巫小燕,刘永明,谢鹏,刘志博,赵转哲

• 1:安徽工程大学机械工程学院
• 2:安徽中烟工业公司芜湖卷烟厂

摘要(Abstract)：

针对CTD气流式烘丝机设备运行过程中出料不均匀、烟丝含水率不均匀等故障预测依靠工程师经验判断造成预测准确率较低的问题，以主风机频率、主风机气流量等工艺参数为故障预测属性，以出料口质量、含水率等指标为故障判据，对工艺过程进行故障分类标注，首先，采用松弛变量法，构建支持向量机故障预测目标函数，建立故障预测模型，接着利用运行数据与故障标注，采用留出验证法，对模型进行训练，并与决策树、逻辑回归等方法故障预测结果进行对比.模型仿真结果显示，所建支持向量机故障预测模型，故障预测准确率为99.6%,真正例率为99.8%,ROC值为0.99,故障预测效果较好，实现了CTD烟丝干燥设备故障预测.

关键词(KeyWords)： CTD气流式烘丝机;支持向量机算法;故障预测;决策树算法;逻辑回归算法

Abstract:

Keywords:

基金项目(Foundation): 2021年度安徽省市场监督管理局科技计划项目(2021MK005);; 工业装备质量大数据工业和信息化部重点实验室开放课题(2021-IEQBD-05);; 2021年产学合作协同育人项目(202101024001,202102031024)

作者(Author): 巫小燕,刘永明,谢鹏,刘志博,赵转哲

DOI: 10.16393/j.cnki.37-1436/z.2022.05.019

参考文献(References)：

• [1]Chauhan V K,Dahiya K,Sharma A.Problem formulations and solvers in linear SVM:a review[J].Artificial Intelligence Review,2019,52(2):803-855.
• [2]Rizwan A,Iqbal N,Ahmad R,et al.WR-SVM model based on the margin radius approach for solving the minimum enclosing ball problem in support vector machine classification[J].Applied Sciences,2021,11(10):4657.
• [3]Tan X,Yu F,Zhao X.Support vector machine algorithm for artificial intelligence optimization[J].Cluster Computing,2019,22(6):15015-15021.
• [4]Siqueira L F S,Morais C L M,Araújo Júnior R F,et al.SVM for FT-MIR prostate cancer classification:An alternative to the traditional methods[J].Journal of Chemometrics,2018,32(12):3075.
• [5]邓曾，李丹，柯樱海，等.基于改进SVM算法的高分辨率遥感影像分类[J].国土资源遥感，2016,28(03):12-18.
• [6]院老虎，连冬杉，张亮，等.基于密集连接卷积网络和支持向量机的飞行器机械部件故障诊断[J].吉林大学学报(工学版),2021,51(05):1635-1641.
• [7]韩耀辉，刘波澜，王文泰，等.基于支持向量机的柴电混合动力故障诊断研究[J].内燃机工程，2022,43(01):101-108.
• [8]李森娟，张萍，岳大为，等.基于支持向量机的风电机组故障预测[J].计算机仿真，2022,39(05):84-88+180.
• [9]孙原理，宋志浩.基于多物理场信号相关分析与支持向量机的离心泵故障诊断方法[J].振动与冲击，2022,41(06):206-212.
• [10]罗巍，卢博，陈菲，等.基于PSO-SVM及时序环节的数控刀架故障诊断方法[J].吉林大学学报(工学版),2022,52(02):392-399.
• [11]郭小萍，尹瑞琛，李元.基于MDP-SVM的过程多类型故障诊断[J].电子测量技术，2022,45(01):159-164.
• [12]黄新波，蒋卫涛，朱永灿，等.基于时间序列和支持向量机的变压器故障预测[J].高电压技术，2020,46(07):2530-2538.