[發(fā)明專利]一種基于PCA-SVM的盾構(gòu)機故障數(shù)據(jù)清洗方法及裝置

在審

• 申請?zhí)枺?/td>: 202210254946.5
• 申請日: 2022-03-15
• 公開（公告）號: CN114579542A
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計）人: 徐恒吉;楊民強;陳建福;陳鵬;周勝利;郭建豪;劉輝;刁目松;謝旭;孫小玉;高永軍;張超;楊帆
• 申請（專利權(quán)）人: 中鐵十四局集團大盾構(gòu)工程有限公司
• 主分類號: G06F16/21
• 分類號: G06F16/21
• 代理公司: 北京慕達星云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 李冉

本發(fā)明公開了一種基于PCA?SVM的盾構(gòu)機故障數(shù)據(jù)清洗方法及裝置，該方法包括：獲取待診斷盾構(gòu)機運行過程中的各狀態(tài)參量數(shù)據(jù)集：利用PCA算法對各狀態(tài)參量數(shù)據(jù)集進行降維處理；利用SVM算法對PCA算法降維后的狀態(tài)參量中的故障數(shù)據(jù)進行二次清洗。該方法首先利用主成分分析PCA算法，降低盾構(gòu)機運行過程中狀態(tài)參量數(shù)據(jù)集的維度，減小數(shù)據(jù)集的繁雜度。之后利用SVM算法原理，利用分類得出的超平面方程，找出故障類型分類邊界處不同故障類型的故障數(shù)據(jù)，將其剔除。經(jīng)過以上兩次數(shù)據(jù)清洗，找出了能正確盾構(gòu)機運行過程中反應(yīng)故障的狀態(tài)參量，并剔除故障類型分類邊界處的數(shù)據(jù)，消除了過擬合現(xiàn)象，提高了后續(xù)盾構(gòu)機故障診斷的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及盾構(gòu)機的數(shù)據(jù)處理領(lǐng)域，特別涉及一種基于PCA-SVM的盾構(gòu)機故障數(shù)據(jù)清洗方法及裝置。

背景技術(shù)

目前，隨著社會的不斷發(fā)展，人們對鐵路、水利等復(fù)雜工程的需求不斷地增加，對工程的安全性要求也不斷地提升。盾構(gòu)機是一種大型的高科技綜合施工設(shè)備，它專門用來挖掘隧道，進行地下施工，具有開挖快、優(yōu)質(zhì)、安全、經(jīng)濟等優(yōu)點。因此盾構(gòu)機在隧道、水利工程等領(lǐng)域具有很大的應(yīng)用潛力。而做好盾構(gòu)機的故障診斷對于工程安全、進度和成本具有重要意義。

一般來說，在盾構(gòu)機的工作過程中，其一般的故障種類包括液壓系統(tǒng)故障、電器元件損壞、電機無法啟動、變頻調(diào)速系統(tǒng)故障、PLC故障、變壓器故障、刀盤磨損等故障類型。而對上述故障類型的判斷模型的建立一般是由盾構(gòu)機運行過程中的各種掘進參數(shù)來確定的，這些掘進參數(shù)包括刀盤扭矩、掘進速度、總推力、注漿量、注漿壓力、貫入度等。在進行故障診斷模型的建立時，主要利用以上狀態(tài)參量。上述狀態(tài)參量總數(shù)多且繁雜，且所使用數(shù)據(jù)一般存在過擬合現(xiàn)象，從而導(dǎo)致診斷器泛化能力低且診斷精度不高。

發(fā)明內(nèi)容

鑒于上述問題，提出了本發(fā)明提供一種基于PCA-SVM的盾構(gòu)機故障數(shù)據(jù)清洗方法及裝置，可解決目前的盾構(gòu)機故障診斷模型泛化能力低、診斷精度不高的問題。

第一方面，本發(fā)明實施例提供一種基于PCA-SVM的盾構(gòu)機故障數(shù)據(jù)清洗方法，包括：

S10、獲取待診斷盾構(gòu)機運行過程中的各狀態(tài)參量數(shù)據(jù)集：

S20、利用PCA算法對所述各狀態(tài)參量數(shù)據(jù)集進行降維處理，完成一次數(shù)據(jù)清洗；

S30、利用SVM算法對PCA算法降維后的狀態(tài)參量中的故障數(shù)據(jù)進行二次清洗。

在一個實施例中，S20步驟包括：

S201、根據(jù)所述各狀態(tài)參量數(shù)據(jù)集，構(gòu)造狀態(tài)參量矩陣；所述狀態(tài)參量矩陣中的每個狀態(tài)參量均包括多個數(shù)據(jù)樣本；

S202、對每個所述狀態(tài)參量中的每個數(shù)據(jù)樣本進行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化處理之后的狀態(tài)參量數(shù)據(jù)集；

S203、計算并獲得所述標(biāo)準(zhǔn)化處理之后的狀態(tài)參量數(shù)據(jù)集的相關(guān)系數(shù)矩陣；

S204、根據(jù)所述相關(guān)系數(shù)矩陣，獲得所述相關(guān)系數(shù)矩陣的特征值和特征向量；

S205、根據(jù)所述特征值和特征向量，求取貢獻率并得到降維后的狀態(tài)參量矩陣，完成一次數(shù)據(jù)清洗。

在一個實施例中，S201步驟中，構(gòu)造狀態(tài)參量矩陣如下：

X＝{R1,R2,R3…Rm}，R表示狀態(tài)參量，m表示狀態(tài)參量總數(shù)；

其中，每個狀態(tài)參量共包含數(shù)據(jù)樣本數(shù)為n個，即：

r表示數(shù)據(jù)樣本。

在一個實施例中，S202步驟中，對每個所述狀態(tài)參量中的每個數(shù)據(jù)樣本進行標(biāo)準(zhǔn)化處理：