【正文】 ???? （ ） 沈陽(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 22 假設(shè)各輸入分量的模糊分割數(shù)是預(yù)先確定的，那么需要學(xué)習(xí)的參數(shù)主要是后件網(wǎng)絡(luò)的連接權(quán) ljiP ? ?1 , 2 , , 。 在研究ijc和ij?的學(xué)習(xí)問題時(shí)，可將參數(shù) ljiP名固定。之后，信號(hào)繼續(xù)沿網(wǎng)絡(luò)正向傳遞直到輸出沈陽(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 24 層 (即第 5層 )。 (3) 期望的誤差和學(xué)習(xí)率的選取。根據(jù)滾動(dòng)軸承主要故障類型，確定其 2 種工作狀態(tài)編碼，分別為正常狀態(tài)（ 1,0）和故障狀態(tài)（ 0,1）。 一個(gè)三層的基于 BP 算法的神經(jīng)網(wǎng)絡(luò)可以完成任意的 n 維到 m 維的映射。最佳初始權(quán)值選擇的數(shù)量級(jí)是 Q ，式中 Q 是第一層神經(jīng)元數(shù)， u 為輸入矢量的數(shù)目。最優(yōu)是相對(duì)于隱含層的節(jié)點(diǎn)數(shù)來確定的，因?yàn)檩^小的期望誤差值要通過增加隱含層的節(jié)點(diǎn)數(shù)及訓(xùn)練時(shí)間來獲得。 具體地說，學(xué)習(xí)樣本集的選擇一般要遵循以下步驟 : (1) 選擇邊界樣本 :滾動(dòng)軸承在不同故障下的樣本數(shù)據(jù)之間有時(shí)存 在某種程度的重疊。在確定了神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)后，下面代碼 如圖 在 Matlab 環(huán)境下創(chuàng)建一個(gè)符合上述條件的軸承故障診斷 BP網(wǎng)絡(luò) (選擇 traingdx， 訓(xùn)練函數(shù) ): 圖 BP診斷部分代碼 其中， P 為網(wǎng)絡(luò)的輸入向量 。 根據(jù)前面對(duì)滾動(dòng)軸承故障的參數(shù)分析，我們對(duì)數(shù)據(jù)樣本的正常和故障數(shù)據(jù)各選了50 組進(jìn)行訓(xùn)練，然后各選取 10 組測(cè)量。用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本集必須滿足兩個(gè)要求 :樣本集要足夠大，樣本集的大小對(duì)神經(jīng)網(wǎng)絡(luò)的識(shí)別能力有很大的影響，樣本集越大，診斷的準(zhǔn)確度就越高 。通常，在評(píng)價(jià)系統(tǒng)中一般選取學(xué)習(xí)速率 1~ ?r ，本文實(shí)驗(yàn)研究選擇的 LevenbergMarquardt 法中，學(xué)習(xí)速率亦在此范圍內(nèi)。 沈陽(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 27 初始權(quán)值的選擇 初始權(quán)值的選取同樣對(duì)網(wǎng)絡(luò)學(xué)習(xí)能否達(dá)到全局最小、能否收斂以及訓(xùn)練時(shí)間的長(zhǎng)短有著很大的關(guān)系。所以一般情況下，應(yīng)優(yōu)先考慮增加隱層中的神經(jīng)元數(shù)。前述工作中已確定了本文滾動(dòng)軸承故障診斷神經(jīng)網(wǎng)絡(luò)的六個(gè)輸入?yún)?shù)，即神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為 6。 故障診斷模型建立 建立一個(gè) BP 神經(jīng)網(wǎng)絡(luò)模型即確定網(wǎng)絡(luò)結(jié)構(gòu)并對(duì)問題進(jìn)行求解，主要包括以下幾個(gè)方面的內(nèi)容 : (1) 每層的神經(jīng)元數(shù)目 。對(duì)于前件網(wǎng)絡(luò)參數(shù)和后件 網(wǎng)絡(luò)參數(shù)，根據(jù)輸入輸出之間的關(guān)系，采用 BP算法 (反向傳播算法 )和最小二乘估計(jì)算法來調(diào)整參數(shù)，稱混合算法。 0 , 1 , , 。 1 , 2 , , ii n j m??。自適應(yīng)網(wǎng)絡(luò)中每一個(gè)連接僅僅用來確定節(jié)點(diǎn)輸出的傳輸方向，連接一般沒有權(quán)重和參數(shù)。但是，模糊神經(jīng)網(wǎng)絡(luò)存在兩個(gè)明顯的缺欠：第一 ， 沒有通用的方法把專家的知識(shí)和經(jīng)驗(yàn)轉(zhuǎn)換成規(guī)則庫(kù)和模糊推理系統(tǒng)數(shù)據(jù)庫(kù)；第 二，沒有一個(gè)有效的方法通過實(shí)現(xiàn)輸出誤差 最小化或最大化性能指標(biāo)來調(diào)整輸出的模糊隸屬函數(shù)，即無(wú)法保證最優(yōu)化或者次優(yōu)化建模。模 糊推理層是前向型模糊神經(jīng)網(wǎng)絡(luò)的核心，聯(lián)系著模糊推理的前提和結(jié)論，精確的說是模糊推確定性輸入 模糊化運(yùn)算 模糊推理 清晰化運(yùn)算 確定性輸出 沈陽(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 19 理的基本模糊狀態(tài)和結(jié)論變量的基本模糊狀態(tài)，其網(wǎng)絡(luò)參數(shù)即為模糊推理過程中前提變量的基本模糊狀態(tài)和結(jié)論變量的基本模糊狀態(tài)之間的模糊關(guān)系，它們是由具體的問題所確定的。其中每個(gè)節(jié)點(diǎn)層的節(jié)點(diǎn)數(shù)及權(quán)值可以通過模糊系統(tǒng)所采用的具體模塊形式而預(yù)置，其隸屬度函數(shù)和模糊規(guī)則是通過一定的學(xué)習(xí)算法產(chǎn)生的。 (4) 用神 經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)一個(gè)已知的模糊邏輯系統(tǒng)，以完成并行模糊推理。 ① 若 i 為 輸出節(jié)點(diǎn)，即 ki? ，由 公 式（ ）和 公 式 ()可得： ? ?kpkpkpkpkppkppkpip xfexyyExE ???????????? ?? （ ） 將 公 式（ ）代入 公 式（ ）則 ? ?jpkpkpijp IxfewE ???? （ ） ② 若 i 不是輸出節(jié)點(diǎn)，即 ki? ，此時(shí) 公 式為 (): ? ?ipippipipippippip xfyExyyExE ?????????????? （ ） 其中， ????? ????? ????????????? mi imm i pimmi m i ppj jpm i jipmi m i ppipm i pmi m i ppipp wwxEIwyxEyxxEyE 11 ? （ ） 中， lm 是節(jié)點(diǎn) i 后邊一層的第 lm 個(gè)節(jié)點(diǎn)； JPI 是節(jié)點(diǎn) lm 的第 j 個(gè)輸入（第 p 組樣沈陽(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 17 本輸入時(shí)），當(dāng) ji? 時(shí)， jpjp Iy ? 。 （ 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 ipy ： ? ? ? ?? ? ???????? ?j jpijipip Iwftxfty （ ） 式中， jpI 是在第 P 組樣本輸入時(shí)，節(jié)點(diǎn) i 的第 j 個(gè)輸入。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。 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(wú)連接。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 。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。 我們要做的數(shù)據(jù)處理就上從上述多次測(cè)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)。 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。整個(gè)實(shí)驗(yàn)如圖 ，分以下四個(gè)部分。 a —— 接觸角。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。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。 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。基于此方法又開發(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(cè)與氣路診斷以及數(shù)據(jù)庫(kù)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(cè)和故障診斷。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。 1978 年，一本名為 《 Fault detection and diagnosis in chemical and petrochemical process》 的著作，是國(guó)際上首部關(guān)于故障診斷方面的專著。因此，研究的主要目的是建立起測(cè)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(yáng)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。 (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。 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。 fuzzy artificial neural work 沈陽(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） III 目 錄 1 緒 論 ............................................................................................................................... 1 課題背景和研究的意義 ............................................................................................. 1 研究背景 .............................................................................................................. 1 研究意義 .............................................................................................................. 2 國(guó)內(nèi)外故障診斷技術(shù)研究現(xiàn)狀 ................................................................................. 3 國(guó)外現(xiàn)狀 .............................................................................................................. 3 國(guó)內(nèi)現(xiàn)狀 .............................................................................................................. 4 研究?jī)?nèi)容 ..................................................................................................................... 5 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) ............................................................... 7 滾動(dòng)軸承故障的總體方案設(shè)計(jì) ................................................................................. 7 滾動(dòng)軸承機(jī)理及故障類型 ......................................................................................... 7 滾動(dòng)軸承基本結(jié)構(gòu) .............................................................................................. 8 滾動(dòng)軸承故障類型 .............................................................................................. 9 滾動(dòng)軸承參數(shù)選取及處理 ....................................................................................... 10 3 故障診斷方法 .................................................................................................................. 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