小波支持向量機在礦井通風機故障預測中的應用.pdf

1、礦井通風機在煤礦生產(chǎn)過程中具有非常重要的作用，既能保障煤礦生產(chǎn)的安全運行，又可以有效減少煤礦瓦斯事故的發(fā)生，一旦通風機出現(xiàn)故障，就可能會造成嚴重的經(jīng)濟損失甚至危害人員生命安全。因此礦井通風機的故障預測對于提高安全生產(chǎn)和確保人員安全具有重要意義。
　　故障預測的難點在于特征量的提取。故障的信息往往包含于突變信號的某高頻帶內(nèi)，傳統(tǒng)的傅里葉變換對于突變信號和非平穩(wěn)信號的處理存在缺陷，而小波分析在時域和頻域都有良好的效果。所以本文首先采用

2、小波分析代替傅里葉信號分析，通過小波的伸縮平移，可以將信號進行多尺度的分解，得到信號在不同頻帶的小波分解系數(shù)，運用閾值法去除噪聲干擾部分，將小波進行重構(gòu)得到各頻帶信號，再根據(jù)小波系數(shù)平方法計算出高頻小波分解系數(shù)得到信號能量，把信號能量作為故障的特征向量。然后，將特征向量通過規(guī)范化處理后輸入支持向量機中，通過FPE準則來評價支持向量機模型的合理嵌入維數(shù)，同時引入拉格朗日因子，把核函數(shù)導入非線性問題中取代復雜的內(nèi)積運算，從而推導出合理的回歸

3、函數(shù)，利用回歸函數(shù)對輸入的樣本進行訓練，逐步遞推得到支持向量回歸機的預測模型，根據(jù)設定的學習參數(shù)，當訓練誤差滿足要求時，完成整個學習過程，可以進行故障預測。最后，使用LabVIEW上位機軟件對支持向量機預測模型進行實現(xiàn)，通過搭建數(shù)據(jù)存儲、小波去噪和支持向量機學習預測模塊，完成基本程序模塊的構(gòu)建，并通過LabVIEW軟件與MATLAB的無縫連接，在LabVIEW中插入MATLAB節(jié)點實現(xiàn)軟件功能的切換。充分發(fā)揮LabVIEW軟件的可視化和