基于支持向量机的提升机制动系统故障诊断

针对提升机制动系统中常见的卡缸故障,利用支持向量机(SVM)这一新的机器学习方法进行智能诊断．在某一闸系统正常时获得2组信号,卡缸时获得6组信号,采用3层小波包对闸瓦间隙-时间信号进行分解,以各频带的能量为元素构造特征向量,形成故障诊断样本,在Mat- lab6．5环境下用SVM工具箱进行编程,建立SVM故障分类器并对测试样本进行测试,从而实现提升机制动系统卡缸故障诊断．实验结果表明,在不到0．1 s时间内,就建立了SVM故障分类器,该分类器对测试样本的诊断正确率达到了100％;当训练样本由6组减少至4组时,SVM故障分类器仍可以有效地实现对卡缸故障的诊断．因此,SVM方法对于少样本的故障诊断有较强的适应性,非常适合于矿井提升机这种安全运行要求很高,但又不具备大量故障样本的系统．