基于KNN与SVM两级综合健康指标的托辊故障诊断方法

• 作者: 伊鑫 张海军 彭晨 杨明锦 杨林顺
• 来源期刊: 选煤技术
• 关键词: 带式输送机 托辊故障诊断 K最近邻算法 支持向量机 一级健康指标 二级健康指标 故障识别率
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 自动化与智能化
• 页码范围: 94-102
• 页数: 9页
• 分类号: TD948.9
• 语种: 中文
• DOI: 10.16447/j.cnki.cpt.2020.05.019

摘要

带式输送机是煤炭生产过程中的重要运输设备,但目前其故障诊断技术发展仍不成熟.为推进智能化故障诊断方法在带式输送机故障诊断中的应用,以带式输送机的转动部件——托辊的故障诊断方法为研究对象,提出了一种基于两级综合健康指标的托辊故障诊断方法.该方法以提取的音频序列的Mel频率倒谱系数(MFCC)作为特征,利用K最近邻(KNN)分类算法的结果计算一级健康指标,据此判断故障是否发生;采用支持向量机(SVM)的结果计算二级健康指标,据此对故障程度进行识别,从而最终完成托辊故障等级的智能化评估.在方法验证阶段,使用采集到的屯兰选煤厂托辊声音数据,并依托Matlab平台进行了试验验证,结果表明:该诊断方法能较好地识别托辊故障是否发生并准确判断故障等级,在故障诊断准确性方面优于其他方法.