【正文】 ........................................................ 13 BP 神經(jīng)網(wǎng)絡(luò) .............................................................................................................. 13 BP 神經(jīng)網(wǎng)絡(luò)原理 ............................................................................................... 13 BP 神經(jīng)網(wǎng)絡(luò)診斷方法 ....................................................................................... 14 自適應(yīng) 模糊神經(jīng)網(wǎng)絡(luò)（ ANFIS） ............................................................................. 17 自適應(yīng) 模糊神經(jīng)網(wǎng)絡(luò)（ ANFIS）結(jié)構(gòu) ............................................................. 18 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)（ ANFIS）原理 ............................................................. 20 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)（ ANFIS）診斷方法 ..................................................... 21 4 滾動(dòng)軸承 BP 神經(jīng)網(wǎng)絡(luò)故障診斷試驗(yàn)研究 .................................................................. 25 故障診斷模型建立 ................................................................................................... 25 各層節(jié)點(diǎn)數(shù)確定 ................................................................................................ 25 初始權(quán)值的選擇 ................................................................................................ 27 期望誤差和學(xué)習(xí)率選取 .................................................................................... 27 軸承故障診斷的仿真試驗(yàn)研究 ............................................................................... 27 樣本選取 ............................................................................................................ 27 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） IV 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 ................................................................................................ 29 神經(jīng)網(wǎng)絡(luò)的測試 ................................................................................................ 30 5 基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)（ ANFIS）的故障診斷試驗(yàn)研究 ...................................... 32 診斷模型的建立 ....................................................................................................... 32 樣本的選取 ........................................................................................................ 32 輸入樣本的模糊化處理 .................................................................................... 33 輸出結(jié)果的去模糊化處理 ................................................................................ 34 軸承故障 診 斷仿真與結(jié)果 ....................................................................................... 34 6 不同神經(jīng)網(wǎng)絡(luò)故障診斷結(jié)果與分析 ............................................................................. 38 7 結(jié) 論 ............................................................................................................................. 39 結(jié)束語 ................................................................................................................................. 40 致 謝 ................................................................................................................................. 41 參考文獻(xiàn) ............................................................................................................................. 42 附錄 Ⅰ BP 神經(jīng)網(wǎng)絡(luò)故障診斷源程序清單 ..................................................................... 43 附錄 Ⅱ 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)（ ANFIS）診斷源程序清單 ............................................ 48 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 1 1 緒 論 課題背景和研究的意義 研究背景 作為新型的動(dòng)力設(shè)備，燃?xì)廨啓C(jī)具有結(jié)構(gòu)緊湊、安全可靠、運(yùn)行平穩(wěn)，具有較高的熱效率，可以快速啟動(dòng)并帶動(dòng)負(fù)載等優(yōu)點(diǎn)，而日益受到人們的重視，應(yīng)用范圍也越來越廣。 滾動(dòng)軸承是燃?xì)廨啓C(jī)最重要的零件之一，其運(yùn)行狀態(tài)直接影響整臺(tái)燃?xì)廨啓C(jī)的性能，同時(shí)對(duì)燃?xì)廨啓C(jī)和操作人員的安全也會(huì)造成重大影響。 此外，與其他機(jī)械零部件相比，滾動(dòng)軸承有一個(gè)很大的特點(diǎn)，其壽命離散性很大。由此看來，滾動(dòng)軸承故障的準(zhǔn)確診斷可以減少或杜絕事故的發(fā)生，最大限度地發(fā)揮軸承的工作潛力，節(jié)約開支，具有重大意義。 (1) 增加設(shè)備的安全性 有效的燃?xì)廨啓C(jī)故障診斷系統(tǒng)可以幫助燃?xì)廨啓C(jī)維護(hù)人員提前發(fā)現(xiàn)異常，迅速查明故障，并給出合理的解決方案，從而保證燃?xì)廨啓C(jī)正常運(yùn)行，避免發(fā)生重大故障，進(jìn)而造成巨大經(jīng)濟(jì)損失甚至人員傷亡。 目前，對(duì)燃?xì)廨啓C(jī)的故障診斷大多基于振動(dòng)信號(hào)分析。因此，研究的主要目的是建立起測量參數(shù)與故障類型之間的映射，進(jìn)而準(zhǔn)確的判定故障類沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 3 型。然而在一般情況下，燃?xì)廨啓C(jī)的故障樣本很有限，這就使得其應(yīng)用有一定難度。 1978 年，一本名為 《 Fault detection and diagnosis in chemical and petrochemical process》 的著作，是國際上首部關(guān)于故障診斷方面的專著。該方法是將一個(gè)支持 向量機(jī)的分類器和一個(gè)具有自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)(ANFIS)分類器結(jié)合組成一個(gè)共同系統(tǒng)，從而一個(gè)多屬性數(shù)據(jù)被融合成一個(gè)單一屬性的有序加權(quán)平均算子聚合值，仿真研究表明此方法優(yōu)于單純的支持向量機(jī) SVM 或沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 4 ANFIS 系統(tǒng)。特別是隨著計(jì)算機(jī)技術(shù)和人工智能理論的發(fā)展使得燃?xì)廨啓C(jī)故障診斷技術(shù)躍升到了智能故障診斷的水平。并提出有效建議供現(xiàn)場的技術(shù)人員參考，可隨時(shí)了解機(jī)組的運(yùn)行情況，經(jīng)過驗(yàn)證此系統(tǒng)不僅保證了安全生產(chǎn)，同 時(shí)也取得了良好的經(jīng)濟(jì)效益?；诖朔椒ㄓ珠_發(fā)了燃?xì)廨啓C(jī)故障診斷系統(tǒng)軟件，該軟件由數(shù)據(jù)采集和數(shù)據(jù)傳輸、燃?xì)廨啓C(jī)性能仿真、傳感器故障診斷、熱參數(shù)狀態(tài)檢測與氣路診斷以及數(shù)據(jù)庫組成，根據(jù)采集到的燃?xì)廨啓C(jī)熱參數(shù)，利用該軟件可以實(shí)現(xiàn)對(duì)燃?xì)廨啓C(jī)部件實(shí)時(shí)性能監(jiān)測和故障診斷。 本文意在于將 BP 神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)的方法引入到滾動(dòng)軸承故障診斷這一方面，將為軸承故障診斷技術(shù)提供一種方法，以期由此來提高軸承故障診斷的效率。 第 4 章：采用已經(jīng)獲得的故障參數(shù)，構(gòu)建合理的 BP 神經(jīng)網(wǎng)絡(luò)并確定其結(jié)構(gòu)，對(duì)診斷輸出結(jié)果采取了判別區(qū)間的再處理。 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 7 2 燃?xì)廨啓C(jī) 關(guān)鍵部件 故障診斷的總體方案設(shè)計(jì) 本畢業(yè)設(shè)計(jì)以燃?xì)廨啓C(jī)的滾動(dòng)軸承為具體研究對(duì)象，開展軸承系統(tǒng)故障診斷方法研究，設(shè)計(jì)故障診斷算法，構(gòu)建故障診斷模型，最終實(shí)現(xiàn)燃?xì)廨啓C(jī)軸承故障診斷的效能。在此基礎(chǔ)上，將提取到的 參數(shù)作為BP 神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行建模，采用所建立的 BP 神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng) 進(jìn)行 仿真實(shí)驗(yàn) ，最終 ， 得到故障診斷結(jié)果。本章主要討論滾動(dòng)軸承的振動(dòng)機(jī)理、故障類型及其對(duì)應(yīng)的振動(dòng)特征、損傷類故障模型等。滾動(dòng)體是滾動(dòng)軸承的核心元件，它使相對(duì)運(yùn)動(dòng)表面間的滑動(dòng)摩擦變?yōu)闈L動(dòng)摩擦。 圖 圖 22 所示滾動(dòng)軸承示意圖中的符號(hào)意義為 : D —— 軸承節(jié)圓直徑 。 a —— 接觸角。由于滾動(dòng)軸承的勻速回轉(zhuǎn)，使沖擊具有周期性。整個(gè)實(shí)驗(yàn)如圖 ，分以下四個(gè)部分。且加速度傳感器承受負(fù)載能力更強(qiáng)，機(jī)械性能更好。 作為本文采用 BP 神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)診斷滾動(dòng)軸承故障的關(guān)鍵的工作之一即為在采集滾動(dòng)軸承的振動(dòng)信號(hào)的時(shí)域或頻域參數(shù)中，如何選取合適的故 障特征參數(shù)用作神經(jīng)網(wǎng)絡(luò)的輸入。但隨機(jī) 信號(hào)有其重要特征，即在相同條件下重復(fù)實(shí)驗(yàn)，雖然每次實(shí)驗(yàn)的結(jié)果可能不一樣，但是如果進(jìn)行大量重復(fù)實(shí)驗(yàn)，其結(jié)果就會(huì)出現(xiàn)某種統(tǒng)計(jì)規(guī)律性。 我們要做的數(shù)據(jù)處理就上從上述多次測量后的振動(dòng)信號(hào)參數(shù)選取我們所需的統(tǒng)計(jì)分析參數(shù)，作為 BP 神經(jīng)網(wǎng)絡(luò) 和模糊神經(jīng)輸入層神經(jīng)元個(gè)數(shù)。 ② 峭度： 41 4rmsni ir nxxK ??? （ ） 峭度是不夠敏感的低階矩與較敏感的高階矩之間的一個(gè)折中特征量，如果滾動(dòng)軸承出現(xiàn)缺陷都可能引起相當(dāng)大的脈沖度，用峭度作為滾動(dòng)軸承缺陷特征參數(shù)是有效的。脈沖因子對(duì)于沖擊脈沖類缺當(dāng)上升到一定程度后，隨著缺陷的發(fā)展，反而會(huì)下降。波形系數(shù)也是用于滾動(dòng)軸承簡易診斷的有效指標(biāo)之一。人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型 。每兩個(gè)節(jié)點(diǎn)間的連接都代表一個(gè)對(duì)于通過該連接信號(hào)的加權(quán)值，稱之為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。 BP 神經(jīng)網(wǎng)絡(luò)原理 BP 網(wǎng)絡(luò)是目前應(yīng)用最廣的神經(jīng)網(wǎng)絡(luò)之一， BP 網(wǎng)絡(luò) 如圖 所示 是由一個(gè)輸人層，一個(gè)或多個(gè)隱層以及一個(gè)輸出層組成，上下層之間實(shí)現(xiàn)全連接，而每層神經(jīng)元之間無連接。 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 14 輸 入 層 隱 層 輸 出 層a 1a 2a ny 1y 2 。 (3) 分類 :把輸入矢量以所定義的合適方式進(jìn)行分類 。前層節(jié)點(diǎn)與后層節(jié)點(diǎn)通過權(quán)值連接，層與層的節(jié)點(diǎn)之間相互連接，同一層的各節(jié)點(diǎn)間互相不連接。反向傳播是將誤差信號(hào) (樣本輸出與 網(wǎng)絡(luò)輸出之差 )按原連接通路反向計(jì)算，由梯度下降法調(diào)整各層神經(jīng)元的權(quán)值，使誤差信號(hào)減小。 （ 2）給定輸入 /輸出樣本對(duì)，計(jì)算網(wǎng)絡(luò)的輸出 : 設(shè) P 組 樣 本 輸 入 ： ? ?npppp uuuu ,...., 21? ：第 P 組樣本輸出：? ? Lpdddd mpppp . ..2,1, .. .. ., 21 ?? ,節(jié)點(diǎn) i 在樣本 P 輸入時(shí)，輸出為 ip