基于GSCV-SVM的输送机多故障在线诊断

为降低煤矿刮板输送机的故障频率,保障人员安全及提高生产效率,提出了基于GSCV-SVM网格搜索交叉验证支持向量机的刮板输送机多类故障在线诊断方法,针对刮板输送机传动部的实际故障数据,采用GSCV网格搜索交叉验证法,得到SVM的最优惩罚参数C和高斯径向基核函数的参数g,用多分类模型对刮板输送机的不同部位故障进行分类,结果证明,GSCV-SVM是一种较优的在线分类算法,可以对刮板输送机的未知故障数据进行在线诊断。     

基于改进布谷鸟算法与SVM的矿用变压器故障诊断

矿用变压器主要用于含有易燃气体和煤尘的矿井中,为采煤机、运输车及照明系统提供电源。针对目前矿用变压器故障诊断准确率不高的情况,提出了一种基于改进布谷鸟算法和支持向量机(SVM)的矿用变压器故障诊断方法。首先引入改进的布谷鸟算法对支持向量机参数进行寻优,获得具有最佳参数的支持向量机模型,然后利用支持向量机对变压器故障进行分类来实现变压器故障的诊断,最后,通过算例仿真对所提算法和检测方法进行了验证,Matlab仿真结果表明：利用改进布谷鸟算法和诊断模型得到的矿用变压器故障诊断准确率要高于传统的矿用变压器故障诊断方法。     

基于改进粒子群优化SVM的通风机故障诊断

针对支持向量机在故障诊断中参数的选取问题,提出一种改进的粒子群优化算法,对支持向量机的惩罚因子与核参数进行优化。为了克服传统粒子群算法前期收敛快、后期易陷入局部最优的缺陷,提出一种惯性权重自适应调整的粒子群优化算法,建立基于粒子群和支持向量的通风机故障诊断模型,通过样本数据对模型进行训练与测试,实现了通风机故障的识别,结果表明该模型对通风机故障的诊断是可靠的。     

遗传支持向量机在液压泵轴承故障的预测与应用

为了能够提高液压泵轴承故障预测的效率,深入地研究了支持向量机在液压泵轴承故障诊断中的预测和应用。提出了遗传模拟退火算法优化的最小二乘支持向量机预测模型,并分别对最小二乘支持向量机和遗传模拟退火算法进行了描述,给出了优化预测模型。通过实例研究,结果表明该方法具有较高的预测精度。     

基于遗传算法优化在线支持向量机的风电场风速预测

提出利用遗传算法优化在线支持向量机的风电场风速预测方法,应用遗传算法选择在线支持向量机的参数,将选择的参数代入在线支持向量模型,对前7 d的风速进行预测,实验结果证明了该方法的可行性。     

基于安全聚类算法的挖掘机故障诊断研究

对挖掘机迅速、准确进行监测,有效进行挖掘机故障实时诊断在大型工程中成为一种迫切要求。文章提出一种安全性和相关性相结合的安全聚类算法,并在聚类过程中生成一棵安全二叉树,利用支持向量机和二叉树对挖掘机故障实时监测。实践证明这种方法不仅保证了故障诊断的正确率,而且可以让引起严重后果的故障得到优先诊断。     

基于机器学习的尾矿库监测数据异常识别研究

尾矿库在线监测是尾矿库安全预警的重要手段，如何识别监测数据中不符合实际情况的异常值，是提升尾矿库安全预警准确率的关键，也是尾矿库在线监测面临的重要问题。采用单类支持向量机、局部离群因子和3σ准则三种方法，对三组尾矿库在线监测数据进行异常识别；根据分类评价指标，研究了不同方法对异常数据的识别效能。结果显示，单类支持向量机、局部离群因子和3σ准则三种方法的平均查准率分别为0.962、0.934和0.929，平均查全率分别为0.960、0.910和0.256，平均正确率分别为0.984、0.970和0.855，平均F1分值分别为0.960、0.921和0.393，平均计算耗时为0.023 s、7.549 s和0.348 s。研究结果表明，单类支持向量机法和局部离群因子法的异常识别效果显著优于3σ准则法，单类支持向量机法识别效果优于局部离群因子法，计算速度显著优于局部离群因子法，其异常识别正确率高、计算速度快、综合性能较好。研究结果为尾矿库在线监测预警领域异常数据识别提供了有益参考。     

基于节点优化的决策树支持向量机及在故障诊断中的应用

针对目前故障诊断中,难以获得大量的故障数据样本以及诊断知识获取困难等不足,提出了专门针对有限样本的新一代机器学习的算法—支持向量机(SVM),它在样本很少的情况下具有较好的泛化能力,比较适合解决故障诊断小样本情况的实际问题。在多故障诊断时,必须先进行多分类扩展.决策树是一种性能优秀的多分类扩展策略,但该方法的决策结果与结点的排部密切相关,结点的排部影响了诊断的正确率.提出一种根据故障数据的空间分布来优化结点排部的方法,它能够提高支持向量机诊断的正确率.采用该方法扩展的多分类支持向量机在故障诊断中获得良好效果.     

刮板输送机故障诊断方法研究

为了提高刮板输送机故障诊断准确度,降低事故发生率,分析了刮板输送机常见的故障,研究了基于支持向量机的刮板输送机故障分类,介绍了刮板输送机故障数据处理方法以及基于SVM的故障诊断流程,并对支持向量机参数进行了选择,采用网格搜索交叉法得到模型的最佳参数模型,使用该模型对刮板输送机故障数据进行预测。研究表明,采用支持向量机和网格搜索交叉法相结合的方法,可以对刮板输送机故障进行有效诊断。     

基于支持向量机的故障诊断方法研究

故障样本缺乏是制约智能故障诊断发展的重要原因。支持向量机是近10 a来提出的一种基于小样本的统计学习方法。将支持向量机分类算法用于滚动轴承的多类故障分类并与RBF神经网络进行对比研究。实验表明,在有限样本条件下,支持向量机算法比RBF神经网络具有更好的分类性能。     

基于支持向量机的液压泵故障判断方法研究

液压泵是液压系统的动力源,它的失效直接影响系统的正常工作,因此液压泵的状态监测与故障诊断是迫切需要解决的问题。阐述了支持向量机(SVM)算法的原理,研究了基于支持向量机的液压泵的故障诊断,通过分析,选择了恰当的核函数,建立了优化方程。试验分析的结果表明,该方法是一种简单而有效的方法。     

煤矿典型动力灾害风险判识及监控预警技术“十三五”研究进展

冲击地压、煤与瓦斯突出等煤矿典型动力灾害的风险判识和监控预警是煤矿安全生产的重点和难点。在“十三五”期间,针对该问题重点开展了煤矿典型动力灾害风险判识及监控预警关键技术研究及装备研发工作,建立了开采扰动和多场耦合叠加效应下煤矿动力灾害孕育演化机理和发生发展的新理论,提出了煤矿典型动力灾害多参量前兆信息智能判识理论及预警模型;开发了具有故障自诊断、高灵敏、标校周期长的前兆信息采集传感技术与装备;通过对异构数据融合、自组网、抗干扰等技术研究,提出了矿井关键区域人机环参数全面采集、多元信息共网传输新方法,为煤矿典型动力灾害监控预警系统安全无故障运行提供了技术保障;构建了自动化、信息化、智能化预警平台,平台具备故障自诊断、高灵敏、响应时间短、标校周期长、抗干扰等功能,预警准确率提升到90 % 以上。通过煤矿典型动力灾害监测预警基础研究-关键技术开发-应用示范的有机融合,实现了煤矿重大灾害灾变隐患在线监测、智能判识和实时准确预警。     

电液控制系统关键传感器的故障预警方法研究

为了保证电液控制系统的正常运行,对电液控制系统核心传感器部件的故障预警是关键一环,分析了传感器在电液控制系统的工作原理,得到了传感器在系统中的故障规律,为了对井下的电液控制系统中的核心传感器的故障进行预警和诊断,结合目前比较流行的传感器故障预警方法,以液压支架的压力传感器为例,提出了一个静态分析与动态分析融合的诊断方法,其核心是通过对传感器采集的数据进行分析,能有效预测压力传感器故障,提高电液控制系统的可靠性。     

基于振动的液压传动系统状态监测方法研究

对液压传动系统进行状态监测,可以保证和提高液压传动系统可靠性,而液压传动系统的故障往往经历一个从产生到发展、从轻微到严重的渐变过程,因此尽早识别轻微故障,对于提高液压系统的安全性具有重要的意义。如支持向量机可以在这个领域能发挥很重要的作用。研究了基于振动的液压传动系统的状态监测方法,利用支持向量机(Support Vector Machine,简称SVM)获得各个样本的后验概率信息,然后通过引入损失函数,使诊断决策的平均损失达到最小。模拟液压泵故障实验证明了该方法的有效性。     

基于核的多故障分类器及其应用

提出了一种基于核的多类别模式识别算法(简称核子空间法， KSPM)，依据此算法建立了多故障分类器.该方法的主要思想是：将原输入空间中的数据经一个非线性映射，映射到一个高维的特征空间(或核空间)，突出各类样本之间的特征差异，利用线性子空间模式识别思路进行分类.经核矩阵特征分解，可以形成各类别对应的特征子空间，然后分别计算待分类模式与各类特征子空间的距离实现模式分类.多故障分类器应用于液压泵故障诊断结果表明，该故障分类器可实现多故障的识别和诊断，并且具有算法简单和故障分类能力强的优点.     

基于支持向量机的数控机床液压刀架的故障诊断研究

针对数控机床液压刀架在工作过程中所产生的不同种类的故障情况,利用支持向量机对其进行故障诊断。分析了数控机床液压刀架的工作原理;分析了支持向量机的基本概念,建立了故障诊断流程;进行了故障仿真分析,结果表明该方法具有较好的故障诊断可靠性。     

基于AMESim的液压支架移架性能仿真分析

液压支架是综采工作面三机配套设备之一,液压系统的性能指标在液压支架工作中发挥着重要作用。对ZF6000/20/40D型液压支架工作原理进行了介绍,利用AMESim16.0软件搭建了该液压支架及液压系统的仿真模型,并对该液压支架的升柱、降柱做了仿真分析。仿真结果表明,在一定范围内,随着液压泵流量的增大,液压支架的升柱时间减少,降柱时间基本不受影响;随着主回液管路直径的增大,液压支架的降柱时间减少,升柱时间基本不受影响。可为液压系统的参数优化设计奠定一定的基础。     

基于支持向量机的液压位置伺服系统自适应阈值研究

针对传统的液压伺服控制系统故障构成,详细分析了液压伺服控制系统的基本构成结构,对液压伺服控制系统故障影响因素进行了深入探讨,并对影响残差的因素进行详细的分析,在此基础上提出了基于支持向量机的自适应阈值研究,给出了自适应阈值的理论推导,同时结合实际应用对基于支持向量机的液压位置伺服系统进行了建模和故障诊断仿真测试。     

矿用旋转类机械故障自动监测及预警系统设计

为实现煤矿旋转机械故障自动监测、诊断和预警,减少无计划停机,提高机械维修效率,针对现有同类技术无法进行故障在线提取和自动识别等问题,设计一种矿用旋转类设备运行自动监测及预警系统。系统采用模块化功能设计,利用SO 2372-1974《设备振动标准》预设故障数据库,通过加速度传感器收集机械振动曲线,通过分析振动信号得到旋转机械运转情况下的振动参数,并与预设的故障数据库参数特征相对比,完成机械故障的自动监测。系统具有精细监测和粗略监测2种监测模式,利用互锁形式进行关联。转子-轴承旋转模拟实验结果表明:该系统可以对旋转机械故障进行早期的判断、实时监测和预警,系统可靠性高,操作简便。