基于單類學(xué)習(xí)的異常檢測方法及其重型裝備狀態(tài)識別應(yīng)用.pdf

1、狀態(tài)監(jiān)測和故障診斷對于維護(hù)并保障設(shè)備安全運(yùn)行具有重要意義。目前，智能故障診斷系統(tǒng)大多需要基于已有類別標(biāo)識的歷史數(shù)據(jù)建立分類識別模型，但在工業(yè)實(shí)際生產(chǎn)過程中，尤其對于昂貴的重型裝備而言，由于其高可靠性設(shè)計(jì)，故障數(shù)據(jù)較少，因此獲取裝備不同狀態(tài)模式下的監(jiān)測數(shù)據(jù)非常困難，常常存在缺乏性能數(shù)據(jù)和先驗(yàn)知識的問題，如正常樣本數(shù)據(jù)不足、故障樣本數(shù)據(jù)稀缺以及故障模式不完備等問題。針對上述問題，本文提出了基于單類學(xué)習(xí)的異常檢測方法：利用單類正常數(shù)據(jù)樣本完成

2、對設(shè)備的異常狀態(tài)檢測，并隨著生產(chǎn)過程中獲取的數(shù)據(jù)，逐步建立完整的診斷系統(tǒng)。
　　針對異常檢測方法在設(shè)備狀態(tài)監(jiān)測和診斷中應(yīng)用時(shí)面臨的三個(gè)關(guān)鍵問題：缺乏針對具體研究對象的特征選擇技術(shù)；缺乏更為準(zhǔn)確和魯棒的異常檢測模型；缺乏檢測未知狀態(tài)的在線診斷系統(tǒng)，深入研究了相應(yīng)的解決方案和關(guān)鍵技術(shù)，開發(fā)了基于特征評估的異常檢測算法、基于混合集成的異常檢測模型以及基于進(jìn)化學(xué)習(xí)的異常檢測系統(tǒng)等關(guān)鍵技術(shù)，在此基礎(chǔ)上，提出了基于單類進(jìn)化學(xué)習(xí)的異常檢測集成智

3、能診斷系統(tǒng)的整體流程和實(shí)施策略，并以重型軋輥磨床為研究對象，在其關(guān)鍵部件的性能狀態(tài)監(jiān)測中進(jìn)行了實(shí)際應(yīng)用驗(yàn)證。主要研究工作包括：
　?。?）針對如何在樣本類別缺失下選擇有效特征的問題，提出了基于支持向量數(shù)據(jù)描述（SVDD）的特征評估技術(shù)。在此基礎(chǔ)上設(shè)計(jì)了基于特征評估的異常檢測算法，并將該算法在軸承的狀態(tài)檢測中進(jìn)行了試驗(yàn)驗(yàn)證，結(jié)果表明，特征評估技術(shù)能夠選擇出可有效區(qū)分不同狀態(tài)的敏感特征，去除那些效果較差甚至影響準(zhǔn)確率的不敏感特征，最終

4、達(dá)到提高異常檢測算法性能的目的。
　?。?）針對如何提高單一的檢測算法的準(zhǔn)確性、穩(wěn)定性和實(shí)用性問題，提出了基于混合集成的異常檢測模型，構(gòu)建了多種異常檢測算法混合集成的檢測模型，設(shè)計(jì)了相應(yīng)的混合算法和集成準(zhǔn)則，提出了檢測模型實(shí)施的基本流程，并將其在軸承的狀態(tài)檢測中進(jìn)行了試驗(yàn)驗(yàn)證。結(jié)果表明：當(dāng)用于檢測的特征敏感性較差，單一的檢測器性能偏低時(shí)，基于加權(quán)集成的混合檢測模型的檢測性能得到了很大的提升。
　?。?）針對現(xiàn)有的診斷系統(tǒng)無法

5、應(yīng)對隨著獲得的數(shù)據(jù)和狀態(tài)類別的增多，而面臨的未知狀態(tài)的檢測問題，提出了基于進(jìn)化學(xué)習(xí)的異常檢測系統(tǒng)。設(shè)計(jì)了一種集成異常檢測與有監(jiān)督學(xué)習(xí)分類器的進(jìn)化式智能診斷系統(tǒng)，即使在僅有正常工作狀態(tài)的數(shù)據(jù)時(shí)，該系統(tǒng)仍可以通過自我進(jìn)化學(xué)習(xí)，逐步建立起對未知狀態(tài)的診斷能力。將解決單類分類問題的異常檢測方法擴(kuò)展到多類分類問題，并將該系統(tǒng)在軸承的狀態(tài)檢測中進(jìn)行了試驗(yàn)驗(yàn)證。結(jié)果表明：該系統(tǒng)利用構(gòu)建的單類檢測器，可以實(shí)現(xiàn)對未知故障類別的異常檢測以及自身的進(jìn)化升級，