《基于安全聚类算法的挖掘机故障诊断研究.docx》由会员分享，可在线阅读，更多相关《基于安全聚类算法的挖掘机故障诊断研究.docx（7页珍藏版）》请在三一文库上搜索。
1、第 29 卷第 3 期煤 炭 技 术2010 年 3 月Coal Technology煤矿机械Vol129 ,No103Mar ,2010基于安全聚类算法的挖掘机故障诊断研究魏兵 , 李亚非(南京工业大学信息科学与工程学院 , 南京 210009)摘 要 :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。关键词 :挖掘机 ; 故障诊断; 支持
2、向量机; 二叉树; 聚类中图分类号 :TD42文献标识码 :A文章编号:1008 - 8725 (2010) 03 - 0015 - 03Research on Excavator Fault Diagnosis Based on SafetyCluster AlgorithmWEI Bing , LI Ya - fei( Information Science and Engineering College , Nanjing University of Technology , Nanjing 210009 , China)Abstract :Quickly and accurately
3、monitoring the excavators , the effective implementation of real - time fault diagnosis of excavators become an urgent requirement . This paper presents a safety combined with the relevant clustering algorithm , and in the process of clustering , generates a safety - binary tree. Making use of suppo
4、rt vector machines and binary tree to achieve excavator real - time monitoring. Practice has proved that this meth od not only guarantees the accuracy of fault diagnosis , and can cause more serious consequences of the failure diagnosis can be given priority.Key words :excavators ; fault diagnosis ;
5、 support vector machine ; binary tree ; clustering0 引言的联系 ,而且导致故障产生的原因也是相互交错的。(2) 各种故障造成的后果不同。挖掘机作为我国一种传统产业并作为一种大型(3) 正常情况下 ,发生故障的概率比较小 ,样本工程设备 ,在其管理和维护上加入智能诊断技术具数较少 ,是一种小样本事件。有非常重要的经济意义。20 世纪 90 年代我国的挖根据故障特点 ,在实时监测时要解决两类问题:掘机产量和使用量得到了迅速发展 ,进入 21 世纪以一是如何把各个故障正确有效的分开; 二是要考虑2后 ,随着生产力的大幅提高 ,挖掘机的发展更是进入
6、不同故障所造成的不同后果 ,应尽可能早发现有较了一个高速发展阶段。大型工程中 ,挖掘机的投入 严重后果的故障类型 ,减少维护成本。文章考虑了使用成为提高工作效率 ,实现产业利益最大化的一 类别影响因子 ,利用支持向量机对两类分类的高区个有效途径。同时 ,挖掘机故障实时诊断 ,减少不必分性特点很好地解决了这两个问题2 。要的维护成本也成为企业致力研究的热点。2基于安全聚类法的挖掘机故障诊断针对生产过程中挖掘机故障诊断困难、领域专家少而带来的停工问题 ,实时对一些小毛病、隐患进2. 1安全聚类算法描述行及早判断、处理 ,避免大故障的发生 ,文章提出一相关性考虑的是该类别和其他类别的欧式距种安全性和
7、相似性相结合的聚类算法 ,结合支持向离 ,距离越大相关性越弱 ,距离越小相关性越强。在量机和二叉树原理对挖掘机故障进行实时监测1 。相关性强的两个类别之间建立一个 SVM 分类器 ,充1 大型挖掘机故障特点分利用了 SVM 在两类边界处的高区分能力。安全性是考虑将诊断的风险降到最低 ,即优先考虑影响(1) 故障类型繁多 ,各种故障之间存在千丝万缕因子大的类别 ,即在实时监测时要将最能引起严重收稿日期 :2009 - 10 - 16 ;修订日期 :2009 - 11 - 20作者简介 :魏兵(1984 - ) ,男 ,南京人 ,南京工业大学硕士研究生 ,研究方向:计算机应用技术 ,E - mai
8、l :weibing. 2 163. com。16煤 炭 技 术第 29 卷后果的 属性 行首先 断 ,避免 重后果 生。减 1 。概括起来 ,安全聚 算法就是找到相关性和影响因子 合以后的最佳安全点 行聚 。 了便于 明 ,将欧式距离和影响因子 合以后称 相似度。 本 ( x1 , y1 ) , ( x2 , y2 ) , , ( xm , yc ) , x Rn , y 代表着 出 , 数 c 个 , x 为 n 维输入特征向量。符号 明如下:L k :表示第 k 个 的 本数 ,1 k c ; Ck :表示第 k 个 的距离聚 中心 ,1 k c ; Dk : 表示第 k 个 的相似度聚
9、 中心 ,1 k c ; Xik : 表示第 k 个 的第 i 个 本 ,1 k c ,1 i m ; Dij :表示第 i 和第 j 之 的相似度距离; Pkm : 表示影响因子矩 , 矩 表明了各 入特征向量 不同 生的影响 ,因子越大 ,代表着 生的后果越 重。算法步 如下:(1) 初始化因子矩 Pkm 。 构如下:p11 p1 mPkm = wpk1 pkm(2) 算 相似度中心。k1lkCk =xiklki = 1考 影响因子 , 算得到相似度中心 Dk :pk11lkpk2Dk =xiklki = 1pkm 算得到每个 的相似度中心 , 成 相似度中心向量 D1 , D2 , ,
10、Dk 。(3) 算各 的相似度距离 Dij : Dij = ( Di - Dj ) 2 ,得到相似度距离 称矩 D11 D1 CL C =DC1 DCC(4) 在矩 L c 中 取 最小的一 ,假 是 Ci和 Cj ,将 两 行聚 ,相似度聚 中心 Uij 。pi1pj11lkpi2ljpj2Uij =( xia+ xjb)li+ ljpjma = 1b = 1wpim(6) 重复步 (3) 到 (5) ,直到中心向量只剩下一个中心。2. 2 安全聚类算法和支持向量机的安全二叉树根据安全聚 算法可知 , 于 C 故障模式分 共需聚 C - 1 次 ,因此生成的二叉 共有 C- 1 个 点 ,即
11、有 C - 1 个 SVM 子分 器。 二叉 是根据安全聚 算法生成的 ,故称 种二叉 安全二叉 3 。安全二叉 生成步 :(1) 初始化二叉 。根据 定 本的 C 个 C1 , C2 , , CC 构成 C 棵二叉 集合 U = U1 , U2 , UC ,每棵二叉 只有一个根 点 ,左右子 都 空4 。(2) 根据安全聚 算法得到第一次聚 中心Uij ,将 Uij 作 根 点构造一棵二叉 ,左子 和右子 分 Ui 为 Uj 。 点 Uij 的 本就是 Ci和 Cj 的 本。左子 看成 ,右子 看成正 ,生成 SVM 分 器 SVM1 。(3) 在集合 U 中 除 Ui 和 Uj ,将新二叉
12、 Uij插入到二叉 集合 U 中。(4) 根据安全聚 算法 ,重复步 (2) 、(3) ,依次生成 SVM2 ,SVM3 , ,SVMC - 1 ,直到集合 U 中只含一棵 ,基本 构如 1 。图 1 安全二叉树基本结构图2. 3 安全聚类算法进一步改进 了 后果 重的 能 先得到 断 , 尽量使影响因子大的 在安全二叉 的上 ,但在安全聚 算法的第(4) 步 取的是最小的相似度距离 ,而相似度距离 是两个 相似度中心的差值 ,比 大小没什么意 5 ,所以 安全聚 算法第(3) 步做 一步改 ,在考 相似度距离基 上根据故障 影响因子( 后果 重程度) 相似度距离 ,最 改 聚 序:D11im
13、pac11 D1 C impac1 CLC =wDC1impacC1 DCC impacCC其中 impacij 是故障 i 和故障 j 造成后果 重程度的(5) 将 Uij 插入到原来的 相似度中心向量均 , 即用矩 LC 代替安全聚 算法第(3) 步的中 , 同 除 向量中的 Di 和 Dj , 中心数第 3 期魏 兵 ,等:基于安全聚 算法的挖掘机故障 断研究17L C 。改 后 , 重的故障 就会在安全二叉 的 取 250 个 本数据 ,每条 本数据都包含 17上 ,从而做到 重故障 先 断。个特征 , 着每个故障 型。其中 210 条作 学2. 4 故障诊断流程 本 ,40 条作 数
14、据。根据安全算法生成安利用 本 生成的安全二叉 分 器 故障全二叉 如 3 。 断流程 如 2 :图 2故障实时诊断流程图3 实验及结果分析 入 本由两部分 成 ,一部分是采集到的挖掘机状 信息 ,另外一部分是故障分析人 的数据 。根据液 挖掘机的 构原理 ,分析 入 本和故障 ,从中 取有代表性的 本 , 入 本表示 X = X1 , X2 , , X17 。特征量 X1 X17 表示挖掘机的 17 个技 参数 ,如 机水温、液 油温、 机机油 力、 臂无力、 一油 不工作等 ,每个参数共两个 0 (不正常) 和 1 (正常) 。故障 C= C1 , C2 , , C7 为 7 个典型故障。
15、其中 C1 : 池 故障; C2 : 空气; C3 : 机故障; C4 先 和 向 故障; C5 : 路故障; C6 : 溢流 故障; C7 :柴油机 速不 。故障 影响因子 表 1 , 初始化特征量 各个故障 影响因子如表 2 。表 1故障类别影响因子故障类型C1C2C3C4C5C6C7影响因子1211. 52. 511表 2特征量对各个故障类别影响因子初始化X1X2X3X4X5X6X7X8X9X10 X11 X12 X13 X14 X15 X16 X17C10000. 1000. 10. 2000. 200. 10. 100. 10. 1C20000. 40. 200. 100. 20.
16、10. 20. 400. 10. 10. 10. 1C30. 10. 10. 1000. 100000. 200. 10. 10. 100. 1C4000. 100. 100. 10000. 200. 20. 20. 200. 2C50. 10. 10. 10. 10. 10. 10. 10. 20. 30. 30. 20. 10. 10. 10. 10. 30. 1C60. 200. 20000. 1000. 100. 100. 10. 100. 1C700. 100. 20001100. 100. 1000. 10. 10. 10. 1图 3根据安全算法生成的安全二叉树40 个 数据根据
17、2 流程 ,考 影响因子的 断系 数 6 个 ,比没有考 影响因子的 断系 少了 2 个 , 正确率提高了 5 %。同 ,影响因子大的 C5 , C2 和 C4 也得到了 先 断。4 结束语文章充分利用了支持向量机 界区域的 分辨能力 ,将其 用到多分 中。同 , 不同故障后果不同 ,充分考 了各故障的影响因子 , 重后果的故障 能 得到 先 断 ,从而降低 断 。最后通 明 , 算法不 提高了 断正确率 , 影响大的故障 得到了 先 断 ,大大降低了 断 。参考文献:1 王其良. 小型挖掘机在井筒冻结段中的运用J . 煤炭技术2008 ,27 (4) :8 - 9. 2 冯旭东 , 郑屿.
18、挖掘机技术在立井井筒表土段施工中的应用J . 煤炭技术 ,2003 ,22 (10) . 3 马笑潇 , 黄席樾 , 等. 基于SVM 二叉树分类算法及其在故障诊断中的应用J . 控制与决策 ,2002 , (18) :272 - 276. 4 刘志刚 , 李德仁 , 秦前清 ,等. 支持向量机在多分类问题中的推广J . 计算机工程与应用 , 2004 ,40 (7) :10 - 13.5 孟媛媛 , 刘希玉. 一种新的基于二叉树的 SVM 多类分类方法 J . 计算机应用 , 2005 ,25 (11) :2653 - 2657.6 朱学冬. 基于支持向量机的挖掘机监测与故障诊断系统的研究 D . 南京:南京工业大学 ,2009.(责任编辑王秀丽)