基于混沌与小波神经网络的大型复杂机械振动建模研究.pdfVIP

维普资讯 2008年 7月 机床与液压 Ju1．2008 第36卷 第 7期 MACHINETOOL HYDRAULICS Vol_36No．7 基于混沌与小波神经网络的大型复杂机械振动建模研究 刘 乐平 华东交通大学机电工程学院，江西南昌330013 摘要 ：针对大型复杂机械振动建模困难的问题，提出了基于混沌理论及小波神经网络的建模思路。以某大型平整轧机 剧烈振动为研究对象，研究了其振动时间序列信号的非线性特征及相空间重构技术。基于混沌理论，应用小波神经网络技 术反演了轧机动力系统的振动模型。试验对比了此模型与BP网络模型的预测性能，结果表明小波神经网络模型具有收敛 速度快、预测精度高的特点。 关键词：轧机振动；相空问重构；小波神经网络；建模 ；预测 中图分类号：TP393；Tttl7 文献标识码：A 文章编号：1001—3881 2008 7—158—3 StudyonVibrationModelingforLarge—complexM achine BasedonChaosandW aveletNeuralNetworks LIU Leping SchoolofMechatronicsEngineering，EastChinaJiaotongUniversity，Nanchang330013，China Abstract：Inviewofthedifficultytomodelalarge—complexmachinevibration，anew modelingapproachbasedonchaosand waveletneuralnetworkswaspresented．Aimedattheproblem ofabnormalvibrationofalargetemperrollingmill，thenon—linearprop— ertiesandphasespaeereconstructiontechniquesfortimeseriesvibrationsignalswereanalyzed．Basedonchaostheory，thenon—linear vibrationmodelofwaveletneuralnetworkswassetupthroughinversionmethod．Thepropertiesofthemodelpredictionweretestedand comparedwithaBPneuralnetworks．TheresultsshowthatthewaveletneuralnetworkshaveanadvantageovertheBPneuralnetworks inrapidconvergenceandhighaccuracy． Keywords：Rollingmillvibration；Phasespacereconstruction；Waveletneuralnetworks；Modeling；Prediction 0 引言 某钢厂的大型平整轧机在工作时出现剧烈振动， 振动造成该轧机工作辊表面振纹，以及在钢板产品表 面上出现横纹，同时伴随着振动强度变化而出现低频 轰鸣声。轧机剧烈振动使轧辊的磨损加快，影响轧机 的生产能力及产品质量。 国内外众多学者对轧机振动进行了大量 的研究 ， 建立了各种理论 、方法 。文献 [1—3]基于物理 结构建立数学模型，或通过有限元方法研究 了轧机振 动机理。由于轧机是一个复杂的机电液系统，工况表 ． 量50 现为大负荷、大冲击，非线性特征明显，因此客观上 很难建立起精确的数学模型，且模型求解也很困难 。 采样点价 频率 ／Ⅱz 当前 ，混沌动力学理论的迅猛发展为复杂非线性系统 a 时域振动信号 b 频谱 图 的分析提供了新途径。本文基于混沌动力学与小波神 图1 F3轧机轧制薄板时上工作辊水平振动信号及其频谱 经网络技术 ，提出了一种大型复杂机械振动建模及预 2 振动时间序列信号的相空间重构技术 测的新方法。 从时间序列研究系统的混沌特征始于 Packard和 1 轧机异常振动信号的测试及其混沌特征 Takens提出的相空间重构理论。该理论认为系统任一 采用多通道数据采集器采集轧机在振动工况的振 分量 维 的演化是由与之相互联系着的其它分量 动信号，图I a 是轧机工作辊水平振动信号 振动 所决定的，这些分量的信息隐含在任一分量的发展过 烈度最大 的信号 ，采样频率 512Hz，采样 点数 程中。当重构一个状态空间时，只需考虑一个分量， 1024。图1 b 是该信号的快速傅立 叶变换 FFT 并将它在某些固定时问的延迟点作为新的分量 维 收稿 日期 ：2008—03—