基于柯西分布的LS-SVM电机故障诊断.pdf

第 3 1 卷第 l O期 2 0 1 0年 1 O月 煤 矿 机械 Co a l Mi n e Ma c h i n e r y Vo 】 -3l No ． 1 O Oc t ． 2 01 0 基于柯西分布的 L S S V M电机故障诊断术 陈明 。 郭西进 ， 许允之 中国矿业大学 信息与电气工程学院 ， 江苏 徐州 2 2 1 0 0 8 摘要 针对 L S S V M失去了标准支持 向量机的鲁棒性和稀疏性， 提 出了一种基于柯西分布 的最小二乘支持向量机故障诊 断的方法． 根据样本误差的统计特性来确定加权参数的具体数值 ， 来赋予训练样本不同的权值 ， 这样不仅选择 了贡献量比较 大的样本， 而且又顾及到 了其他样本的 一 些特性 实验结果表明． 该方法具有一定的可行性和有效性。 关键词 L S S V M柯西分布 ； 故障诊断 中图分 类号 T P 1 8 ； T P 3 0 6 文献标 志码 A文章 编号 1 0 0 30 7 9 4 2 0 1 0 1 00 2 3 80 4 M o t o r F a u l t Di a g n o s i s Ba s e d o n L S S VM o f Ca u c h y Di s t r i b u t i o n C H EN Mi n g ， GUO X i - j i n， X U Y u n - z h i f S c h o o l o f I n f o r ma t i o n a n d E l e c t ri c a l E n g i n e e ri n g ， C U MT ， X u z h o u 2 2 1 0 0 8 ， C h i n a Ab s t r a c t As L S S VM l o s e s t h e r o b u s t n e s s a n d s p a r s e n e s s o f t h e s t a n d a r d s u p p o r t v e c t o r ma c h i n e ， p r e s e n t s a me t h o d o f mo t o r f a u h d i a g n o s i s b a s e d o n t h e l e a s t s q u a r e s s u p p o rt v e c t o r ma c h i n e o f t h e C a u c h y d i s t ri b u t i o n ， t o d e t e r mi n e t h e s p e c i fi c v a l u e s o f we i g h t e d p a r a me t e r s a c c o r d i n g t o t h e s t a t i s t i c a l pr o p e r t i e s o f t h e s a mp l e e r r o r s ，t o g i v e di f f e r e nt we i g ht s o f t r a i n i n g s a mp l e s ．I n t h i s wa y ，i t ma y n o t o n l y c h o o s e t h e s a mp l e s o f t h e l a r g e r c o n t ri b u t i o n s ， b u t als o t a k e t h e o t h e r s a mp l e s ’p r o p e rti e s i n t o a c c o u n t ． T h e e x p e r i me n t r e s u l t s s h o w t h a t t h e me t h o d h a s s o me f e a s i b i l i t y a n d e f f e c t i v e n e s s ． Ke y wo r d s L S S VM ；c a u c h y d i s t r i b u t i o n；f a u h d i a g n o s i s 0 引言 本文提 出了一种基于柯 西分布的最小二乘支 持向量机故障诊断的方法 ． 该方法通过样本误差来 选择贡献量 比较大的样本 ． 同时又顾及到其他样本 的一 些 属性 ． 再 通 过最 小二 乘 支持 向量 机来 进 行训 练 ． 在保证算法的精度 和推广能力 的同时 ， 可以减 少训练样本的数量 1 柯西 分布 的介 绍 柯西分布由于具有许多独特的性质 ．如期望 、 方差均不存在 ， 其参数估计也有特殊之处 ， 一直是 众多统计学家关注的对象 本文中涉及到柯西分布 的一些内容 ． 这里做一些介绍 假设连续随机变量 {国家 自然科学基金资助项 目 6 0 8 0 4 0 2 2 的概率密度函数为 戈 ． 1 1 T a 2 x 一 式中 一 ∞ ∞， 一 ∞ O ，则称 服从参数为 U ， a的柯西分布 ， 记为 X～ C u ， a 。由式 1 中可以看 出来 ， 如果 ， 0为已知 ， 则当 “时 一为最 。 1T a 大 ； 当 偏离 U的值越大 ， 则 为越小 ， 同时 落 在此 区间的概率也就越小 ． 其柯西分布的密度 函数 图像可简要画如图 1 所示 。 Y‘ I ＼ 一 H 图 1 柯 西分 布 原 理 图 测量 e R E V常闭接点 ， 结果不通 ， 则说明是 e R E V常 1 O 按照查故障时的方法进行行走操作试验 ， 闭接点有问题 ，只有整体取 出接触器才能进一步检 结果左电机可以向前走 了。 查 ； 本次连采机行走 系统 电气故 障的处理便 完成 7 卸掉 固定直流接触器板的 2个螺帽 ， 取下 直 流接触 器板 。这时再 用表 复查 一下 ， 还是 不通 ， 行 走接触器辅助接点 的间隙是可以调整的 ． 但经过调 整后 ， 还没有解决问题 ． 所 以只有进行更换 了。 8 取 好 的辅 助 开关 ， 按 拆 卸 相反 的步 骤 安好 ； 再用表测量一下确认没有问题 了． 然后再将接触器 板安上去 ， 恢复其他部件 9 盖好电控箱门板 ． 重新送上电； 了。 参考文献 [ 1 ] 高国富． 连续采煤机司机 ， 神华神东职业技能鉴定站 ， 2 0 0 2 ． [ 2 ] 李贞权． 维修 电工技师手册[ K] ． 北京 机械工业 出版社， 1 9 9 9 作者简介张蒙达 1 9 8 1 一 ， 江 苏溧 阳人 ， 神华集 团神东煤 炭集 团助理工程 师． 2 0 0 2年毕业于沈 阳工业学 院， 机械制造 与加 工专业 ， 现从事机 电一体化技术工作 ． 电子信箱 s a m z h a n g _ 0 4 1 7 s i n a ． c o m． 责任编辑 于 淑清收稿 日期 2 0 1 0 0 4 0 7 23 8 V o 1 ． 3 1 N o ． 1 0 基于柯西分布的 L S S V M的电机故障诊断陈明， 等 第 3 1 卷第 l O期 3 柯西分布的加权 L S S V M分类算法 L S S VM对标准 S V M进行了改进 ． 它用二次损 失函数取代 S V M 中的不敏感损失函数 。 将不等式约 束条件变为等式约束 ． 避免 了求解耗时的受约束 的 二次型规划 Q P问题． 求解速度相对较快。 假设给定的训练数据集 ， 其 中， i 1 ， 2， ⋯， N ∈R ， ∈R ， 利用一非线性映射 咖 将样本从 原空间 R 映射到特征空间 6 x i ， 在高维特征空间 中构造最优决策函数 ， ∞ 咖 6 2 这样非线性估计函数转化为高维特征 空间中 线性估计函数，利用结构风险最小化原则 ，使 ， b 最 小化 尺 1 I k o l l 1 C Re m p 3 二 二 式 中I lt o l l 2 是控制模型的复杂度。 C是正则化参数． 控 制误差样本 的惩罚程度， R e m p为误差控制函数， 即 占不敏感损失函数．常用的损失函数有线性 损失 函数 、 二 次 损 失 函数 、 Hu b e r g损 失 函数， 选 取 不 同 的损失函数， 可构造不 同形式的支持 向量机。 根据结 构风险最小化原则．则最小二乘支持向量机的优化 问题和约束条件为 N m i n c t J ， 1-- Ik o l12 lc i2 4 - - i 1 s ． t ． y , [ t o T c b 筏 6 】 l 毒， 1， 2， ⋯， N 5 式 中 一常 数 6 偏差 一 样本 误差 。 由于没有标准支持 向量机 的 占不敏感 区域 ． 最 小二乘支持向量机的解虽然得 到了简化 ． 却丢失 了 标准支持向量机的鲁棒性和稀疏性等优点。为了获 得鲁棒性。 改善最小二乘支持向量机的分类速度 ． 现 对 矗进行加权 ， 设 毒对应的初值为 ， 则将优化问题 和约束条件变为 m i n c cJ ， 1- - - ik o ’ Il2 G ∑毒 6 s ． t ． y , [ o r c k 6 ． ] 1 蠹 ， 1， 2， ⋯， N 7 为了求解这个优化问题 。 引入拉格朗 日函数 ， 6 ， ， 0 ， 一 曲 施 6 _卜 1 } 8 其中， 为拉格朗 日乘子。 在极值处 ，分别对 t O ， b ， ， a l 求导并令它们等于 零 ． 从 而得 _ o ， - o， 0 ， 0 9 上面 4个式可写为一个线性系统 1 0 O一 0 0 0一Y o Q CI f z Y l o ∞ b a 0 0 0 c 1 0 式 中 ， z 【 q b X i ， ， ⋯【 q b ， y t ， ⋯ ， 州 ， 【 1 ， 1 ， ⋯ ， 1 ] ， 一， T 口 【 口 “， 刚 ， ，为单位 矩阵。 消除 ， 后 ， 式 1 0 可化简为 『o ， 1 I I 麓 而 ．r c J l a J i 】 ，J 令 Q 咖 X i T , A 1 2 V c ，则 n 为 满 足 M e r c e r 条件的核函数 V c d i a g { ， ⋯， ， 加权系数 由误差系数 来确定 通过对上式 的求解可以得出 6 1 1 D L l l 口 A- 1 y ， 6 1 2 由此可见只要计算出A一 1 便可以确定 0和 b 。 求解上述问题后可得到的最优分类函数为 y x s g n [ , a ff k x ， X i 6 ] 1 3 由上可知。 加权系数 对支持 向量 a ／ 的值具有 调 优 的功能 本文选取高斯核函数建立初始模型 ．然后确定 柯西分布函数 2个关键参数 “ 、 a 。 取所有样本误差 的平均值 ． 0的选取应根据样本误差 的紧密程度来 决定 。 若较密 ， 则取较大 ， 反之则取较小。 “ 、 a确定之 后就可以通过式 1 计算出各训练样本的加权值 ， 然后通过式 1 1 和式 1 2 计算 出 6 、 0的值 ， 这样就 很容 易 得 到最 后 的 最优 分 类 函数 式 1 3 ， 从 而 实 现 基于柯西分布的最小二乘支持 向量机。 4基于柯西分布的 L S S VM故障诊断的实现 故障诊断问题可以转化为对训练数据的分类问 题 。 振动是所有设备在运行过程 中普遍存在的现象。 电机和其他设备一样 ．在运转过程中都会发生不同 程度的振动。 对于各种类型和规格的电机 ， 在稳定运 行时． 振动都有一种典型特性和一个允许限值。 当电 机出现故障 。 其振动的振幅、 形式和频谱都会发生变 化 ． 不同的故障以特定的频率振动． 因此振动能客观 反映电机运行状态 。 本文 在实 验室 中构 造 了异 步 电动 机的 4种不 同 的状态 1 好电机的运行状况 ； 2 气隙偏心的情况 下的运行状况 ； 3 1 根转子导条断裂 ； 4 3根转子 导条断裂 特征向量的维数和信息量会对 S V M 的分 一 2 3 9 第 3 1 卷第 1 0期 基于柯西分布的 L S S V M 的电机故障诊断陈 明． 等 V o 1 ． 3 1 N o ． 1 0 类真确率和计算量产生影响 为了验证基于柯西分 布的可行性和有效性 ． 这里分别选择 了 4种状态下 的 2 0 0 0组数据 由上可见 ． 要用到的数据量较大 ． 这样势必存在 着一个样本 的选取问题 本文希望在最小二乘支持 向量机训练样本的过程 中． 能够通过某种方法选择 出贡献较大 的样本． 然后进行训练． 大大减少 了训练 样本的数量 ． 提高了算法的速度 ． 又能够在保证算法 精度和推广能力 的同时． 把丧失的在标准支持 向量 机拥有的鲁棒性和稀疏性等优点找回来 本文采用 柯西分布加权的办法 ． 其加权的方法与以往任何一 种方法都不相同． 新方法的权值最大值取于样本误 差处于中间的样本 ． 而误差很小或者很 大的样本其 取值反而很小 这种方法更侧重于训练样本的实际 特性 ， 削弱干扰样本的影响 ， 从而减少误判 的概率。 通过柯西分 布加权 ． 希望能把最能体现故障特征 的 样本送到支持 向量机 中去处理 ． 这样可 以减少运算 量 ． 提高了最小二乘支持 向量机的运算速度 。本文 按照基于柯西 分布的最小二乘支持 向量机的分类 算法进行加权 为了进行多元分类 ． 本文对分类进行了 一 1 ， 1 编码 ． 这 样 能够 让 线性 增 长 的支 持 向量 机数 适 应 类 别容器的指数级增长。编码如表 1 所示。 表 1分 类 类别 的编 码 本文选择高斯核 函数 ， 参数 C 5 0 ． o r 0 ． 2 。其中 表中 1 代表好电机 ． 2代表气隙偏心 ． 3代表 1根断 条。 4代表 3根断条。 经过柯西分布加权的故障样本 作为最小二乘支持向量机的学习样本 ． 最小二乘支 持向量机根据输入样本的属性进行分类 ． 最后解码 获得分类号 ． 从而实现了故障的诊断。 5 仿 真结 果与分 析 小波包分析将振动信号在全频带内进行多层 次细化分解 ． 并根据被分析信号 的特征 自适应地选 择响应频带 ． 使之与信号频谱相 匹配 ． 从而提高时 频分辨率 ． 因此小波包分析是提取电机振动信号特 征的一种很好方法。 经过小波包分析后 。 4种状态下 的电机波形如图 2所示 从图中可 以看 出它们各 自 呈现 的特征 。如 图 3所 示 。 电机在 4种状态下 ． 经过特征 向量值 的提取之 后的频谱如图 2所示 ． 从 图中很容易看出四者的不 同， 比如 图 2 a 就 比图 2 b 平滑 ， 图 2 c 与图 2 a 相 比．电机转速频率所在的谱线 明显提高 。而图 2 d 震动 比较均 匀 。 趔 骧 趔 馨 匿 a 一根断条 图 2小波分析后 的频谱图 5 r 。 卜 ～ 馨 一 O ．2 LL _ L _ 一 o[／＼ 馨 。 垂 m 垂 m 。 d 好 电机 图 3特征信 号图 表 2测 试 样 本 和训 练 样 本 通过 MA T L A B仿真后的结果如图 4所示 。 R e s u l t C o hml s 1 t l u o u gh 1 0 l l l 1 1 1 l l l 1 G l t wl s 1 1 t l u x a l g h 1 6 1 l 1 l 1 l P e t c l t l E ,wr i mBl t R e flt l l l l 2 2 2 3 3 3 3 4 4 4 4 图 4基 于柯 西 分 布 的 L s S VM 的 测试 结果 为了凸显本文的方案的优势 ． 本文还选择 了通 过传统的最小二乘支持向量机来进行分类 比较 。在 利用传统 的最小二乘支持向量机进行分类时 ， 刚开 始没有选择样本 ． 发现最小二乘支持 向量机根本没 有能力对这么多样本进行处理 。本文通过每隔 l 0 o 0 第 3 1 卷第 l O期 2 0 1 0年 1 0月 煤 矿 机 械 C o a l Mi n e Ma c h i n e r y Vo l _31 No ． 1 O 0c t ． 2 0l 0 V D L 一 6 0 0加工中心手轮不能操作的故障处理过程 王春 生 。付 云 强 。宋 风 娟 ， 唐 山学 院， 河北 唐 山 0 6 3 0 0 0 摘要 现代数控机床 涉及 电、 光、 机、 液等很 多技 术， 它具有较高 自动化水平和生产效率， 它 具有技术密集和知识密集的特点。因此， 发生故障是难免的。如何在诸 多故障现象中， 捕捉到症结 所在 是很 关键 的 。主要 以接 触 最 多的 V D L 一 6 0 0加 工 中心 F A N U C O i MB系统 手轮 不能操 作进 行 故 障分析 。 关键 词 V D L 一 6 0 0加 工 中心 ；手轮 ； 故 障 处理 中图分类号 T H1 7 ； T P 3 9 文献标志码 B文章编号 1 0 0 30 7 9 4 2 0 1 0 1 00 2 4 10 3 Fa i l u r e Pr o c e s s o f Un a b l e Op e r a t e d Ha n d - wh e e l 0 f VDL - 6 0 0 M s c h i n i n g Ce n e r WA NG Ch u n - s h e n g ， F U Y u n - q i a n g ， S ON G F e n g - j U g J ll T a n g s h a n C o l l e g e ， T a n g s h a n ， 0 6 3 0 0 0 ， C h i n a Ab s t r a c t Mo d e m C NC ma c h i n e t o o l i n v o l v e s l i g h t ，ma c h i n e ，e l e c t r i c i t y ，l i q u i d a n d ma n y o t h e r t e c h n o l o g i e s ． I t h a s a h i g h l e v e l o f a u t o ma t i o n a n d p r o d u c t i o n e f f i c i e n c y a n d t h e t e c h n o l o g y - i n t e n s i v e a n d k n o w l e d g e - i n t e n s i v e c h a r a c t e r i s t i c s b u t f a i l u r e i s i n e v i t a b l e ．Ho w t o c a t c h t h e c r u x o f t h e f a i l u r e a n a l y s i s i s t h e p o i n t ． Ma i n l y u s e t h e g r e a t e s t u s i n g d e v i c e o f V D L - 6 0 0 m a c h i n i n g c e n t e r F A N U C O i - MB s y s t e m h a n d w h e e l w h i c h c a n n o t b e o p e r a t e d t o a n a l y z e t h e f a i l u r e ． Ke y wo r d s VDL - 6 0 0 ma c h i n i n g c e n t e r ；h a n d - wh e e l ；f a i l u r e p r o c e s s 1 手轮 不能 进行 操作 ． 可 能有 以下原 因 1 伺服 没有激活 ； 2 可能是参 数设定 错误 使相关信号输人不正确 ； 3 内装输入／ 输出模块或 输入／ 输 出接 口的 I ／ O L i n k没有正确分配 ； 4 手摇 脉冲发生器没有正确连接到 内装输入／ 输出模块或 输 入／ 输 出 接 口 2伺服 没有激 活 检查伺服放大器上的 L E D显示数字 如果显示 “ 0 ” 以外的数字． 则伺服没有激活。这时 自动运行和 J O G -动连续进给 都不能被执行。 应检查与伺服的 连接和相关参数 3检 查手摇 脉 冲发 生器 1 电缆故障 ， 应检查电缆是否有短路或断路 。 如 图 1 所 示 2 手脉故障 当旋转手脉时， 应产生图 3中的信号。使用示 波器 ， 从位于手脉后面 见图 2 的端子上测量 ， 如果 没有信号输 出． 检查 5 V电压。按 图 3确认 HA ／ H B 的相位差和 O N ／ O F F的比例 。 个数据选择一个样本 ． 这样各选择 了 1 0 0个数据样 本 ． 与基于柯西分布的最小二乘支持向量机进 行比 较 的结 果如 表 3 所 示 。 表 3分类 比较结果 实验结果表明．柯西加权 L S S V M 比标准 L S S V M柯西加具有更强的优越性 柯西加权 L S S V M 更侧重于训练样本 的实际特性 ． 削弱干扰样本的影 响 ， 从而减少误判的概率 。从实验结果看来 ， 这种方 法 ． 还是具有一定 的可行性和有效性 。 参考文献 [ 1 ] 马树 焕 ． 煤矿 用 电 机常 见故 障 的调 查 与分 析[ J ] ．煤 矿机 械 ． 2 0 0 9 ． 3 0 7 2 1 3 2 1 5 ． [ 2 ] 张全 明， 刘会金． 最小二乘支持 向量机在电能质量扰动分类 中的 应用 [ J ] ． 中国电机工程学报． 2 0 0 8 ， 2 8 1 1 0 6 一 l l O ． [ 3 ] B u r g e s C J C ．A t u t o r i a l o n s u p p o v e c t o r ma c h i n e s f o r p a t t e r n r e c o g n i t i o n ⋯ ． D a t a Mi n i n g a n d K n o w l e d g e D i s c o v e r y ，1 9 9 8 ， 2 2 1 2 1 1 6 7 ． [ 4 ] YA N We i w u ， S HA O H u i h e ． Ap p l i c a t i o n o f s u p p o r t v e c t o r m a c h i n e n o n l i n e a r c l a s s i fi e r t o f a u h d i a g n o s i s [ C] ．P r o c e e d i n g s o f t h e 4 t h W_o r J d C o n g r e s s o n I n t e l l i g e n t C o n t r o l a n d Au t o ma t i o n ．S h a n g h a i ． C h i n a I E E E P r e s s 。 2 o o 2 4 2 6 9 7 - 2 7 0 0 ． [ 5 ] 刑永忠 ， 吴晓蓓． 基于柯 西分布加权的最d x --乘支持向量机 [ J ] ． 控 制与决策。 2 0 0 9 ． 2 4 6 9 3 7 9 4 n [ 6 ] 崔晨， 雷晓彝， 张曜晖 ， 等． 基 于小 波包分 析和有 向无 环 图支持 向 量机 的电机故障诊断研究 [ J ] ． 煤矿机械 ， 2 0 0 9 ， 3 0 1 0 2 3 5 2 3 8 ． 作者简介 陈明 1 9 8 2 一 ， 江苏 东台人 ， 中国矿 业大学信息 与电 气工 程学 院 控制 理论 与控 制 工程 专业 硕士 研 究生 ，电话 o 5 l 6 8 3 5 9 0 8 2 1 。 电子信箱 c h e n 1 2 3 4 mi n g 1 2 3 4 1 2 6 ．c o m． 责任编辑 于淑清收稿 日期 2 0 1 0 0 4 2 6 ．．． 2 41 ．．．