[发明专利]一种基于声波信号的皮带运输机托辊六类运行状态识别方法

权利要求书

1.一种基于声波信号的皮带运输机托辊六类运行状态识别方法，用于皮带运输机托辊运行状态识别与实时监测中，托辊的六类运行状态分别为正常、托辊轴承断裂、托辊盖板松动、托辊盖板脱落、托辊断裂、托辊振荡；其特征在于，操作步骤如下：

步骤1、根据托辊运行状态类别数N，N＝6，将样本数据分为N₁类和N₂类，N₁+N₂＝N，相应地，训练数据样本集合D分为D_N1与D_N2，并训练一个支持向量机分类器C_D12；

步骤2、将训练数据样本集合D_N1中的N₁类数据划分成N₁(N₁-1)/2个组，并训练出分类器

步骤3、将训练数据样本集合D_N2中的N₂类数据划分成N₂(N₂-1)/2个组，并训练出分类器

步骤4、建立完整的支持向量机多类分类模型；

步骤5、基于测试数据样本集合T＝{s₁，s₂，…，s_n}测试皮带运输机托辊运行状态识别方法的精确度；

步骤6、基于训练数据样本与测试数据样本分类准确率，对支持向量机分类器进行优化，得到最优的分类精度。

2.根据权利要求1所述的基于声波信号的皮带运输机托辊六类运行状态识别方法，其特征在于，所述步骤1的具体步骤：

步骤1.1、将托辊运行状态声波信号数据类别数N分解成N₁类和N₂类，其中N₁和N₂满足条件N₁+N₂＝N；若是N是偶数，则进一步有这个条件：N₁＝N₂＝N/2；若是N是奇数，则进一步有条件N₁＝N₂+1或者N₂＝N₁+1；

步骤1.2、将训练数据样本集合D对应N₁类和N₂类分为两大类，分别为D_N1与D_N2；

步骤1.3、将训练样本数据集合D_N1与D_N2作为输入数据训练一个二分类支持向量机分类器C_D12，能实现N₁类和N₂类的有效分类。

3.根据权利要求1所述的基于声波信号的皮带运输机托辊六类运行状态识别方法，其特征在于，所述步骤2的具体步骤：

步骤2.1、将训练样本数据集合D_N1对应N₁数量分为样本数据集合

步骤2.2、将样本数据集合作为支持向量机分类器输入，两两一组分别训练出一个二分类支持向量机分类器，得到分类器其中i与j都是整数，i＜j，j≤N₁。

4.根据权利要求1所述的基于声波信号的皮带运输机托辊六类运行状态识别方法，其特征在于，所述步骤3的具体步骤：

步骤3.1、将训练样本数据集合D_N2对应N₂数量分为样本数据集合

步骤3.2、将样本数据集合作为支持向量机分类器输入，两两一组分别训练出一个二分类支持向量机分类器，得到分类器其中k与l都是整数，k＜l，l≤N₂。

5.根据权利要求1所述的基于声波信号的皮带运输机托辊六类运行状态识别方法，其特征在于，所述步骤4的具体步骤：

步骤4.1、计算出步骤2和步骤3得到的支持向量机分类器个数，步骤2得到的分类器个数为N₁(N₁-1)/2，步骤3得到的分类器个数为N₂(N₂-1)/2；

步骤4.2、计算出整个训练样本数据集合D经步骤1到步骤3得到的支持向量机分类器个数为