基于逻辑回归和支持向量机的设备状态退化评估与趋势预测研究

现代工业不断向大型化、连续化、高速化、重载化和智能化等方向发展。这些发展降低了生产成本、提高了生产效率,大大提高了产品的设计、制造和服务速度;同时,倘若这类复杂的设备发生意外的或突然的故障,不仅会影响企业的生产效率、造成经济损失,而且会增加企业的维护和修缮成本,严重时甚至造成人员伤亡、引发社会问题。因此,如何准确有效地针对关键旋转机械设备开展状态监测和故障预测工作,避免设备恶性突发事故是当前迫切需要解决的问题。 传统的和现有的设备状态监测与故障诊断技术的基础理念是被动的维修模式FAF(Fail and Fix),已经不能完全满足保障设备正常、高效和安全运行的需求。因此,研究基于主动维护模式PAP(Predict and Prevent)的设备性能退化评估(Performance Degradation Assessment)及故障预测(Fault Prediction)理论和技术,以期对设备故障的发生与发展能够达到防微杜渐、防患于未然的目的,具有重要的科学理论意义和工程应用价值。 本论文在国家高技术研究发展计划(863)项目“大型变频煤气鼓风机故障预测与维护技术研究”(项目编号:2006AA04Z175)和国家自然科学基金面上项目(No. 50675140)“面向IMS并基于信息融合的设备性能退化评估与预测”的资助下开展研究,研究工作主要包括以下几个方面: (1)在Bently转子实验台进行机器状态模拟,模拟了设备的运行状态的退化情况包括:正常、加载不同不平衡质量、不平衡外加径向碰磨等共7个逐渐退化的状态。采集机器状态振动信号,并对获取的原始状态数据进行数据预处理,时域和频域的特征提取,以便利用获取数据对退化评估模型和趋势预测模型进行验证。 (2)研究了运用逻辑回归模型评估设备的运行状态的退化情况。将设备的运行状态定义为正常、可接受、异常、故障四种退化状态。在模型变量选择时,利用设备故障的主要振动信号时域和频域特征值作为自变量,以设备的较为明显的特征值的大小范围来定义对应的先验状态值。逻辑回归模型的评估参数的可解释性,很好的解决了数据的冗余性,在评估时候,可以有针对性的选择较好的自变量。评估结果曲线较好的反应了转子模拟的退化情况。 (3)研究了采用支持向量机回归对设备的运行状态的趋势进行预测。并对支持向量机模型的参数选择提出了利用交叉验证方法求最优解。并对核函数、核函数的参数大小、预测的步长对单步和多步预测结果的精度影响做了详细的分析。 (4)对基于逻辑回归和支持向量机的设备性能退化评估子系统软件实现的构架设计进行了研究。采用功能设计,ActiveX控件技术,基于软件组件复用技术,实现退化评估组件的开发;使用ADO技术和VB开发工具编写DCOM数据库访问组件;利用SQL数据库技术建立退化评估数据库,搭建系统子系统。