旋转机械故障诊断平台研究与实现.pdfVIP

理论广角 啊 I 旋转机械故障诊断平台研究与实现 严国斐 唐鸿儒 邹红美 (扬州大学 江苏 扬州 225l27) [摘 要]设计了一个旋转机械故障诊断平台，能够实现故障数据的采集 、故障特征分析和故障诊断等功能 ．首先介绍了旋转机械常见故障特征，接着介绍了 利用Lab-Windows／CVI开发的旋转机械故障诊断平台，能够显示测量数据的波形、信号频谱和转子的轴心轨迹等，能够自动进行基于神经网络的故障推理．最后 给出了几种模拟故障诊断的实验结果． [关键词]旋转机械 。故障诊断平台BP神经网络 中图分类号：TB752 文献标识码：A 文章编号：1009—9l4x(29l2)30一o533～03 收稿 151期：201I-8-27， 32基于BP神经网络的诊断算法 修改 日期：2011-8-27 在机组故障诊断中，取振动信号的频域特征作为故障征兆，参照自木万博 1概述 的征兆得分表，选取：(0．Ol-0．39)f、(0．40-0．49)f、0．5f、(0．5l-0．99)f、If、2f 目前，关于旋转机械故障智能诊断的研究文章很多，但是真正实现在线诊 (3-5)f、奇数f、高频等9种具有代表性的频率成分作为特征频率，其对应的频谱 断的还很少．现在智能诊断的理论与方法主要有基于专家系统的方法、基于神 值作为故障征兆，选取上述4种常见故障进行分析．将 以上故障类型的频域征兆 经网络的方法、基于模糊逻辑的方法等2[]．但是这些算法大多都停留在模拟仿 作为BP诊断网络的九个输入样本进行训练，相应的故障目标输出l代表故障， 真阶段，很少提供实时在线的诊断服务 ．本文针对大型泵站在线故障诊断的需 O代表无故障． 求 ，提出了一种多信息融合的人机交互的故障诊断算法．并在实验室里构建了 根据上述要求选取输入层的节点数为9，输出层的节点数为5(分别代表不 旋转机械状态监测和故障诊断平台，设计了一个人机交互的故障诊断系统，能 平衡，不对中，油膜涡动，油膜振荡和正常状态)，其中包含一个正常状态的输出 够利用神经网络进行初步诊断，同时能够结合波形特征、轴心轨迹 ，频谱特征等 节点可 以对正常状态下的数据进行有 目的的映射 ．隐层节 点数根据 进行进一步推理，得出诊断结果． N=~／n+m+a来选取．其中 为输出层节点数，,／／为输入层节点数 ，Ⅳ为隐 2典型故障特征 层节点数 ，a为1～10之间的常数6[1．根据上述参数本文隐层节点数取9．并取学 故障特征的分析是故障诊断的基础．结合旋转机械状态监测和故障诊断的 习因子为i／=0．9，动态因子为a=o．5，系统均方误差o．005． 需要，在分析和综合相关文献的基础上，给出了部分典型故障的特征 ．如表2— 3．2．1BP神经网络的训练和测试 1，当发生不平衡故障时，时域波形为近似的等幅正弦波 ，轴心轨迹为比较稳定 在实验室构建了以转子振动试验台(如图3—2)为对象的状态监测和故障 的圆或