基于SVM-DS融合的破碎机故障智能诊断技术研究

作者：王甜甜; 卢才武; 李发本

来源：矿业研究与开发, 2018, 38(05): 69-73.

DOI：10.13827/j.cnki.kyyk.2018.05.017

• 旋回式破碎机
• 故障诊断
• SVM
• D-S证据理论
• 多源信息融合

针对矿山旋回式破碎机结构庞大,运行机理复杂以及故障关联性较强的问题,在利用传感器系统采集多源异质数据的基础上,提出一种基于支持向量机(SVM)和D-S证据理论的破碎机故障诊断方法。首先,利用所采集的破碎机的振动、声音、温度和压力数据信息构建多个特征证据体;然后,使用"一对一"多分类SVM对每个证据体进行初步的训练、测试、分析诊断;其次,利用D-S证据理论将初步的SVM诊断结果进行融合,得出最终结果;结果表明:D-S融合后的故障诊断正确率平均为93.2%,与融合前的单一证据体SVM故障诊断正确率高16.8个百分点。由此可得,基于SVM和D-S证据理论的矿山破碎机故障智能诊断方法准确、可靠,在矿山企业具有较高的应用实践价值。

• 单位
  西安建筑科技大学; 洛阳栾川钼业集团股份有限公司