基于小波与神经网络的纸机状态监测与故障诊断研究.pdfVIP

第l7卷增刊 振 工 程 V01．1NO．S 动 学 报 7 2004年8月 ofVibration Journal Engineering Aug．2004 基于小波和神经网络的纸机状态监测 和故障诊断研究 张 涛 61006) (齐齐哈尔大学机械工程学院齐齐哈尔，1 摘要在采用遗传灾变算法对小波函数进行优化的基础上，由小波变换的方法对大型纸机关键部件的振动数据 进行了分析，提取了纸机运行中的奇异和趋势特性方面的故障特征，并由纸机的故障信息形成的典型故障模式对 人工神经网络进行了有效的训练和测试，为纸机的故障分析和诊断提供合理的技术支持，使纸机生产运行过程中 的亚健康状态和真正故障的有效识别和诊断成为可能。实际应用的结果证明，该方法可以有效地筛选和分离振动 信号的局部和趋势特征，并具有很好的信号重构性。 关键词：遗传灾变算法；小波变换；神经网络；纸机；故障的奇异和趋势特征 中图分类号：TP206．+3；TBl23 纸机是高速、连续、复杂和自动化程度极高的大 小波函数。小波变换的定义 型设备。能否及时准确和合理有效地判断纸机工作 W，‘。∽一(z，儿，6) 状态和提取故障信息为正常连续生产提供科学的决 ， +尸——_—T一 (1) 一I以l_一专·lx(t)·驴(L——!)df 策依据，如何能够最大限度地减少纸机计划外停机 J “ 时间，以获取最大的经济效益，已经逐渐引起纸业的 其中基函数的定义如下 关注。目前我国纸业内对纸机的实时在线监测还处 1 f一厶 丸，6(f)=ldl专5fl(二—』)盘，b∈R，“≠0 于比较落后的水平[1j。目前，纸机运行的状态监测和 “ 故障诊断大多针对轴承的铜棒敲击判断法、润滑剂 (2) 分析法、温度分析法和频谱分析法[2“]，对于纸机运 当小波函数中的尺度参数“变化时，小波函数 行过程中出现的通过振动、瞬间变频、慢变趋势和阶 就具有伸缩性。一般地，小波函数具有两个极为重要 段性卓越振动等复杂和典型纸机故障现象，传统故 的特性：(1)振荡特性：小波函数具有振荡波形，且对 障诊断方法存在根本的技术缺陷。近年来，小波分 时间轴的面积积分为零； 析[53和人工神经网络[6]的理论和技术在机械等领域 (2)衰减特性：小波函数的两端很快衰减为零，即 的状态监测和故障诊断方面不断得到成功应用。本 具有紧支撑特性。正是由于小波函数的这些特性就使 文探讨了基于遗传灾变算法的小波函数优化和神经 得小波变换具有对时域信号具有时频局部化分析的独 网络提取故障信息的方法，并针对纸机的典型故障 特性质(傅立叶变换对此无能为力)。纸机典型故障信 现象验证了方法的有效性。 号