基于KNN与SVM两级综合健康指标的托辊故障诊断方法
伊鑫1
杨明锦1
杨林顺2
张海军2
彭晨1
1.上海大学机电工程与自动化学院,上海2004442.西山煤电(集团)有限公司屯兰选煤厂,山西太原030206
摘要：带式输送机是煤炭生产过程中的重要运输设备,但目前其故障诊断技术发展仍不成熟.为推进智能化故障诊断方法在带式输送机故障诊断中的应用,以带式输送机的转动部件——托辊的故障诊断方法为研究对象,提出了一种基于两级综合健康指标的托辊故障诊断方法.该方法以提取的音频序列的Mel频率倒谱系数(MFCC)作为特征,利用K最近邻(KNN)分类算法的结果计算一级健康指标,据此判断故障是否发生;采用支持向量机(SVM)的结果计算二级健康指标,据此对故障程度进行识别,从而最终完成托辊故障等级的智能化评估.在方法验证阶段,使用采集到的屯兰选煤厂托辊声音数据,并依托Matlab平台进行了试验验证,结果表明:该诊断方法能较好地识别托辊故障是否发生并准确判断故障等级,在故障诊断准确性方面优于其他方法.
关键词：带式输送机托辊故障诊断K最近邻算法支持向量机一级健康指标二级健康指标故障识别率
分类号：TD948.9(选矿)
资助基金：国家自然科学基金(61833011)
论文发表日期：2020-10-25
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）
页数：9( 94-102 )
英文信息