基于分形理论与支持向量机的回转窑故障诊断.pdfVIP

基于分形理论与支持向量机的回转窑故障诊断 Faultdiagnosisofrotarykilnonfractaltheory and supportvectormachine 赵 辉 。‘，刘 建。，王红君。，岳有军。 ZHA0Hui，LlUJian，VVANGHongqun，YUEYoudun (1．天津理工大学天津市复杂系统控制理论与应用重点实验室，天津300384；2．天津农学院，天津300384) 摘 要：利用支持向量机进行故障分类，对数据样本的要求较高，在数据样本某些属性的特征区分不 明显的条件下，分类效果不理想。文章尝试将分形理论引入到数据样本的处理中，利用得到 的分形维数替代原数据样本中的特征性不强的属性，再利用支持向量机进行分类。针对新型 干法水泥生产过程中常见的6种工艺故障，运用这两种分类策略进行分类，分类准确率分别为 88．6667％：~099．9996％。所以运用分形理论与支持向量机相结合的方法，可以更加有效地实 现水泥回转窑故障的分类诊断。 关键词 ：支持向量机 ；水泥回转窑 ；分形理论；故障诊断 中国分类号 ：TP23 文献标识码：A 文章编号：1009-0134(2015)02(上)-0096-03 Doi：10．3969／j．issn．1009-0134．2015．02(上)．25 0 引言 超平面参数为 和bo，则 最优分类超平ffii为 ： 新型干 法水泥生产过程 中，工艺参数 多而 杂 乱 ，涉及温度 、压力 、喂煤量 、喂料量等众多因 Wo·X+bo=0 (2) 素，整个系统不仅存在着大滞后的特性 ，各设备之 若得到最优分类超平面 ，则可以用它对测试样 间关联参数也存在很强的耦合关系，解耦非常困 本进行预测。假设测试集为{f}。，则可以通过最优 难 ，工艺故障一旦出现 ，对整个流程都会产生很大 的影响。然而工作现场对生产过程的掌握情况，还 超 平 面 表 达 式 预 测 测 试 集 的 标 签 ， 即 仅仅局限于通过对单一参数变化趋势的监控以及现 test label=s~(wotf+ )。 支 持 向 量 是 满 足 — 场操作工人的经验进行大致地调控，这与 自动化程 W·x+b=一1，yi=一1或者Wx·+b=1，Y=l的样本 点 度很高的生产过程格格不入。本文运用支持向量机 对常见的6种工艺故障进行分类，分类效果并不理 Xi )。设两类样本的间隔为 W ·— )，因为 想，考虑到分形理论在反映信号空 间分布上的优 势 ，尝试将分形理论 引入到某些 属性 的样本处理 w +6_1，w _l，所以 W z 中，通过仿真验证，得到了满意的分类效果。 。 1 支持向量机的分类原理 EFtLe4、化， 最小化，有最大间隔d。 支持向量机 (SVM)是建立在统计学VC维和结 构风险最小化基础上 ，根据有限的样本在训练样本 I{wWX·‘_三一,Yi=一==w(．一+6)1 3() +6 1，Yf=1 的学习精度以及识别其他样本的能力方面寻求的最