煤礦機(jī)械振動(dòng)信號(hào)預(yù)測(cè)研究

肖雅靜，李旭，郭欣

(天地科技股份有限公司，北京 100013)

0 引言

常用煤礦機(jī)械設(shè)備監(jiān)測(cè)監(jiān)控系統(tǒng)通過(guò)設(shè)定門限值實(shí)現(xiàn)機(jī)械設(shè)備故障報(bào)警，但發(fā)生報(bào)警時(shí)設(shè)備已經(jīng)出現(xiàn)了不同程度的損壞或者性能降低，這種滯后報(bào)警給維護(hù)、維修工作帶來(lái)很大的被動(dòng)性，導(dǎo)致設(shè)備存在安全隱患[1]。振動(dòng)信號(hào)能快速響應(yīng)機(jī)械設(shè)備的狀態(tài)變化，且適用的信號(hào)處理方法靈活多樣，因此振動(dòng)信號(hào)分析法在機(jī)械故障診斷中應(yīng)用最為廣泛，張?chǎng)捂耓2]、李赟恒[3]、關(guān)長(zhǎng)江[4]、華偉[5]等對(duì)煤礦機(jī)械振動(dòng)信號(hào)去噪、特征提取等進(jìn)行了研究。在一般情況下，通過(guò)提取振動(dòng)信號(hào)的特征能夠分析出機(jī)械設(shè)備的運(yùn)行狀態(tài)，因此，采用機(jī)械振動(dòng)信號(hào)對(duì)機(jī)械設(shè)備狀態(tài)進(jìn)行準(zhǔn)確的預(yù)測(cè)有重要意義。通過(guò)查閱大量文獻(xiàn)，發(fā)現(xiàn)目前對(duì)機(jī)械振動(dòng)信號(hào)預(yù)測(cè)的研究主要集中在非煤行業(yè)[6-8]，對(duì)煤礦機(jī)械振動(dòng)信號(hào)預(yù)測(cè)的研究較少。針對(duì)上述問(wèn)題，本文提出一種以本征模態(tài)函數(shù)(Intrinsic Mode Function，IMF)分量為輸入特征的基于支持向量機(jī)(Support Vector Machine，SVM)的煤礦機(jī)械振動(dòng)信號(hào)組合預(yù)測(cè)方法。首先對(duì)振動(dòng)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)，將分解之后的IMF分量按照其波動(dòng)程度分成高頻振動(dòng)序列和低頻振動(dòng)序列兩組，并分別重構(gòu)為高頻子序列和低頻子序列，然后選擇IMF分量為輸入特征，采用SVM分別對(duì)高頻子序列和低頻子序列進(jìn)行預(yù)測(cè)，最后將二者的預(yù)測(cè)結(jié)果疊加，得到最終預(yù)測(cè)值。該組合預(yù)測(cè)方法提高了煤礦機(jī)械振動(dòng)信號(hào)預(yù)測(cè)精度。

1 組合預(yù)測(cè)方法原理

1.1 EMD

EMD是一種自適應(yīng)的時(shí)頻分析方法，它能夠把非平穩(wěn)信號(hào)分解成若干IMF分量，各IMF分量分別凸顯出原始信號(hào)的特定局部特征[9-11]。……