正负类双超球体模型在电梯故障诊断的应用.docx

电梯故障诊断是一个重要的领域，随着电梯使用数量的不断增长，故障和维护问题也变得日益突出。现有的电梯故障预测方法，如基于环境温湿度的模型、振动信号分析等，虽然取得了一定成果，但存在精确度不高、易受干扰或计算复杂的问题。电梯的曳引机电信号变化是一个相对稳定的特征，更适合用于状态监测。 支持向量域描述（SVDD）是一种一类分类模型，常用于大型设备故障诊断，包括电梯故障诊断。然而，原始的SVDD模型存在分类精度低、鲁棒性差和计算效率慢的问题。对此，研究人员提出了改进的模型，如DSHDD、PSO-SVDD和SMO-SVDD，分别通过增加松弛变量、优化正则化参数和减少存储开销来提升性能。然而，这些改进仍存在局限，如处理样本数据漂移和适应多样故障情况的能力不足。 针对上述挑战，文章提出了一种正负类双超球体电梯故障诊断模型，利用电梯的电压-电流信息。这一模型由两个超球体组成，一个代表正常状态（正类），另一个代表异常状态（负类）。通过训练历史样本来确定这两个超球体的参数，然后计算待测样本与两个超球体球心的距离，以判断样本属于正常还是异常。为了减轻优化软边界带来的计算负担，文章引入了凸二次双层规划理论，结合B-SVDD方法，使得模型能更好地适应数据漂移，有效判别未知异常样本。 此外，文章通过堆叠正负类双超球体模型，进一步提升了故障样本的分类诊断能力。通过对判别结果的平均准确率统计分析，验证了该方法的有效性。这种方法提供了一种更精确、更快速的电梯故障检测手段，有助于降低后续维护成本，提高电梯运行的安全性和可靠性。 该研究创新性地利用正负类双超球体模型解决电梯故障诊断中的样本不平衡问题，结合凸二次双层规划理论优化模型，有效地处理了数据漂移和多样故障情况，为电梯故障检测领域提供了新的思路和工具。