基于邏輯回歸和支持向量機(jī)的設(shè)備狀態(tài)退化評(píng)估與趨勢(shì)預(yù)測(cè)研究.pdf

1、現(xiàn)代工業(yè)不斷向大型化、連續(xù)化、高速化、重載化和智能化等方向發(fā)展。這些發(fā)展降低了生產(chǎn)成本、提高了生產(chǎn)效率，大大提高了產(chǎn)品的設(shè)計(jì)、制造和服務(wù)速度；同時(shí)，倘若這類復(fù)雜的設(shè)備發(fā)生意外的或突然的故障，不僅會(huì)影響企業(yè)的生產(chǎn)效率、造成經(jīng)濟(jì)損失，而且會(huì)增加企業(yè)的維護(hù)和修繕成本，嚴(yán)重時(shí)甚至造成人員傷亡、引發(fā)社會(huì)問(wèn)題。因此，如何準(zhǔn)確有效地針對(duì)關(guān)鍵旋轉(zhuǎn)機(jī)械設(shè)備開(kāi)展?fàn)顟B(tài)監(jiān)測(cè)和故障預(yù)測(cè)工作，避免設(shè)備惡性突發(fā)事故是當(dāng)前迫切需要解決的問(wèn)題。本文對(duì)基于邏輯回歸和支持向

2、量機(jī)的設(shè)備狀態(tài)退化評(píng)估與趨勢(shì)預(yù)測(cè)進(jìn)行了研究。主要內(nèi)容包括： ⑴在Bently轉(zhuǎn)子實(shí)驗(yàn)臺(tái)進(jìn)行機(jī)器狀態(tài)模擬，模擬了設(shè)備的運(yùn)行狀態(tài)的退化情況包括：正常、加載不同不平衡質(zhì)量、不平衡外加徑向碰磨等共7個(gè)逐漸退化的狀態(tài)。采集機(jī)器狀態(tài)振動(dòng)信號(hào)，并對(duì)獲取的原始狀態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，時(shí)域和頻域的特征提取，以便利用獲取數(shù)據(jù)對(duì)退化評(píng)估模型和趨勢(shì)預(yù)測(cè)模型進(jìn)行驗(yàn)證。 ⑵研究了運(yùn)用邏輯回歸模型評(píng)估設(shè)備的運(yùn)行狀態(tài)的退化情況。將設(shè)備的運(yùn)行狀態(tài)定義為正

3、常、可接受、異常、故障四種退化狀態(tài)。在模型變量選擇時(shí)，利用設(shè)備故障的主要振動(dòng)信號(hào)時(shí)域和頻域特征值作為自變量，以設(shè)備的較為明顯的特征值的大小范圍來(lái)定義對(duì)應(yīng)的先驗(yàn)狀態(tài)值。邏輯回歸模型的評(píng)估參數(shù)的可解釋性，很好的解決了數(shù)據(jù)的冗余性，在評(píng)估時(shí)候，可以有針對(duì)性的選擇較好的自變量。評(píng)估結(jié)果曲線較好的反應(yīng)了轉(zhuǎn)子模擬的退化情況。 ⑶研究了采用支持向量機(jī)回歸對(duì)設(shè)備的運(yùn)行狀態(tài)的趨勢(shì)進(jìn)行預(yù)測(cè)。并對(duì)支持向量機(jī)模型的參數(shù)選擇提出了利用交叉驗(yàn)證方法求最優(yōu)解