基于单分类支持向量机的煤矿防爆电气设备振动故障自动检测
郑铁华1
王飞1
赵格兰2
杜春晖3
1.国家能源集团神东煤炭集团有限责任公司,陕西神木 7193152.中国煤炭科工集团信息技术有限公司,陕西 西安 7100543.山西天地煤机装备有限公司,山西 太原 030006
摘要：煤矿防爆电气设备在运行过程中产生的振动会损害其机械完整性,导致紧固件松动、零部件磨损,并改变设备的结构与振动模态,进而引发信号特征的复杂变化,使得正常振动频率与故障引发的新频率成分相互混淆,模糊了正常信号与故障信号之间的界限,从而降低传统检测方法在故障检测中的准确性.针对上述问题,提出一种基于单分类支持向量机(OCSVM)的煤矿防爆电气设备振动故障自动检测方法.首先,构造设备的正常状态特征和振动故障状态特征,根据OCSVM的特性,将正常状态特征序列设定为OCSVM核函数的决策边界学习目标.考虑煤矿防爆电气设备振动故障信号呈现非线性和高维特征,选定多项式核作为OCSVM的核函数.然后,采用网格搜索和K-交叉验证相结合的方式对OCSVM进行参数调优,以使OCSVM达到更好的性能.最后,通过求取OCSVM目标函数的最优解,确定最优决策边界,以此实现煤矿防爆电气设备振动故障的自动检测.实验结果显示:①在迭代次数为 20时,OCSVM算法算法可完成收敛,达到稳定.②基于OCSVM的电气设备信号划分实验中,借助多项式核函数能精准划分样本实现检测.③振动故障自动检测性能分析中,所提方法在各样本量下准确率均显著高于红外热成像技术检测方法、基于灰狼优化支持向量机模型检测方法,小样本量时准确率达98.25%且稳定性好.
关键词：煤矿防爆电气设备振动故障检测单分类支持向量机变分模态分解熵矩阵
分类号：TD684(矿山电工)
资助基金：山西省重点研发计划项目(202102100401014)
论文发表日期：2025-02-09
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
英文信息