基于支持向量機(jī)的施工升降機(jī)制動(dòng)器故障診斷方法

朱少龍

摘要：針對(duì)當(dāng)前施工升降機(jī)制動(dòng)器故障診斷過程中，制動(dòng)器信號(hào)分析能力較差，導(dǎo)致診斷準(zhǔn)確率較低，無(wú)法判定故障的真實(shí)類型的問題，提出基于支持向量機(jī)的施工升降機(jī)制動(dòng)器故障診斷方法。采用小波包分析法，確定運(yùn)行信號(hào)信息，獲取故障特征向量。構(gòu)建支持向量機(jī)模型，分析信號(hào)類型。增加環(huán)境擾動(dòng)計(jì)算環(huán)節(jié)，提升支持向量機(jī)分類結(jié)果準(zhǔn)確性，實(shí)現(xiàn)施工升降機(jī)制動(dòng)器故障診斷。實(shí)驗(yàn)結(jié)果表明：此方法可有效提升故障診斷準(zhǔn)確性，且可對(duì)故障類型進(jìn)行高精度分析。

關(guān)鍵詞：支持向量機(jī)；施工升降機(jī)；制動(dòng)器；故障診斷；二分法

0? ?引言

隨著城市化進(jìn)程不斷加速，高層建筑的數(shù)量幾何倍數(shù)增加。施工升降機(jī)作為建筑施工垂直運(yùn)輸過程中一種較為重要的設(shè)備，在高層建筑施工中應(yīng)用十分廣泛。施工升降機(jī)為各類建筑的施工提供了大量的便利，進(jìn)一步提高了高層建筑施工進(jìn)度，縮短了基礎(chǔ)工程的工期。

由于施工環(huán)境的復(fù)雜性與惡劣性，施工升降機(jī)制動(dòng)器故障頻發(fā)，造成了較為嚴(yán)重的施工事故。在過去研究中，部分學(xué)者雖然提出了一些針對(duì)施工升降機(jī)制動(dòng)器的故障診斷方法，但整體應(yīng)用效果不佳[1-2]。

此類故障識(shí)別方法，多將制動(dòng)器故障視作一對(duì)一故障，且在診斷過程中忽視環(huán)境對(duì)診斷結(jié)果的影響，導(dǎo)致診斷準(zhǔn)確率較低，無(wú)法判定故障的真實(shí)類型。

針對(duì)此問題，本文使用支持向量機(jī)完善原有故障診斷方法，提出基于支持向量機(jī)的施工升降機(jī)制動(dòng)器故障診斷方法。支持向量機(jī)是一種類別分析算法，應(yīng)用它可加速信號(hào)數(shù)據(jù)分析，為后續(xù)的故障識(shí)別提供便利條件。

1? ?獲取故障特征向量

此次研究中，將施工過程中應(yīng)用的升降機(jī)作為研究對(duì)象，因此在進(jìn)行診斷時(shí)需要采集設(shè)備運(yùn)行信號(hào)，以此反映制動(dòng)器的時(shí)變信號(hào)。

1.1? ?采集流程

獲取采集結(jié)果中的非平穩(wěn)時(shí)變信號(hào)，并提取其中可反映設(shè)備運(yùn)行狀態(tài)的特征向量。由于信號(hào)中帶有一定的時(shí)域特征與頻域特征，需要采用小波包分析[3-4]，將采集到的信號(hào)細(xì)化分解為全頻帶，確定各信號(hào)地段的分辨率，從中提取特征向量。

1.2? ?對(duì)采集到的信號(hào)進(jìn)行小波分解

在施工升降機(jī)制動(dòng)器中安裝高精度信號(hào)采集器，獲取設(shè)備運(yùn)行信號(hào)樣本。信號(hào)采集完成后，對(duì)信號(hào)樣本進(jìn)行多層級(jí)小波包分解，獲取每個(gè)頻段中的高頻信號(hào)特征Aij。其中：i表示信號(hào)特征獲取層級(jí)，j表示信號(hào)特征獲取節(jié)點(diǎn)個(gè)數(shù)。

1.3? ?獲取總信號(hào)量

1.4? ?計(jì)算各頻帶信號(hào)的總能量

1.5? ?構(gòu)造整體特征向量

整理上述內(nèi)容，并使用以上計(jì)算公式提取信號(hào)特征。應(yīng)用此設(shè)定獲取正常信號(hào)與故障信號(hào)，并重復(fù)上述內(nèi)容，得到特征向量集合。

2? ?施工升降機(jī)制動(dòng)器故障診斷方法設(shè)計(jì)

2.1? ?構(gòu)建支持向量機(jī)模型

此研究中，將支持向量機(jī)作為核心技術(shù)完成制動(dòng)器的故障診斷工作。支持向量機(jī)可通過線性思維對(duì)指定平面中的數(shù)據(jù)進(jìn)行分析，適用于故障診斷此類二分問題。但由于真實(shí)故障類別較多，且形成原因較為復(fù)雜。因此，需要將支持向量機(jī)轉(zhuǎn)化為“一對(duì)多”形式。

將“一對(duì)一”格式[5]作為基礎(chǔ)，將多種故障類型問題轉(zhuǎn)化為多類型問題。在進(jìn)行數(shù)據(jù)訓(xùn)練時(shí)，可將非故障數(shù)據(jù)視作正類，故障數(shù)據(jù)視作負(fù)類，構(gòu)建出支持向量分類器。為保證此分類器的應(yīng)用效果，對(duì)其進(jìn)行測(cè)試。將未知類型數(shù)據(jù)輸入到此分類器中，計(jì)算決策函數(shù)值，并將函數(shù)值最大的分類器作為正類輸出。

由于本次研究中需分析的內(nèi)容較為復(fù)雜，此次研究中在設(shè)定好的向量機(jī)中增加相應(yīng)的核函數(shù)。將原有向量機(jī)中的平面空間轉(zhuǎn)化為高維空間，并在其中進(jìn)行相應(yīng)的內(nèi)積運(yùn)算。為降低計(jì)算難度，可采用原平面中的函數(shù)完成數(shù)據(jù)處理過程。

根據(jù)支持向量機(jī)核函數(shù)的相關(guān)理論，使用Mercer條件[6-7]對(duì)向量機(jī)中進(jìn)行約束，并確定空間變換中的內(nèi)積。在最優(yōu)分類平面中，采用適當(dāng)?shù)膬?nèi)積核函數(shù)進(jìn)行處理，由此實(shí)現(xiàn)平面空間向高維空間的轉(zhuǎn)化過程。與此同時(shí)，控制向量機(jī)部分節(jié)點(diǎn)設(shè)定的線性函數(shù)，在每個(gè)函數(shù)中增加數(shù)據(jù)樣本，計(jì)算其與支持向量之間的內(nèi)乘積，并在此基礎(chǔ)上構(gòu)建支持向量網(wǎng)絡(luò)。

2.2? ?施工升降機(jī)制動(dòng)器故障診斷

在上述設(shè)定內(nèi)容的基礎(chǔ)上，應(yīng)用支持向量機(jī)完成施工升降機(jī)制動(dòng)器故障診斷。針對(duì)施工升降機(jī)制動(dòng)器的工作環(huán)境進(jìn)行分析，以避免外部環(huán)境對(duì)故障診斷造成影響。

3? ?實(shí)驗(yàn)論證分析

針對(duì)本次研究中提出的基于支持向量機(jī)的施工升降機(jī)制動(dòng)器故障診斷方法，應(yīng)用數(shù)據(jù)樣本分析的方式，確定此方法的故障診斷性能。

3.1? ?數(shù)據(jù)樣本準(zhǔn)備

本次實(shí)驗(yàn)將在制動(dòng)器實(shí)驗(yàn)臺(tái)中完成。實(shí)驗(yàn)臺(tái)相關(guān)參數(shù)，按照相關(guān)要求展開設(shè)定，并在此實(shí)驗(yàn)臺(tái)獲取制動(dòng)器故障參數(shù)。此次實(shí)驗(yàn)主要通過彈簧力、制動(dòng)油壓1、制動(dòng)油壓2以及緊急制動(dòng)信號(hào)量，確定實(shí)驗(yàn)樣本的故障情況。具體故障樣本如表1 所示。

將上述數(shù)據(jù)作為基礎(chǔ)，對(duì)每組的實(shí)驗(yàn)信號(hào)進(jìn)行擴(kuò)充，將信號(hào)數(shù)據(jù)中增加正常信號(hào)，每組信號(hào)達(dá)到1000條。使用文中方法、基礎(chǔ)方法以及機(jī)械視覺方法、神經(jīng)網(wǎng)絡(luò)方法，對(duì)上述數(shù)據(jù)進(jìn)行診斷，確定不同方法的應(yīng)用差異。

3.2? ?故障識(shí)別準(zhǔn)確率實(shí)驗(yàn)分析

應(yīng)用上述實(shí)驗(yàn)設(shè)定內(nèi)容，對(duì)不同方法的故障識(shí)別準(zhǔn)確率進(jìn)行分析。故障識(shí)別準(zhǔn)確率如表2所示。

對(duì)表2中數(shù)據(jù)進(jìn)行分析可以看出，文中方法在使用后，可對(duì)測(cè)試組中的樣本進(jìn)行高精度分析，并從中提取到相應(yīng)的故障信號(hào)。文中方法的故障識(shí)別準(zhǔn)確性控制在[98.00%，99.00%]之間，

與文中方法相比，其他3種方法的應(yīng)用效果相對(duì)較差，整體故障診斷精度維持在92.00%～96.00%之間。由此實(shí)驗(yàn)結(jié)果可以確定，文中方法的故障診斷能力優(yōu)于其他2種方法，相對(duì)應(yīng)用效果較強(qiáng)。

3.3? ?故障類別劃分精度實(shí)驗(yàn)分析

在上述實(shí)驗(yàn)進(jìn)行的過程中，對(duì)故障數(shù)據(jù)的類型進(jìn)行劃分，并確定每種故障診斷方法的故障劃分精度。故障類別劃分精度如表3所示。

對(duì)比表3中數(shù)據(jù)可以看出，在對(duì)故障類別進(jìn)行判定分析時(shí)，4種實(shí)驗(yàn)方法的故障類別劃分精度具有較為明顯的差異。

其他3種方法的應(yīng)用過程中，故障類別劃分精度相對(duì)較低且波動(dòng)較大，使用該方法，無(wú)法獲取到可靠的故障類別診斷結(jié)果，且會(huì)導(dǎo)致制動(dòng)器維修耗時(shí)較長(zhǎng)或維修技術(shù)選擇錯(cuò)誤等連鎖問題。文中方法為4種實(shí)驗(yàn)方法中，對(duì)故障類別劃分精度最高的方法。

4? ?結(jié)束語(yǔ)

針對(duì)當(dāng)前施工升降機(jī)制動(dòng)器故障診斷方法的日常應(yīng)用過程中存在的問題，此次研究對(duì)其進(jìn)行了優(yōu)化與完善，并通過實(shí)驗(yàn)證實(shí)了新方法的科學(xué)性。由于新方法中設(shè)定了大量的計(jì)算環(huán)境，為保證計(jì)算結(jié)果的可靠性，需提升設(shè)備運(yùn)行信號(hào)采集精度，從而為日后的技術(shù)提升提供數(shù)據(jù)保障。

參考文獻(xiàn)

[1] 王莉靜，趙海盟，戴遠(yuǎn)東，等.基于RF-EL融合算法的施工升降機(jī)可靠性模型研究[J].中國(guó)工程機(jī)械學(xué)報(bào)，2022，20（4）：371-376.

[2] 李娟莉，閆方元，梁思羽，等.基于卷積神經(jīng)網(wǎng)絡(luò)的礦井提升機(jī)制動(dòng)系統(tǒng)故障診斷方法[J].太原理工大學(xué)學(xué)報(bào)，2022，53（3）：524-530.

[3] 郗濤，徐偉雄，高宗帥，等.基于RF-GA-SVM算法的施工升降機(jī)輸入電壓控制模型[J].天津工業(yè)大學(xué)學(xué)報(bào)，2022，41（2）：60-66.

[4] 孫原理，宋志浩.基于多物理場(chǎng)信號(hào)相關(guān)分析與支持向量 機(jī)的離心泵故障診斷方法[J].振動(dòng)與沖擊，2022，41（6）：206-212.

[5] 李倩，劉惠康，皮瑤，等.基于深度置信網(wǎng)絡(luò)的制動(dòng)器故障診斷方法[J].高技術(shù)通訊，2021，31（10）：1075-1080.

[6] 趙挺生，龐奇志，姜雯茜.基于數(shù)據(jù)庫(kù)與支持向量機(jī)的施工升降機(jī)安全風(fēng)險(xiǎn)預(yù)測(cè)[J].中國(guó)安全科學(xué)學(xué)報(bào)，2021，31（4）：11-17.

[7] 劉元強(qiáng).汽車起重機(jī)氣壓不正常的故障排查[J].工程機(jī)械與維修，2022（2）：30-31.