本文關(guān)鍵詞：基于高階譜和支持向量機(jī)的電梯故障診斷　出處：《華僑大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 電梯 高階累積量 AR模型參數(shù) 高階譜 支持向量機(jī)

【摘要】：目前隨著國(guó)家的發(fā)展，電梯運(yùn)用得越來越多，然而，電梯事故率也增大，因此，人們對(duì)電梯運(yùn)行的安全性和及故障的預(yù)測(cè)提出了更高的要求�？紤]到電梯系統(tǒng)的復(fù)雜性及其故障的隱蔽性，單靠人力來排除故障是遠(yuǎn)遠(yuǎn)不夠的。本文的貢獻(xiàn)在于采用時(shí)間序列的高階累計(jì)量和時(shí)間序列的高階累積量系數(shù)的支持向量機(jī)結(jié)合的方法，對(duì)電梯的振動(dòng)加速度信號(hào)進(jìn)行分析，達(dá)到故障識(shí)別的目的。 電梯運(yùn)行過程中的振動(dòng)信號(hào)存在明顯的非線性、非高斯性的特征，高階累積量是處理這類信號(hào)的有力工具，高階累積量理論上可以完全抑制高斯噪聲（高斯白噪聲和色噪聲）和對(duì)稱分布噪聲，將其應(yīng)用于電梯作業(yè)的研究中，分析其高階譜特性，試圖找出電梯不同工況下高階譜圖之間的區(qū)別；同時(shí)，利用高階累積量建立的自回歸（Autoregressive，AR）模型系數(shù)作為支持向量機(jī)的輸入，以電梯的正常和故障狀態(tài)作為輸出，通過支持向量機(jī)的自學(xué)習(xí)能力，達(dá)到機(jī)器自動(dòng)識(shí)別故障的功能。兩種方法結(jié)合應(yīng)用于電梯的信號(hào)分析中，可得到以下結(jié)論： （1）分析所采集的電梯振動(dòng)的加速度信號(hào)，發(fā)現(xiàn)不論電梯處于何種工況，高階譜圖中譜峰分布各不相同，這是由于電梯的信號(hào)具有非線性和非高斯性，它們的頻率成分以及各頻率分量之間發(fā)生不同程度的二次相位耦合的結(jié)果。 （2）對(duì)高階譜進(jìn)行切片，發(fā)現(xiàn)電梯在不同工況下的切片圖中，出現(xiàn)的譜峰個(gè)數(shù)以及譜峰所在的頻率位置均不同。因此，從譜圖中反映的信息，能有效區(qū)分出電梯是處于正常還是故障狀態(tài)。 （3）將高階累積量所建立的AR模型系數(shù)與支持向量機(jī)結(jié)合應(yīng)用于電梯的信號(hào)分析中，引入核主元分析，以降低支持向量機(jī)的輸入維數(shù)，從而增強(qiáng)支持向量機(jī)模型的推廣能力。 （4）支持向量機(jī)對(duì)數(shù)據(jù)建模過程中，，懲罰因子及核函數(shù)參數(shù)的值會(huì)影響模型預(yù)測(cè)的精度，為了選取更好的參數(shù)組合，采用交叉驗(yàn)證法優(yōu)化參數(shù)，獲得了較高的故障識(shí)別率。
[Abstract]:At present, with the development of the country, with more and more lift, however, elevator accident rate is also increased, therefore, people put forward higher demand forecast for the operation of the elevator safety and failure. Considering the complexity of the elevator system and its fault concealment, rely on people to troubleshooting is not enough. The contribution of this paper is using the time series of high order cumulant and the time sequence of higher order cumulants combined with support vector machine weight coefficient method, the vibration acceleration signal of the elevator, to achieve fault recognition.
There are obvious nonlinear vibration signals of elevator in operation process and characteristics of non Gauss, high order cumulant is a powerful tool to deal with this kind of signals, high order cumulant theory can completely suppress Gauss noise (Gauss white noise and color noise) and symmetrical distributed noise, and applied it to study the elevator operation the high order spectrum analysis, and tries to find out the difference between the spectral diagram of high order lift under different working conditions; at the same time, since the regression using high order cumulants (Autoregressive, AR) to establish the model coefficients as the input of support vector machine, as output to lift the normal and fault condition, through self-learning ability of support vector machine to machine recognition, automatic fault function. Two methods used in signal analysis of the elevator, the following conclusions can be obtained:
(1) the acceleration signal of elevator vibration analysis of the acquired that the elevator in what condition, high order spectrum peak distribution is different, this is because the elevator signal is non-linear and non Gauss, two phase coupling results in different degrees between the respective frequency components and each frequency component.
(2) slice the higher order spectrum. It is found that the number of peaks and the frequency locations of the peaks are different under different conditions. Therefore, information reflected from the spectrum can effectively distinguish whether the elevator is in normal or malfunction state.
(3) combining the AR model coefficients and support vector machines constructed by high-order cumulants to the signal analysis of elevator, the kernel principal component analysis is introduced to reduce the input dimension of support vector machine, so as to enhance the generalization ability of SVM model.
(4) in the process of data modeling, the value of penalty factor and kernel function parameter will affect the accuracy of model prediction. In order to select better parameter combination, cross validation method is used to optimize parameters, and a higher fault recognition rate is obtained.

【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TU857;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李東;;PLC電梯控制中的編程技術(shù)[J];達(dá)州職業(yè)技術(shù)學(xué)院學(xué)報(bào);2005年Z1期

2 李寧;PLC定時(shí)器在電梯控制中的運(yùn)用[J];合肥聯(lián)合大學(xué)學(xué)報(bào);1998年02期

3 徐文君 ,李果 ,梁萱 ,李方敏;2004年湖北省電子設(shè)計(jì)競(jìng)賽一等獎(jiǎng) 電梯控制模型(D題)[J];電子世界;2005年05期

4 ;樓宇智能管理技術(shù)分析[J];現(xiàn)代物業(yè);2007年02期

5 孔凡鐳,柴晉飛,王敦勇;2004年湖北賽區(qū)大學(xué)生電子設(shè)計(jì)競(jìng)賽一等獎(jiǎng) 電梯控制模型設(shè)計(jì)(D題)[J];電子世界;2005年04期

6 王少華;劉紅武;;PLC、變頻器在電梯中的應(yīng)用[J];電氣技術(shù);2007年01期

7 張杰;;PLC在電梯控制系統(tǒng)中的應(yīng)用[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

8 孫小智;;電梯控制的PLC編程技術(shù)[J];起重運(yùn)輸機(jī)械;2010年01期

9 李明陽(yáng);代清友;;電梯電氣控制中存在的問題探析[J];機(jī)電信息;2010年24期

10 楊貴平;祁鳴書;;PLC在電梯控制中的應(yīng)用[J];湖南農(nóng)機(jī);2011年07期

相關(guān)會(huì)議論文 前10條

1 劉向民;;電梯模擬仿真試驗(yàn)裝置的設(shè)計(jì)[A];首屆珠中江科協(xié)論壇論文集[C];2011年

2 ;PLC特殊功能模塊在生產(chǎn)線和電梯控制上的應(yīng)用[A];04'中國(guó)企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專輯[C];2004年

3 關(guān)榆君;;基于EX40的交流雙速電梯速度控制系統(tǒng)[A];2000中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2000年

4 林杰華;張斌;李冬森;宋華茂;余志強(qiáng);王浩;;支持向量機(jī)在電力客戶信用評(píng)級(jí)中的應(yīng)用[A];全國(guó)第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2010）暨全國(guó)第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

5 黃淑云;孫興玉;梁汝萍;邱建丁;;基于小波支持向量機(jī)預(yù)測(cè)蛋白質(zhì)亞細(xì)胞定位研究[A];第十一屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

6 謝湘;匡鏡明;;支持向量機(jī)在語(yǔ)音識(shí)別中的應(yīng)用研究[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

7 蔣鐵軍;張懷強(qiáng);李積源;;多變量系統(tǒng)預(yù)測(cè)的支持向量機(jī)方法研究[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第7屆全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會(huì)議論文集[C];2003年

8 涂冬成;薛龍;劉木華;趙進(jìn)輝;沈杰;吁芳;;基于支持向量機(jī)的鵝肉肉色客觀評(píng)定研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)電氣信息與自動(dòng)化專業(yè)委員會(huì)、中國(guó)電機(jī)工程學(xué)會(huì)農(nóng)村電氣化分會(huì)科技與教育專委會(huì)2010年學(xué)術(shù)年會(huì)論文摘要[C];2010年

9 楊凌;劉玉樹;;基于支持向量機(jī)的坦克識(shí)別算法[A];第三屆全國(guó)數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

10 師旭超;巴松濤;;基于支持向量機(jī)方法的深基坑變形預(yù)測(cè)[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——河南省第四屆青年學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2004年

相關(guān)重要報(bào)紙文章 前10條

1 尤均　閆石;科區(qū)年產(chǎn)5000臺(tái)電梯組裝項(xiàng)目落戶[N];通遼日?qǐng)?bào);2011年

2 秦北;充滿“時(shí)尚”新元素[N];中國(guó)財(cái)經(jīng)報(bào);2007年

3 鄭建玲;新時(shí)達(dá)電氣IASTAR電梯專用變頻走向世界[N];中華建筑報(bào);2006年

4 鄭建玲;世界電梯裝上“中國(guó)腦”[N];中國(guó)質(zhì)量報(bào);2006年

5 本報(bào)記者 金真;實(shí)用性是智能化產(chǎn)品的“試金石”[N];中國(guó)建設(shè)報(bào);2011年

6 文利;自主創(chuàng)新破題國(guó)產(chǎn)高端電梯變頻器[N];科技日?qǐng)?bào);2006年

7 陳yN淼 李素平;能量回饋器幫電梯節(jié)能[N];中國(guó)工業(yè)報(bào);2006年

8 李代廣 通訊員 朱選杰 丁閆偉;攜手西門子　許繼電梯邁過“千臺(tái)坎”[N];經(jīng)理日?qǐng)?bào);2005年

9 本報(bào)記者 王建新 實(shí)習(xí)記者 龔敬;電梯知名廠商逐鹿上海灘[N];中國(guó)消費(fèi)者報(bào);2004年

10 恩旺;未來的電梯[N];中華建筑報(bào);2000年

相關(guān)博士學(xué)位論文 前10條

1 姚澤華;基于超級(jí)電容的電梯節(jié)能控制技術(shù)與能效評(píng)價(jià)方法研究[D];天津大學(xué);2012年

2 洪小圓;基于永磁同步電機(jī)的電梯運(yùn)動(dòng)控制研究[D];浙江大學(xué);2012年

3 胡慶;高層電梯垂直運(yùn)動(dòng)的魯棒控制策略研究[D];沈陽(yáng)工業(yè)大學(xué);2010年

4 朱燕飛;鋅鋇白回轉(zhuǎn)窯煅燒過程智能建模研究[D];華南理工大學(xué);2005年

5 田英杰;支持向量回歸機(jī)及其應(yīng)用研究[D];中國(guó)農(nóng)業(yè)大學(xué);2005年

6 杜小芳;基于CPFR的農(nóng)產(chǎn)品采購(gòu)模型研究[D];華中科技大學(xué);2005年

7 劉育明;動(dòng)態(tài)過程數(shù)據(jù)的多變量統(tǒng)計(jì)監(jiān)控方法研究[D];浙江大學(xué);2006年

8 欒鋒;支持向量機(jī)（SVM）和徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）方法在化學(xué)、環(huán)境化學(xué)和藥物化學(xué)中的應(yīng)用研究[D];蘭州大學(xué);2006年

9 燕忠;基于蟻群優(yōu)化算法的若干問題的研究[D];東南大學(xué);2005年

10 任東;基于支持向量機(jī)的植物病害識(shí)別研究[D];吉林大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 徐姍;基于高階譜和支持向量機(jī)的電梯故障診斷[D];華僑大學(xué);2013年

2 陳建燦;基于高階譜的電梯機(jī)械故障診斷[D];華僑大學(xué);2013年

3 馬永芳;電梯故障診斷系統(tǒng)的構(gòu)架設(shè)計(jì)和算法研究[D];華東理工大學(xué);2011年

4 余師棠;電梯能效測(cè)量?jī)x設(shè)計(jì)與實(shí)現(xiàn)[D];華南理工大學(xué);2010年

5 施勇;基于單片機(jī)的電梯的控制器的設(shè)計(jì)[D];沈陽(yáng)建筑大學(xué);2011年

6 黃堅(jiān);電梯控制柜測(cè)試與故障診斷技術(shù)的研究[D];浙江工業(yè)大學(xué);2012年

7 王建超;電梯監(jiān)控管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2012年

8 鄭恒超;機(jī)場(chǎng)電梯聯(lián)網(wǎng)監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2013年

9 張東東;基于嵌入式技術(shù)的電梯測(cè)試臺(tái)的研究與實(shí)現(xiàn)[D];天津城市建設(shè)學(xué)院;2012年

10 姚發(fā)閃;基于多傳感器信息融合技術(shù)的電梯智能診斷系統(tǒng)的研究[D];新疆大學(xué);2013年

本文編號(hào)：1416662