基于支持向量数据描述与信息融合的设备性能退化评估研究

上海交通大学硕士学位论文基于支持向量数据描述与信息融合的设备性能退化评估研究姓名：刘雨申请学位级别：硕士专业：机械设计及理论指导教师：陈进20090201摘要基于支持向量数据描述与信息融合的设备性能退化评估研究I基于支持向量数据描述与信息融合的设备性能退化评估研究摘要对大型设备工作状态的智能维护已经逐渐成为故障诊断领域新的研究热点。对设备性能退化的评估是智能维护技术的重要组成部分，也是对设备运行状态做出合理预测的基础。一般而言，从设备性能开始退化到设备完全失效通常要经过一系列不同的性能退化状态。如果能够在设备性能退化过程中识别出设备性能退化的程度，就可以有针对性地组织生产和设备维修，防止设备异常失效的发生。为了能够准确地对大型设备的性能退化过程进行描述，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，提出了一种基于支持向量数据描述(SVDD)和信息融合技术的设备性能评估方法。支持向量数据描述是一种以统计学习理论为基础的全新的数据描述方法，它通过建立同类数据的高维超球体空间，计算样本点相对于该球体的广义距离，能够有效地判断出样本点与该数据类别的从属关系，近年来支持向量数据描述被广泛应用于设备异常状态检测和故障诊断领域。本文将这一方法应用于性能退化评估中，通过该算法分组件地评估来自局部传感器的数据，给出局部性能的评估描述；同时考虑到评估过程中所进行的申请上海交通大学硕士学位论文II机械系统与振动国家重点实验室状态识别过程往往带来庞大的计算量，因此运用了遗传算法，提前对来自多传感器的多维数据做特征约简处理，使评估过程针对性更强，这不仅改善了评估结果的准确性，同时使评估效率得到了有效得提高。由于对大型设备的评估要对设备进行多角度，多通道的数据采集，这就需要运用信息融合技术对来自多传感器的信息进行综合，从而减少多传感器信息之间的冗余，不确定性，甚至是矛盾。本文采用了D-S证据理论作为信息融合方法，提出了从局部评估到整体融合的设备性能评估流程。通过实验证明，本文所提出的性能评估方法，不论从对局部性能的评估上，还是从信息融合后整体设备的性能变化过程的描述中，都达到了与实际情况基本符合的标准，同时针对设备性能评估方法，在面向服务架构下开发了实现系统，为该方法的实际应用奠定了良好的基础。关键词：性能退化评估，支持向量数据描述，特征约简，信息融合，D-S证据理论，面向服务架构摘要基于支持向量数据描述与信息融合的设备性能退化评估研究IIIRESEARCHONEQUIPMENTPERFORMANCEDEGRADATIONBASEDONSVDDANDINFORMATIONFUSIONABSTRACTIntelligentMaintenanceforlargeequipmenthasbeenbecominganewhotspotinfaultdiagnosisresearchfield.TheequipmentperformancedegradationassessmentisoneofimportantpartsoftheIntelligentMaintenance,whichisalsothefoundationoftheequipmentrunningstatesprediction.Generallyspeaking,theprocessoftheequipmentperformancedegradationcanbedividedintomanydifferentperformancedegradationstates.Itwillbeeasierforengineertoorganizeproductionandmaintainequipmentiftheequipmentstateanditsdegradationlevelcouldbeidentifiedwhenitrunning,whichwillpreventthefaulthappeningeffectively.WiththesupportofKeyProjectsupportedbyNationalHigh-techR&DProgram(863Program)ofChina(2006AA04Z175)andprojectsupportedbyNationalNaturalScienceFoundationofChina(50675140),anovelmethodforperformancedegradationassessmentisproposed,whichbasesontwotechniques:SupportVectorDataDescription(SVDD)andInformationfusiontechnology.SVDDisanewdatadomaindescriptionmethod,whichproposedinthestatisticalLearningTheory.Thisdatadescriptionshouldcovertheclassof申请上海交通大学硕士学位论文IV机械系统与振动国家重点实验室objectsrepresentbythetrainingset,andideallyshouldrejectallotherpossibleobjectsintheobjectspace,whichcanbewidelyappliedtofaultdiagnosis.ThenewmethodbasedonSVDDisproposedinourresearch.Thealgorithmwasusedtoassessthepartsperformanceaccordingtothedatafromsensor.Simultaneously,consideringthecomputationalcomplexitybroughtbystaterecognition,afeaturereductionalgorithmbasedongeneticalgorithmisadoptedtoextractthefeatureinformationwhichmakestheassessmentresultmoreaccuratelyandquickly.Asfortheneedofcomprehensivenessequipmentperformanceassessment,multi-sensordataacquisitionwasadopted,whichmeansthattheinformationfusionbecomenecessaryinassessmentprocess.Dempeter-Shafertheoryisadoptedinourresearch,whichcandealwiththeevidenceredundancy,uncertainty,evencontradictioneffectively.Asshowninexperience,theassessmentresultusingtheprocessproposedinthispaperaccordswiththepracticalsituation,whichmeansthisassessmethodcouldbeusedinfuture.AnequipmentperformancedegradationassessmentsystembasedonSOAwasproposed,whichlaysaverysolidfoundationforapplicationpracticalapplicationofthisassessmentmethod.KeyWords:PerformanceDegradation，SupportVectorDataDescription，FeatureReduction，Informationfusion;Dempeter-Shafertheory．Service-OrientedArchitecture(SOA)上海交通大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本学位论文属于不保密□√。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月第一章绪论第一章绪论1.1课题概述1.1.1课题来源本学位论文部分内容是来源于国家自然科学基金资助项目（50675140）——面向IMS并基于信息融合的设备性能退化评估与预测；国家高技术研究发展计划（863计划，2006AA04Z175）——大型变频鼓风机故障预测与维护技术研究；同时也是安徽马鞍山钢铁厂在线监测与诊断系统的重要组成部分。1.1.2课题背景随着科学技术的进步和工业需求的发展，作为主要生产工具的各类先进设备一方面不断向复杂、高速、高效、轻型、微型或大型的方向发展，另一方面却又面临更加苛刻的工作和运行环境。在满足生产要求的同时，设备发生故障的潜在可能性和方式也相应增加，并且一旦设备的关键部件发生故障，就可能破坏整台设备甚至影响整个生产过程，造成巨大经济损失，还可能导致灾难性的人员伤亡和形成严重的社会影响[1]。近几十年来，因关键设备出现突发故障而造成的灾难性事故时有发生。1988年2月，秦岭发电厂200MW5号汽轮发电机组发生轴系断裂的特大事故，主机基本毁坏；1998年9月德国高速列车轮箍踏面断裂导致翻车；2000年9月三峡工地发生塔带机断裂事故，造成34人伤亡；2003年2月美国哥伦比亚号航天飞机返回时空中解体等等。据统计，制造企业设备的维护费用的60％是由突然的故障停机引起的，即使在技术极为发达的美国，每年也要支付2000亿美金来对设备进行维护，而设备停机所带来的间接生产损失则更为巨大[2]。如何制定设备维修计划、避免设备恶性突发事故的发生是当前迫切需要解决的一个问题。一般而言，机械设备在其使用过程中可分为四个状态：正常状态、性能退化状态、维护状态和故障（失效）状态。在性能退化状态，设备的性能会逐渐恶化。从设备性能开始退化到设备完全失效通常要经过一系列不同的性能退化状态。因此，如果能够在设备性能退化的过程中检测或测量到设备性能退化的程度，那么就可以有针对性地组织生产和设备维修，防止设备异常失效的发生。设备性能退化评估与预测正是基于以上思想提出的一种主动设备维护的技术[3]。设备性能退化评估与预测侧重于对设备性能衰退状态全过程的走向预测，而不在于某个时间点的性能状态诊断，因此，其与现有的故障诊断技术在理念上和方法上都有很大的不同。研究发展设备性能退化评估与预测技术，改变传统的被动设备维修模式FAF（FailandFix），促使设备维修制度从事后维修、定期维修、视情维修向预测维修方向发展，实现设备主动维护模式PAP基于支持向量数据描述与信息融合的设备性能退化评估研究1申请上海交通大学硕士学位论文（PredictandPrevent），避免因设备而引起的灾难性事故，提高设备的利用率，缩短设备的停机维修时间，这对于提高企业的经济效益和社会效益，促进国民经济的发展具有十