张敏龙 王涛 王旭平 赵军红

摘要： 提出一种带故障样本的弹性双阈值SVDD在线故障诊断算法，该算法从故障样本使用、实时样本划分以及训练样本更新三个方面对传统在线SVDD算法进行优化。一是在SVDD训练阶段加入故障样本，提高数据描述能力和诊断精度；二是提出球边界偏移判别准则，形成可变的双层边界将超球空间分成三个区域，同时增大对故障样本的敏感性，降低漏检风险；三是引入滑动窗机制批量检测更新样本，减少计算量，并通过调节落入中间区域的样本比例控制虚警率。对离心压缩机喘振过程信号检测的试验结果表明，该算法能够自适应更新模型和阈值，并在极少虚警和漏检的情况下实现压缩机喘振故障的准确高效诊断。

关键词： 故障诊断； 支持向量域描述； 故障样本； 球边界偏移判别； 滑动窗

中图分类号： TH165+.3 文献标志码： A 文章编号： 1004-4523（2016）03-0555-06

DOI：10.16385/j.cnki.issn.10044523.2016.03.023

引 言

在机械故障诊断中，设备正常运行模式样本多而故障运行模式样本少。从模式识别角度来看，监测机器运行状态是一种少故障样本情况下的异常检测问题[1]。Tax等[2]提出的支持向量域描述（Support Vector Domain Description，SVDD）是一种经典的单值分类器，能有效解决故障诊断问题中的小样本、非线性等困难，目前已成功用于机械设备的故障诊断之中[35]。

近年来，实时监测、在线诊断已成为故障诊断领域的重要发展方向，而SVDD在线算法的研究应用也随之成为一个新热点。目前SVDD在线算法存在的问题和相应的改进方法有：（1）对于故障样本，目前多数在线算法选择弃用[7]或视为正常样本的偏移继续使用[8]，这样会带来很大的浪费和误差。……