基于支持向量机技术的远程带式输送机托辊故障识别
【摘要】:远程带式输送机作为散料运输的关键设备得到广泛应用,但其托辊故障发生率高,极易引发各种事故。为了克服传统人工巡检的缺点,本文对托辊的巡检方式进行研究,同时提出了托辊的巡检方案。结合远程带式输送机的运行环境及特点,本文提出一种自动巡检装置方案实现托辊的巡检。此装置行走在H型钢轨道上,通过携带拾音器、红外热像仪等设备采集托辊运转数据,并将数据存储至工控机中,通过上位机实现数据分析及处理。由巡检环境确定了巡检装置的主要功能需求及性能指标,对巡检装置的系统组成和驱动方案进行分析,设计自动巡检装置结构,包括:驱动装置和设备搭载箱,并对巡检装置所搭载的一些设备进行选型。通过分析托辊常见故障类型,提出一种基于MFCC-PCA和SVM的托辊故障识别方法。首先,将采集的4组托辊故障声音进行声道合并、归一化处理。然后,使用梅尔倒谱系数(MFCC)作为托辊声音的12维特征参数,使用主成分分析(PCA)进行特征降维。最后,构建支持向量机(SVM)分类器,选择合适的核函数并使用网格搜索法优化相关参数,将降维后的7维特征参数输入SVM模型进行分类。结果显示4组仿真实验的分类准确率都达到95%以上,验证了这一方法对托辊故障识别的有效性。本文提出的自动巡检装置方案和基于MFCC-PCA和SVM故障识别方法对于完善远程带式输送机巡检方法、提高托辊巡检效率、避免安全事故发生等方面具有重要意义。