運(yùn)動耦合是造成熱連軋機(jī)異常振動的結(jié)論是正確的。根據(jù)以上研究結(jié)果，進(jìn)行了傳感器外殼結(jié)構(gòu)的動力學(xué)修改，修改后，消除了異常振動，解決了該熱連軋機(jī)的自激振動，

11、保證了產(chǎn)品質(zhì)量、消除了潛在的設(shè)備和人身等事故隱患，為該企業(yè)帶來良好的經(jīng)濟(jì)和社會效益。基于支持向量回歸的系統(tǒng)辨識建模方法通過了對實(shí)際大型軋機(jī)的建模、故障診斷和排除的檢驗，證明該算法是一種極有前途的故障建模方法，在大型復(fù)雜機(jī)電設(shè)備故障診斷中有廣闊的應(yīng)用前景。 在本論文研究中，由于采用支持向量回歸的線性系統(tǒng)辨識建模就實(shí)現(xiàn)了故障的診斷、定位與排除，然而由于大型復(fù)雜機(jī)電設(shè)備自身的復(fù)雜性，基于支持向量回歸的非線性系統(tǒng)辨識建模將具有更一般的意