神经网络在机械故障诊断中的应用的研究.pdfVIP

神经网络在机械故障诊断中的应用研究 曹建平钟掘 (株洲冶炼厂，湖南株洲．412004) 藕要：本文研究一种基于神经陬瞎的齿轮箱故障诊断专家系统．并给出了诊断实例． 关t词；神经同鲳专家系统模式识剐故障诊断齿轮箱 在机械故障诊断中，故障与征兆间并非均为一一对应或线性关系。机械设备的故障诊 断实质上是一种模式识别．诊断结果的准确度往往取决于模式识别的精度。传统的故障诊 断方法基于统计模式识别，在识别速度、可靠性等方面有一定的局限性。目前，基于智能 模式识别的故障诊断技术(如诊断专家系统)有了很大的发展，但在知识获取、自学习等 · 方面有待继续发展。神经网络具有高度并行处理、自适应性、容错性等特点，可珏较好的 解决传统专家系统中的若干问题。本文在对基于神经网络的专家系统研究的基础上．对其 在机械故障诊断中的应用作了初步尝试。 一、系统介绍 1957年Kolmogoro给出了连续函数用神经网络表示定理：一个输入层有m个神经元、 陷含层具有(2m+1)个神经元、输出层有n个神经元的三层前向多层感知机网络．可以 精确地实现任意给定的连续函数(映射)+：sm—Kn．+(x)=Y，其中s、K是单位闭区 间【0．1】．这个定理表明：对任一连续函数+()()：Y可以由神经网络实现s‘一K-，即对具 有m个特征的函数÷。()可以表示出它的n类模式分类。多层感知机网络可以实现这种形 式的分类。分类型专家系统(如诊断专家系统)即是对给定的一个模式判断它属于哪～类。 所以多层感知机神经网络(即BP网络)可以用来实现这种专家系统． 这种基于神经网络的专家系统由知识获取、知识库、推理机、解释、输入输出等五个 部分组成，其中知识库与推理机合二为一，见图一。 各部分功能说明如下： A：知识获取．利用领域专家解决问题的实例或范倒训练神经网络．使在同样的输入 条件下神经网络能获得与专家给出的解答尽可能相同的输出。解答精度可用与专家解答之 图l 基于神经嘲络的专家系统构成 ▲ 二、应用 作者把这种基于神经网络的专家系统应用到齿轮箱的故障诊断中，建立了一个基于神 经网络的齿轮箱故障诊断专家系统。 1、齿轮箱故障振动机理分析 一般说来，随着援能量的不同，齿轮箱振动信号中将产生齿轮啮合频率调制、齿轮固 有频率调制、箱体固有频率调制、滚动轴承外环固有频率调制四种不同的调制现象。不管 齿轮正常与否，齿轮啮合时其啮合频率总会出现。但其它频率，只在齿轮、轴承或轴出现 故障时才出现．另外，一旦有故障，在这备战种频率附近都将产生轴的旋转频率及其谐波 的调制．故本系统采用频谱分析与解调分析相结合的方法来对齿轮箱进行故障诊断。 2、系统组成 本系统包括五大模块：信号测取、状态监测、征兆提取、故障诊断与干预决策，见图 2。 ‘ 图2 基于神经网络的齿轮箱故障诊断专家系统组成 信号测取部分采用有关检测仪器测取设备状态信号．状态监测部分通过计算特征参数 指标值与标准值比较，判断设备有无故障，职有故障则进行征兆提取与故障确诊，如无故 障剐转A干预决策模块进行趋势分析．采用频谱分析与解调分析相结合的方法来进行征兆 提取。 ]r_『■曩丽 故障诊断部分由神经网络来完成，通过把征兆信息转化为【O．1】值输入神经网络，自 动得出诊断结论(故障类型及相应的可信度大小)。网络训练是利用诊断专家解决故障的 多个实例或范倒来完成的。如果某一事例诊断结果与事实不符，则可把这个事例输入神经 网络进行再学习．使神经网络具有对这类事例的诊断能力．干预决策部分包括趋势分析、 故障原因分析及应采取的措施等等。 3、系统知识库的建立 由于每台齿轮箱的故障模式是固定的，通用的标准故障模式有些特殊故障不可能包 括，所以我们有必要建立专有的标准故障模式。 本系统是在吸收国内外部分安例与数据、现场运行与检修的经验、理论分析与模拟实