【摘要】：機(jī)械設(shè)備運(yùn)行時(shí),由于故障狀態(tài)時(shí)間遠(yuǎn)小于正常狀態(tài)時(shí)間,使得故障樣本數(shù)量遠(yuǎn)小于正常樣本數(shù)量,造成樣本間數(shù)據(jù)不均衡現(xiàn)象。在進(jìn)行故障診斷時(shí),分類器傾向于將測(cè)試樣本判別為多數(shù)類,而忽視少數(shù)類樣本,從而導(dǎo)致對(duì)故障樣本的分類效果差。當(dāng)前研究多針對(duì)不均衡數(shù)據(jù)集的二分類問題,但實(shí)際工程中,故障形式多種多樣,即為多分類問題。因此,本文以往復(fù)壓縮機(jī)為對(duì)象,對(duì)不均衡數(shù)據(jù)集下多故障識(shí)別進(jìn)行了研究,主要內(nèi)容如下:(1)針對(duì)冗余特征影響小樣本數(shù)據(jù)分類準(zhǔn)確率,且傳統(tǒng)的基于互信息(Mutual Information,MI)的特征選擇方法難以有效選取目標(biāo)特征的問題,提出基于互信息的非監(jiān)督式特征選擇方法。通過選擇類間差異度最大的目標(biāo)特征、篩選有效的非目標(biāo)特征以確定特征子集。對(duì)往復(fù)壓縮機(jī)氣閥數(shù)據(jù)進(jìn)行特征選擇,結(jié)果表明經(jīng)過特征選擇后的樣本數(shù)據(jù)聚類效果優(yōu)于未經(jīng)過特征選擇的樣本數(shù)據(jù)。(2)針對(duì)分類器難以對(duì)少數(shù)類樣本進(jìn)行充分訓(xùn)練的問題,采用人工合成少數(shù)類過抽樣技術(shù)(Synthetic Minority Over-Sampling Technique,SMOTE)對(duì)不均衡數(shù)據(jù)進(jìn)行上采樣。分析了SMOTE的采樣率、類間不均衡度對(duì)分類準(zhǔn)確率的影響;對(duì)往復(fù)壓縮機(jī)氣閥數(shù)據(jù)進(jìn)行SMOTE采樣,確定了實(shí)驗(yàn)數(shù)據(jù)的采樣率:氣閥正常、彈簧失效、閥片斷裂以及閥片磨損采樣率分別為0、0、1、5。(3)針對(duì)支持向量數(shù)據(jù)描述(Support Vector Data Description,SVDD)難以對(duì)多類故障進(jìn)行識(shí)別的問題,提出基于可測(cè)度的BT-SVDD(Binary Tree,BT)故障識(shí)別模型構(gòu)建方法。計(jì)算基于馬氏距離的類間可測(cè)度,構(gòu)建二叉樹模型,并利用SVDD訓(xùn)練目標(biāo)樣本實(shí)現(xiàn)多故障識(shí)別。通過BT-SVDD模型對(duì)往復(fù)壓縮機(jī)多類故障進(jìn)行識(shí)別,經(jīng)特征選擇和上采樣后的BT-SVDD模型對(duì)少數(shù)類樣本閥片磨損分類準(zhǔn)確率達(dá)到95%。(4)針對(duì)傳統(tǒng)評(píng)價(jià)準(zhǔn)則難以對(duì)不均衡數(shù)據(jù)下多分類問題進(jìn)行綜合有效評(píng)定,提出不均衡數(shù)據(jù)下基于誤分代價(jià)矩陣的評(píng)價(jià)準(zhǔn)則。提出誤分代價(jià)矩陣概念,得到不均衡數(shù)據(jù)下多分類問題的綜合評(píng)價(jià)指標(biāo),并應(yīng)用于往復(fù)壓縮機(jī)分類結(jié)果中,相比BP(Back Propagation,BP)、SVM(Support Vector Machine,SVM)、BT-SVDD,本文提出方法的綜合評(píng)價(jià)指標(biāo)分別提高了0.051、0.043、0.019。
【圖文】：

技術(shù)路線

圖 2.1 互信息與熵關(guān)系示意圖.1 Illustration of the relationship between entropy 的特征選擇方法概述篩選出表達(dá)效果好的特征，，同時(shí)去除無關(guān)的效果。一個(gè)理想的特征集中，每一個(gè)表達(dá)效而非目標(biāo)特征之間為不相關(guān)或者是弱相關(guān)[41去除無關(guān)或者弱相關(guān)的特征；2）刪除冗余間相關(guān)性強(qiáng)弱對(duì)非目標(biāo)特征進(jìn)行選擇，并與的非監(jiān)督式特征選擇方法原理信息的特征選擇方法存在一個(gè)問題，就是如對(duì)于特征之間的互信息計(jì)算以及最終的特征
【學(xué)位授予單位】：中國石油大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TH45

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳波;楊家鑫;霍維斌;;往復(fù)壓縮機(jī)連桿穩(wěn)定性分析[J];化工設(shè)計(jì)通訊;2019年03期

2 劉冬;劉守信;韓福利;王德帥;;往復(fù)壓縮機(jī)氣管路支架布置簡(jiǎn)析[J];壓縮機(jī)技術(shù);2019年04期

3 張謙;舒悅;王樂;謝傳東;;往復(fù)壓縮機(jī)故障診斷方法研究概述[J];流體機(jī)械;2018年03期

4 張繼升;;燃?xì)馐酵鶑?fù)壓縮機(jī)組節(jié)能降耗技術(shù)研究[J];石化技術(shù);2018年05期

5 辛斌;;往復(fù)壓縮機(jī)故障診斷技術(shù)研究[J];化學(xué)工程與裝備;2018年08期

6 付冰洋;張建云;王云超;孫強(qiáng);牛磊;;往復(fù)壓縮機(jī)十字頭強(qiáng)度分析及拓?fù)鋬?yōu)化設(shè)計(jì)[J];壓縮機(jī)技術(shù);2016年06期

7 張秀鋒;;往復(fù)壓縮機(jī)的磨損測(cè)試方法研究[J];壓縮機(jī)技術(shù);2016年06期

8 周振堂;;測(cè)量技術(shù)在往復(fù)壓縮機(jī)領(lǐng)域的基本應(yīng)用[J];壓縮機(jī)技術(shù);2017年01期

9 路偉;李寬;;高速往復(fù)壓縮機(jī)的結(jié)構(gòu)特點(diǎn)及典型應(yīng)用[J];科技資訊;2014年23期

10 張柏祥;;例談往復(fù)壓縮機(jī)的典型故障特征與診斷[J];裝備制造;2014年S1期

相關(guān)會(huì)議論文 前10條

1 高晶波;王日新;徐敏強(qiáng);夏松波;;基于時(shí)頻分析的往復(fù)壓縮機(jī)氣閥故障診斷方法的研究[A];第八屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集摘要[C];2003年

2 朱麗紅;韓素娟;楊旭;;往復(fù)壓縮機(jī)缸體連接螺柱斷裂失效分析[A];第十二屆沈陽科學(xué)學(xué)術(shù)年會(huì)論文集（理工農(nóng)醫(yī)）[C];2015年

3 郭文濤;;往復(fù)壓縮機(jī)管線的振動(dòng)分析方法探究[A];創(chuàng)新沈陽文集（A）[C];2009年

4 姚德群;余志紅;楊素春;王朝暉;;基于數(shù)據(jù)挖掘的往復(fù)壓縮機(jī)氣閥故障診斷設(shè)計(jì)[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

5 劉繼國;趙地;;大型往復(fù)壓縮機(jī)組國產(chǎn)化研究與應(yīng)用[A];海洋工程論文集[C];2014年

6 丁月敏;;探究往復(fù)壓縮機(jī)的設(shè)計(jì)方案 以4M80(85)為例[A];第八屆沈陽科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

7 王智偉;張鵬;王金東;杜永軍;王巍;;基于虛擬儀器的往復(fù)壓縮機(jī)監(jiān)測(cè)系統(tǒng)研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

8 趙海峰;劉樹林;王憲明;徐艷;;往復(fù)壓縮機(jī)氣閥故障的瞬態(tài)特征提取方法研究[A];2008年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

9 赫貴志;馬寧;;壓縮機(jī)反向角理論及在壓縮機(jī)設(shè)計(jì)中的應(yīng)用[A];第十屆沈陽科學(xué)學(xué)術(shù)年會(huì)論文集（信息科學(xué)與工程技術(shù)分冊(cè)）[C];2013年

10 魯錄義;顧兆林;何家勝;;在壓縮機(jī)振動(dòng)控制中運(yùn)用ANSYS多物理場(chǎng)[A];第九屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前3條

1 ;自主創(chuàng)新領(lǐng)風(fēng)飛揚(yáng)[N];中國工業(yè)報(bào);2009年

2 本報(bào)記者 秦虹　通訊員 王佳莉;GE天然氣壓縮系統(tǒng)使碳排放減24%[N];中國電力報(bào);2013年

3 ;中國重大技術(shù)裝備國產(chǎn)化的一面旗幟[N];中國工業(yè)報(bào);2005年

相關(guān)博士學(xué)位論文 前4條

1 劉巖;基于變分模態(tài)分解與奇異譜分析的往復(fù)壓縮機(jī)典型故障預(yù)示研究[D];東北石油大學(xué);2018年

2 李穎;往復(fù)壓縮機(jī)滑動(dòng)軸承間隙復(fù)合故障診斷方法研究[D];東北石油大學(xué);2019年

3 王憲明;往復(fù)式壓縮機(jī)多源沖擊振動(dòng)時(shí)頻故障特征研究[D];東北石油大學(xué);2013年

4 趙海洋;往復(fù)壓縮機(jī)軸承間隙故障診斷與狀態(tài)評(píng)估方法研究[D];哈爾濱工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 賈婉春;基于共振稀疏分解的往復(fù)壓縮機(jī)故障診斷研究[D];東北石油大學(xué);2019年

2 武佳奇;基于ITD和最大熵譜分析的往復(fù)壓縮機(jī)氣閥故障特征提取方法研究[D];東北石油大學(xué);2019年

3 謝夢(mèng)云;不均衡數(shù)據(jù)集下往復(fù)壓縮機(jī)多故障識(shí)別方法研究[D];中國石油大學(xué)(北京);2018年

4 卜慶超;基于最優(yōu)品質(zhì)因子信號(hào)共振稀疏分解與HFE的往復(fù)壓縮機(jī)故障診斷方法[D];東北石油大學(xué);2018年

5 韓輝;基于改進(jìn)LMD的往復(fù)壓縮機(jī)軸承故障診斷方法研究[D];東北石油大學(xué);2018年

6 張隆宇;經(jīng)驗(yàn)小波振動(dòng)特征提取及在往復(fù)壓縮機(jī)故障診斷中的應(yīng)用[D];東北石油大學(xué);2018年

7 朱倩;基于MEMD與MSE的往復(fù)壓縮機(jī)故障診斷方法研究[D];東北石油大學(xué);2018年

8 郝少鵬;往復(fù)壓縮機(jī)氣閥故障的動(dòng)力學(xué)仿真及在線監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[D];中國石油大學(xué)（北京）;2017年

9 張穎;基于主題模型的往復(fù)壓縮機(jī)智能診斷研究[D];北京化工大學(xué);2017年

10 高光甫;基于圖像識(shí)別的往復(fù)壓縮機(jī)故障診斷方法研究[D];東北石油大學(xué);2012年

本文編號(hào)：2656548