基于SVDD及信息融合技术的设备性能退化评估.pdf

振动与冲击 OF ANDSHOCK 第28卷第9期 JOURNALVIBRATION 基于SVDD与信息融合技术的设备性能退化评估 刘雨，陈进，潘玉娜，郭磊 (上海交通大学机械系统与振动国家重点实验室，上海200240) 摘 要：为了能够准确地对大型设备的性能退化过程进行描述，提出了一种基于支持向量数据描述(SVDD)和信 息融合技术的评估方法。通过SVDD算法分别评估来自单个传感器的数据，然后运用D—S证据理论对来自多传感器的 局部评估结果进行信息融合，最终给出设备的整体性能评估结果。实验分析表明，SVDD算法能够真实地反映设备局部 性能退化状态的变化，而利用D—S证据理论得出的整体设备状态评估结果符合实际情况，同时有效地消除局部信息之 间的矛盾，提高了设备整体评估的可靠性。 关键词：性能退化；支持向量数据描述；信息融合；D·S证据理论 中图分类号：TP206．3；THl65．3文献标识码：A 对大型设备的工作状态智能维护已经逐渐成为故 障诊断领域新的研究热点。对设备性能退化的评估是 量少的支持向量建立一个包含该集尽可能多数据的超 智能维护技术的重要组成部分¨．2J。也是对设备运行状 球体，该球面可以用球心a和球半径R表示，为了避免 态做出合理预测的基础。一般而言，从设备性能开始 集合内出现的瑕疵点给超球面的敏感度带来影响，特 退化到设备完全失效通常要经过一系列不同的性能退 别引入了松弛因子基和惩罚参数C∞’7]。如公式(1) 化状态【3J。如果能够在设备性能退化的过程中识别出 所示： 设备性能退化的程度，就可以有针对性地组织生产和 F(R，口，蠹)=R2+c∑蠡(1) 设备维修，防止设备异常失效的发生。性能退化评估 所针对的设备往往是布置了多测点，使用多通道监测 的关键大型机械。对该类设备的性能评估，不同于基 V；，至此问题转化为寻找满足上述条件超球体的最小 于零件的局部评估，而是需要运用信息融合技术，综合 解。根据Lagrange极值问题求解有： 来自各零部件的状态信息，同时消除各部件信息之间 L(R，口，口i，袅)=R2+c∑磊一 冗余与矛盾，降低不确定性，从而得出符合实际的性能 (2) 评价。 其中Lagrange系数口i≥0，讹≥0。 1 SVDD方法在状态评估的应用 对式(2)求偏导，得到： 支持向量数据描述是一种以统计学习理论为基础 t 的全新的数据描述方法，它通过给定的训练数据集合 将以上条件代人式(2)，有： 建立高维空间，使同类数据尽可能多地被包含在该高 L(R，口，口i，fi)= 维空间内，而不属于该类的数据被排斥在此高维空间 以外H’5J。在性能退化状态评估过程中，研究的关注点 ∑口；(菇；·Xi)一∑口t巳(茁t‘巧) (3) 不仅局限在样本点属于何种状态，还包括系统状态的 通常用高斯径向基函数代替内积作为核函数，即： 转移过程，即样本点相对于各状态空间距离的变化 情况。 =epx(0)=1，故式(3)变为： 1．1 SVDD算法 对于给定的一组含有Ⅳ组数据样本的数据集‰，i