机械设备运行状态智能评估的研究.pdfVIP

第17卷增刊 振 动 工 程 学 报 V01．17No．S 2004年8月 ofVibration Journal Engineering Aug．2004 机械设备运行状态智能评估研究’ 胡 桥 张周锁 何正嘉 (西安交通大学机械工程学院 西安，710049) 摘 要 异常运行状态数据样本获取困难是制约状态评估向智能化方向发展的主要原因之一。针对此问题，提出 了一种机械设备运行状态智能评估的新方法——支持向量数据描述法。该方法只需要正常运行状态的数据样本作 为学习样本，而不需要其他异常状态数据样本，就可以建立起智能评估模型，从而把设备正常与异常两种运行状态 区分开来。其最大的优势是不需要对原始数据进行特征提取，并且对不同的异常状态还具有很好的聚类作用。实验 结果表明，支持向量数据描述法对滚动轴承运行状态的评估能力较好，异常状态聚类效果明显，为机械设备运行状 态的智能评估提供了新途径。 关键词：支持向量数据描述；单值分类；状态智能评估 中图分类号：THl7；TPl8 机械设备运行状态评估的核心在于模式分类及 class 值分类(0ne 判别决策。常用的状态模式分类和判别决策方法有 能高效率处理高维样本分类和只需要一种类别的样 模糊数学、专家系统、人工神经网络和遗传算法等智 本作为学习样本的优点，为我们解决传统智能评估 能评估方法。这些方法各有特点，在工程实际中已经 方法中存在的局限性提供了一条新途径。应用支持 取得了成效，但是还存在许多问题，限制了它们的推 向量数据描述评估方法，仅仅依靠正常运行状态下 广应用。模糊数学方法需要由先验知识人工确定隶 的数据样本，而不需要异常状态数据样本，就可以建 属函数及模糊关系矩阵，获得与设备实际情况相符 立起单值状态分类器，从而对机器的运行状态进行 的隶属函数及模糊关系矩阵存在许多困难。在专家 识别。由于具有完备的理论基础，使得支持向量数据 系统中也面临着许多困难，如缺乏有效的状态评估 描述法在图像识别[3]、说话人识别[41方面已经得到 知识的表达方法，评估知识获取困难等。另外，专家 了成功的应用。本文介绍了支持向量数据描述的算 系统的操作人员也需要具备较高的水平，不易普及。 法，并对支持向量数据描述法在机械设备状态评估 制约神经网络评估实用化的主要因素是缺乏大量的 中的应用做了初步的探讨，建立了相应的智能洋估 典型样本(异常状态数据样本)进行网络训练，很难 模型，同时结合对滚动轴承运行状态的有效评估验 训练出实用的状态分类器。另外，神经网络与遗传算 证了该算法正确性与可行性。 法一样，在实际应用中都需要对原始数据进行特征 提取，如果不作特征提取，而直接用原始数据参加计 1支持向量数据描述算法1-5~6] 算，网络的结构将是非常庞大的，特征提取、训练和 分类所用的时间也是很长的，将无法满足生产实际 支持向量数据描述是由DavidM．J．Tax等人 的要求n’2]。 于近几年研究发展起来的一种单值分类方法，其理 由于这些智能评估方法的局限性，我们不得不 试图去寻找一种既不需要作为学习用的异常状态数 vector 据样本，又不需要对原始数据进行特征提取，同时还 想是把要描述的对象(目标样本)作为一个整体，建 能以较高的识别效率进行设备状态智能评估的新方 立一个封闭而紧凑的区域Q(半径为尺的超球体)