基于PCA优化LS-SVM的电梯故障诊断研究

摘要

电梯是在运行过程中对质量和安全要求最严格的电气设备之一。电梯轿厢振动的幅度、温度以及轿厢内的噪声都是乘坐电梯安全性的衡量指标。其中，电梯轿厢振动的幅度是最主要的安全指标。电梯发生故障时，及时地对电梯故障分析与诊断并通知专业人员维修对人身安全具有现实意义。本文以电梯常见六种故障为诊断对象，对电梯故障的诊断方法进行研究。论文主要工作如下： 首先，根据电梯故障数据的非平稳性，本文选择小波包分析对故障数据特征提取，提取出九个特征向量。根据电梯故障特征设计出最小二乘支持向量机(LS-SVM)故障诊断分类器，诊断电梯是否故障，并对不同训练函数下分类器的性能进行比较。 其次，利用主元分析〔PCA）对电梯故障原因进行判断，通过分析小波包提取的九个特征向量，判断出不同故障原因的主元特征向量组合，并作出主元特征向量组合贡献贡献图，为本文的电梯故障诊断奠定基础。针对传统主元分析对多故障、多主元特征向量的故障系统数据诊断容易造成主元特征向量的流失问题，本文提出混合主元分析方法对其进行改进，避免因主元特征向量流失而造成的误判。LS-SVM能够快速地检测故障，却不能将故障有效的分离。PCA可以将故障进行具体的分离，有效弥补了 LS-SVM无法分离故障的缺陷。 然后，提出一种基于 PCA优化 LS-SVM的电梯故障诊断方法，利用该方法在主元特征向量间各自构建残差值，通过残差值是否为0来判断电梯运行状态。根据主元残差值对电梯故障信号重构，重构信号能够在电梯运行模型中代替故障信号使电梯保持正常运行状态。 最后，本文以武汉电梯维修中心数据为样本，利用 MATLAB软件对所使用方法进行仿真验证。结果表明，本文所选择的 PCA优化 LS-SVM方案能有效地对电梯故障进行诊断。在电梯故障诊断精确度上提高了2.9%，在诊断时间上缩短了0.22s。

目录

声明

第1章绪论

1.1研究背景与意义

1.2 国内外研究现状

1.3本文主要工作和章节安排

第2章最小二乘支持向量机的基本原理

2.1统计学习的基本原理

2.2支持向量机的分类原理

2.3最小二乘支持向量机的基本原理

2.4本章小结

第3章 基于 LS-SVM的电梯故障诊断

3.1电梯常见故障

3.2用小波包分析对电梯故障的特征值提取

3 .3基于 LS-SVM在电梯故障诊断的实际应用

3.4 本章小结

第4章基于主元分析的电梯故障诊断

4.1 PCA的基本思想及原理

4.2混合主元分析

4.3主元模型建立

4.4主元分析对电梯故障诊断

4.5本章小结

第5章 基于 PCA 优化 LS-SVM电梯故障诊断与信号重构

5.1前言

5.3 MATLAB 仿真实验结果

5.4本文方法对比

5.5本章小结

第6章总结与展望

6.1研究总结

6.2研究展望

致谢

参考文献