一种电梯导靴故障诊断方法

摘要

本发明涉及一种电梯导靴故障诊断方法，属于特种设备故障诊断技术领域。为了对电梯导靴故障进行更加准确的综合诊断，提出了一种基于Gabor小波变换和多核支持向量机的诊断方法。首先，通过加速度传感器采集设备主体的振动信号，并利用经验模态分解得到固有模态函数分量。然后，采用Gabor滤波器对低频分量进行滤波去噪，实现低频率上提取数据的特征增强。最后，采用权重的方式将局部和全局的核函数进行线性相加，组成了多核支持向量机对数据进行分类。实验结果验证了提出方法的有效性。相比基于小波变换‑最小二乘支持向量机的故障诊断方法，提出方法的故障诊断准确率提高了约5％。

说明书

技术领域

本发明涉及特种设备故障诊断技术领域，特别涉及一种电梯导靴故障诊断方法。

背景技术

电梯作为当今社会使用较为频繁的一种机械设备，具有各种复杂的型号和参数。但是随着乘客对其安全性能的要求不断提高，电梯制造企业已经把安全问题视为产品设计、制造和维护过程中的重点工作。电梯的主要部件集中在轿厢，而导靴为电梯轿厢重要的平衡性部件，如果发生故障会导致电梯发生不同程度的机械抖动，严重影响乘客的舒适感，长期的抖动还可能导致严重的磨损，产生电梯滑落导轨的风险。传统上，电梯导靴故障诊断由专业的工程师通过现场的人工检查或经验分析来完成。但是这种方法对工程师的经验和专业素养要求较高，导致工作效率较低，且准确率无法得到保证。最近，研究人员提出通过提取电梯导靴振动信号的故障特征分量来实现诊断。

发明内容

本发明要解决的技术问题是：提供了一种电梯导靴故障诊断方法，采用Gabor滤波器对低频分量进行滤波去噪，实现更易提取低频率上数据的特征提取特征增强；采用权重的方式将局部和全局的核函数进行线性相加，组成了多核支持向量机对数据进行分类，代替原有的最小二乘支持向量机，进一步提高了分类精度。

实验结果表明，本文提出的电梯导靴故障诊断方法的准确率有了一定的改善。

本发明采用的技术方案是：一种电梯导靴故障诊断方法，包括如下步骤：

S1、电梯导靴振动信号的采集与分析；

S2、构建Gabor小波滤波器，并对电梯导靴故障的特征信号处理；

S3、基于多核支持向量机的电梯导靴故障诊断。

本发明的进一步设置为：所述步骤S1包括如下步骤：

采用EMD对数据进行分解，具体过程如下：

1)假设观测信号为x(t)，找到信号x(t)所有的极值点；

2)拟合x(t)的上、下包络曲线x

3)获取上、下包络线的均值曲线m

4)得到剩余部分h

h

判定是否满足IMF的条件，是的话执行步骤5)；如果否，则h

5)计算余量r

r

6)判定r

经过EMD方法分解就将原始信号分解为线性叠加:

其中，N表示IMF的总数，c

所述步骤S2包括如下步骤：

Gabor小波是较为典型的分辨率分析方法，其函数能够同时在空域和频域中取得最优分辨率；Gabor小波核函数的定义如下：

其中，k

其中，

Gabor小波滤波器可以分为实部和虚部：

ψ

其中实部为：

虚部为：

幅值为：

滤波器的中心频率k

k

其中，k

所述步骤S3包括如下步骤：

本文采用多核支持向量机对数据进行分类，从而对最小二乘支持向量机进行优化，进一步提高了诊断精度；

采用权重的方式将局部和全局的核函数进行线性相加，组成了多核支持向量机，其中组合核函数K(x,z)为：

其中，β

将核函数代入分类的决策函数，得到：

将式(13)代入式(14)，得到线性加权多核支持向量机方法的决策函数为：

本文选择了全局核函数POLY和局部性核函数RBF来构成组合核函数，从而兼顾了全局和局部样本特征；因此，组合核函数K(x,z)为：

K(x,z)＝β

β

其中，β

本发明的有益效果是：本发明提出了一种基于Gabor小波变换和多核支持向量机的电梯导靴故障诊断方法。采用Gabor滤波器对低频分量进行滤波去噪，实现低频率上对提取数据的特征增强，有效解决了现实情况中电梯导靴振动信号的原始微弱特征难以直接提取的问题。然后，采用多核支持向量机对数据进行分类，从而进一步提高了分类精度。通过实验分析得出如下结论：1)采用Gabor滤波器对低频分量进行滤波去噪，能够捕捉电梯导靴振动信号的边缘敏感局部结构信息，并且对不同尺度和方向的变化具有较好的鲁棒性；2)本发明EMD+Gabor+多核SVM方法具有很高的识别率，电梯导靴故障诊断准确率达到87.6％。

附图说明

图1为本发明整体的原理示意图；

图2为Gabor小波与EMD结合处理的IMF分量图；

图3为多核函数性能对比；

图4为不同方法的诊断性能比较；

图5为不同方法的诊断性能曲线比较。

具体实施方式

下面结合附图和具体实施例，对本发明作进一步描述。

实施例1：如图1-5所示，一种电梯导靴故障诊断方法，包括如下步骤：

S1、电梯导靴振动信号的采集与分析；

S2、构建Gabor小波滤波器，并对电梯导靴故障的特征信号处理；

S3、基于多核支持向量机的电梯导靴故障诊断。

具体实施过程如下：

电梯轿厢通过导靴固定在导轨上，导靴的振动可通过导轨传递到轿厢上，选择三维加速度传感器直接测量电梯轿厢在X轴、Y轴、Z轴上的振动情况便可反映导靴的振动情况。由于电梯导靴信号是非平稳信号，因此采用EMD对数据进行分解，然后利用Gabor滤波器对EMD处理过的信号进行优化，最后将经过Gabor小波与EMD结合处理的数据导入多核支持向量机进行训练，并对验证集进行分类验证。

进一步地，所述步骤S1包括如下步骤：

采用EMD对数据进行分解，具体过程如下：

1)假设观测信号为x(t)，找到信号x(t)所有的极值点；

2)拟合x(t)的上、下包络曲线x

3)获取上、下包络线的均值曲线m

4)得到剩余部分h

h

判定是否满足IMF的条件，是的话执行步骤5)。如果否，则h

5)计算余量r

r

6)判定r

经过EMD方法分解就将原始信号分解为线性叠加:

其中，N表示IMF的总数，c

所述步骤S2包括如下步骤：

Gabor小波是较为典型的分辨率分析方法，其函数能够同时在空域和频域中取得最优分辨率。Gabor小波核函数的定义如下：

其中，k

其中，

Gabor小波滤波器可以分为实部和虚部：

ψ

其中实部为：

虚部为：

幅值为：

滤波器的中心频率k

k

其中，k

所述步骤S3包括如下步骤：

本文采用多核支持向量机对数据进行分类，从而对最小二乘支持向量机进行优化，进一步提高了诊断精度。

采用权重的方式将局部和全局的核函数进行线性相加，组成了多核支持向量机，其中组合核函数K(x,z)为：

其中，β

将核函数代入分类的决策函数，得到：

将式(13)代入式(14)，得到线性加权多核支持向量机方法的决策函数为：

本文选择了全局核函数POLY和局部性核函数RBF来构成组合核函数，从而兼顾了全局和局部样本特征。因此，组合核函数K(x,z)为：

K(x,z)＝β

β

其中，β

案例：

为进一步验证提出的Gabor滤波+多核函数支持向量机诊断方法的性能，将其与SVD+LMD+SVM[7]、SVD+EMD+SVM[8]、EMD+TQWT+LSSVM[9]进行了对比，进行了400次样本训练。不同方法的诊断性能比较结果如图4和图5所示，其中，核函数的参数取值为＝4.5，＝3。

从图4和图5可以看出，相比基于LMD的SVM诊断，基于EMD的SVM诊断方法具有更好的准确率，这是因为EMD表现出较为良好的鲁棒性。而且，在基于EMD的SVM诊断方法中，本文EMD+Gabor+多核SVM方法具有最高的识别率，电梯导靴故障诊断的准确率达到87.6％。这是因为本文采用基于Gabor小波提取特征的方法具有明显的频率特性和方向选择性，能够捕捉边缘敏感局部结构信息，并且对不同尺度和方向的变化具有较好的鲁棒性。

本发明提出了一种基于Gabor小波变换和多核支持向量机的电梯导靴故障诊断方法。采用Gabor滤波器对低频分量进行滤波去噪，实现低频率上对提取数据的特征增强，有效解决了现实情况中电梯导靴振动信号的原始微弱特征难以直接提取的问题。然后，采用多核支持向量机对数据进行分类，从而进一步提高了分类精度。通过实验分析得出如下结论：1)采用Gabor滤波器对低频分量进行滤波去噪，能够捕捉电梯导靴振动信号的边缘敏感局部结构信息，并且对不同尺度和方向的变化具有较好的鲁棒性；2)本文EMD+Gabor+多核SVM方法具有很高的识别率，电梯导靴故障诊断准确率达到87.6％。

以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。