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

  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

【摘要】：目前隨著國家的發(fā)展，電梯運用得越來越多，然而，電梯事故率也增大，因此，人們對電梯運行的安全性和及故障的預測提出了更高的要求。考慮到電梯系統(tǒng)的復雜性及其故障的隱蔽性，單靠人力來排除故障是遠遠不夠的。本文的貢獻在于采用時間序列的高階累計量和時間序列的高階累積量系數(shù)的支持向量機結(jié)合的方法，對電梯的振動加速度信號進行分析，達到故障識別的目的。 電梯運行過程中的振動信號存在明顯的非線性、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）和對稱分布噪聲，將其應用于電梯作業(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，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，通過支持向量機的自學習能力，達到機器自動識別故障的功能。兩種方法結(jié)合應用于電梯的信號分析中，可得到以下結(jié)論： （1）分析所采集的電梯振動的加速度信號，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）對高階譜進行切片，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)與支持向量機結(jié)合應用于電梯的信號分析中，引入核主元分析，以降低支持向量機的輸入維數(shù)，從而增強支持向量機模型的推廣能力。 （4）支持向量機對數(shù)據(jù)建模過程中，，懲罰因子及核函數(shù)參數(shù)的值會影響模型預測的精度，為了選取更好的參數(shù)組合，采用交叉驗證法優(yōu)化參數(shù)，獲得了較高的故障識別率。
[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.

【學位授予單位】：華僑大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TU857;TP18

【相似文獻】

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];達州職業(yè)技術(shù)學院學報;2005年Z1期

2 李寧;PLC定時器在電梯控制中的運用[J];合肥聯(lián)合大學學報;1998年02期

3 徐文君 ,李果 ,梁萱 ,李方敏;2004年湖北省電子設計競賽一等獎 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)大學生電子設計競賽一等獎 電梯控制模型設計(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)中的應用[J];遼寧師范大學學報(自然科學版);2009年03期

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

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

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

相關(guān)會議論文 前10條

1 劉向民;;電梯模擬仿真試驗裝置的設計[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用[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術(shù)年會專輯[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中國控制與決策學術(shù)年會論文集[C];2000年

4 林杰華;張斌;李冬森;宋華茂;余志強;王浩;;支持向量機在電力客戶信用評級中的應用[A];全國第21屆計算機技術(shù)與應用學術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應用學術(shù)會議論文集[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預測蛋白質(zhì)亞細胞定位研究[A];第十一屆全國計算（機）化學學術(shù)會議論文摘要集[C];2011年

6 謝湘;匡鏡明;;支持向量機在語音識別中的應用研究[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

7 蔣鐵軍;張懷強;李積源;;多變量系統(tǒng)預測的支持向量機方法研究[A];管理科學與系統(tǒng)科學研究新進展——第7屆全國青年管理科學與系統(tǒng)科學學術(shù)會議論文集[C];2003年

8 涂冬成;薛龍;劉木華;趙進輝;沈杰;吁芳;;基于支持向量機的鵝肉肉色客觀評定研究[A];中國農(nóng)業(yè)工程學會電氣信息與自動化專業(yè)委員會、中國電機工程學會農(nóng)村電氣化分會科技與教育專委會2010年學術(shù)年會論文摘要[C];2010年

9 楊凌;劉玉樹;;基于支持向量機的坦克識別算法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應用學術(shù)研討會論文摘要集[C];2004年

10 師旭超;巴松濤;;基于支持向量機方法的深基坑變形預測[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——河南省第四屆青年學術(shù)年會論文集（上冊）[C];2004年

相關(guān)重要報紙文章 前10條

1 尤均　閆石;科區(qū)年產(chǎn)5000臺電梯組裝項目落戶[N];通遼日報;2011年

2 秦北;充滿“時尚”新元素[N];中國財經(jīng)報;2007年

3 鄭建玲;新時達電氣IASTAR電梯專用變頻走向世界[N];中華建筑報;2006年

4 鄭建玲;世界電梯裝上“中國腦”[N];中國質(zhì)量報;2006年

5 本報記者 金真;實用性是智能化產(chǎn)品的“試金石”[N];中國建設報;2011年

6 文利;自主創(chuàng)新破題國產(chǎn)高端電梯變頻器[N];科技日報;2006年

7 陳yN淼 李素平;能量回饋器幫電梯節(jié)能[N];中國工業(yè)報;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“千臺坎”[N];經(jīng)理日報;2005年

9 本報記者 王建新 實習記者 龔敬;電梯知名廠商逐鹿上海灘[N];中國消費者報;2004年

10 恩旺;未來的電梯[N];中華建筑報;2000年

相關(guān)博士學位論文 前10條

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

2 洪小圓;基于永磁同步電機的電梯運動控制研究[D];浙江大學;2012年

3 胡慶;高層電梯垂直運動的魯棒控制策略研究[D];沈陽工業(yè)大學;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;2005年

5 田英杰;支持向量回歸機及其應用研究[D];中國農(nóng)業(yè)大學;2005年

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

7 劉育明;動態(tài)過程數(shù)據(jù)的多變量統(tǒng)計監(jiān)控方法研究[D];浙江大學;2006年

8 欒鋒;支持向量機（SVM）和徑向基神經(jīng)網(wǎng)絡（RBFNN）方法在化學、環(huán)境化學和藥物化學中的應用研究[D];蘭州大學;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;2005年

10 任東;基于支持向量機的植物病害識別研究[D];吉林大學;2007年

相關(guān)碩士學位論文 前10條

1 徐姍;基于高階譜和支持向量機的電梯故障診斷[D];華僑大學;2013年

2 陳建燦;基于高階譜的電梯機械故障診斷[D];華僑大學;2013年

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

4 余師棠;電梯能效測量儀設計與實現(xiàn)[D];華南理工大學;2010年

5 施勇;基于單片機的電梯的控制器的設計[D];沈陽建筑大學;2011年

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

7 王建超;電梯監(jiān)控管理系統(tǒng)的設計與實現(xiàn)[D];吉林大學;2012年

8 鄭恒超;機場電梯聯(lián)網(wǎng)監(jiān)控系統(tǒng)的設計與實現(xiàn)[D];南京理工大學;2013年

9 張東東;基于嵌入式技術(shù)的電梯測試臺的研究與實現(xiàn)[D];天津城市建設學院;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;2013年

本文編號：1416662