[发明专利]一种基于信号测试的印刷设备远程故障诊断方法及系统

说明书

技术领域

本发明属于印刷设备远程故障诊断技术领域，尤其是涉及一种基于信号测试的印刷设备远程故障诊断方法及系统。

背景技术

随着印刷设备技术含量的不断提升，印刷设备故障日益趋向综合化、复杂化，一旦发生的故障得不到及时解决，必定会造成大量的原材料浪费，直接影响企业效益。当前印刷设备故障诊断主要依靠经验和振幅阈值检测，加上操作人员诊断知识缺乏，已经无法达到快速准确诊断的目的。同时印刷设备大部分运行历程处在正常状态，且出现的故障类型也无法预测，常常需要借助异地专家进行辅助诊断，因此印刷设备远程故障诊断技术将是印刷行业发展的必然趋势。

当前涉及印刷设备远程故障诊断发明有：“专利号CN200510069686，用于印刷设备的远程诊断系统”，其主要描述各子系统之间的数据传输及访问；“专利号201110365946，基于虚拟现实技术的印刷设备实时远程维护系统”，其主要是描述一种具备虚拟现实模块的印刷设备实时维护系统，可在无网络服务情况下实现印刷设备远程维护功能；“专利号201410109969，一种印刷设备远程故障监测系统及方法”，其主要描述了现场设备、监控服务器和远程访问端三者之间的通信连接。三者共同的问题是仅描述远程诊断子系统间的连接及通信方式，未涉及印刷设备具体诊断算法及实施流程。

发明内容

本发明的目的就是为了克服上述技术问题而提供一种基于信号测试的印刷设备远程故障诊断方法及系统。

为了实现上述目的，本发明的技术方案如下：一种基于信号测试的印刷设备远程故障诊断方法，包括现场数据采集平台、数据和系统维护中心、印刷设备监测及服务平台三部分，由Inernet技术实现三部分间的信息传输，其特征在于，包括以下步骤：

1)印刷设备测试信号的采集；

2)基于One-Class SVM的印刷设备异常检测；

3)异常检测最佳核函数及参数选择；

4)故障模式识别中基础故障概率的获取；

5)多传感器特征信息融合诊断方法；

6)故障诊断数据库的设计；

7)系统整体结构及通讯方式；

8)故障诊断的远程实现；

9)系统功能实现。

2.所述步骤1)中对印刷设备测试信号的采集，包括离散状态信号，连续状态信号和印刷图文信息。

3.所述步骤2)中One-C1ass SVM异常诊断方法，只需要印刷设备正常状态样本，通过自适应学习后形成特征轮廓，之后可以识别异于该轮廓的故障状态，从而实现印刷设备异常状态检测。

4.所述步骤3)中异常检测最佳核函数是选取高斯核函数作为原始数据映射到特征空间的非线性映射函数，核参数σ采用参数寻优方法，将部分原始数据作为测试数据，不断优化参数，得到最优特征轮廓。

5.所述步骤3)中将正常状态下的印刷设备信号特征作为样本集，将样本集通过核函数映射到高维特征空间，同时在高维空间中寻找一个以a为圆心，以R为半径的超球体，并引入松弛变量ξ_i，使得超球体尽可能包含所有数据样本，同时为了减少判断误差，需要该超球体容积尽量小，通过优化公式(1)得到包含大多数目标训练样本的超球ε(R，a，ξ)，如公式(1)：

式(1)中：l为样本数；Φ(x_i)为输入样本x_i的映射函数；a为高维空间中的某一圆心，R为超球半径，v作为一种折中尺度，可通过印刷设备实际运行情况选取。减小v值，可将数据尽可能放入球内；增大v值，可尽量缩小球半径，以保证判别准确性。

使用Lagrange函数，并引入核函数得到该优化问题的对称解，如公式(2)：

式(2)中，对应α_i＝0的样本在超球内；对应的样本在超球面上，故称a_i称为支持向量。K(x_i，x_j)＝<Φ(x_i)·Φ(x_j)>为核函数。引入判决函数f(x)，如公式(3)：

作为判别新样本的准则，判断高维空间样本点与超球体中心的距离，即当f(x)≤0，为印刷设备状态正常；反之，状态异常。

6.所述步骤4)中采用多类支持向量机逐一投票的方式来获取印刷设备故障诊断基础概率，每类故障票数和总票数之比为为信号特征对应第j种故障的基本概率p(j)如公式(5)。