斗式提升机向量机单值分类方法

常用的支持向量机单值分类方法是支持向量区域描述((Support V ector D om ain D escription,  SVDD)。SVDD的基本思想是:通过该函数将输入空间数据映射到一个高维特征空间，在这个高维空间中构造一个超球体，使球里面的样本征常数据)尽量包牢、包纯，面拒绝其他未知类别的样本傲障数据)进入;在球面上的点即为SVDD所求的支持向量，面这些点可以支撑超球体的形成。

绝对值判定标准的建立

振动烈度标准依据工S 0 10816-3-1998和GB/T 6075.3-2001，该标准分为4个等级区域，振动烈度评价等级如表1所列。各等级区域为A优)、B良)、C较差)和D（差）。

相对值判定标准建立

研究历史数据发现，斗式提升机电动机、减速器的振动烈度值一般为4.5mm冷左右时，检修人员就对提升机进行检修。所以笔者选取了这一范围的数据作为训练数据，依据文献[3 ]中SVDD算法，在M ATLAB环境下建立该算法模型，求取a和R2。结果汇总如表2所列。

试验

将表1, 2的研究结果移植到系统中，并在某矿副立井提升机中进行了试验。试验结果如图6, 7所示。

从图6可以看出，当时电动机的振动情况是:用绝对值判定法，数据全部居于B和C等级区域;用相对值判定法，数据正常率也偏低。结合最近10勾的电动机振动趋势，数据均在4.5 m m冷之上。可以得出，这一大的提升机该检修了。从图7可以看出，数据已全部落在C等级区域里，最近10勾的电动机振动趋势图中，斗式提升机振动烈度值均已在6之上，已濒临警戒线7.10

从图6 (a)和图7 (a)也可以看到，相对值判定法是可靠的。这为利用一些尚未有绝对值判定标准的参数进行诊断提供了技术方法。5结语    笔者提出的基于HTML5移动平台的矿井提升机故障诊断系统已在实际中应用，可为煤矿人员提供工况监测、历史数据查询和故障诊断等服务。需要指出的是，系统的故障诊断功能目前只能够利用当大的数据进行分析，判断当大提升机运行是否良好，为检修人员提供建议，避免了欠检修和过检修，做到视情检修。若提升机出现故障，系统尚不能判断何种故障，这是因为系统刚试运行，还没有收集到足够的故障数据进行研究，这也是下一步的研究方向。