基于贝叶斯决策模型的热轧卷筒电机故障诊断

• 作者: 谢丰 付文鹏 李阳 谢向群 李维刚
• 来源期刊: 中国冶金
• 关键词: 卷筒电机 贝叶斯分类器 支持向量机 Fisher分类器 故障诊断
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 生产技术|Production Technology
• 页码范围: 68-73
• 页数: 6页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1006-9356.20200514

摘要

卷筒电机是卷筒的动力来源,对钢卷卷形质量和卷取稳定性有着重要影响.针对热连轧机组卷取工序中卷筒电机的鼠笼条断裂问题,通过从现场采集卷筒电机电流信号,并经过信号截取、滤波、拟合等操作提取出信号特征,利用多元高斯模型进行建模,并基于最小风险的贝叶斯分类算法对其进行故障诊断.试验结果表明,采用最小风险贝叶斯决策模型可以较好地识别卷筒电机的鼠笼条断裂故障,与支持向量机、Fisher等分类器相比,该方法具有较好的分类效果,且通过调节风险系数能够增强对异常样本的捕获能力.