摘要
针对地铁环境无法实时监控风机运行状态且故障发生后故障类别无法快速识别等问题,提出了一种基于多分类支持向量机的智能故障诊断方法。首先,通过振动传感器实时采集风机振动、位移信号,采用支持向量机机器学习算法构建故障诊断模型。然后,通过故障案例库及历史采集数据集对模型进行强化训练学习,获得最优模型。最后,将振动传感器采集的实时信号进行频谱分析及模糊化处理,输入故障诊断模型,识别出风机实际故障类型,自动完成故障派修。实验结果表明,所提方法能够在线快速识别风机故障并迅速做出响应,切实提升了地铁风机安全运营的可靠性及设备运维的智能化水平。
作者
李聪
杨国彬
LI Cong;YANG Guobin
出处
《信息技术与信息化》
2023年第4期153-156,共4页
Information Technology and Informatization
