【文章內(nèi)容簡介】 ，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。 滾動(dòng)軸承故障的總體方案設(shè)計(jì) 燃?xì)廨啓C(jī)軸承系統(tǒng)智能故障診斷技術(shù)進(jìn)行總體方案設(shè)計(jì)如圖 所示，主要由信息采集模塊、數(shù)據(jù) 預(yù)處理模塊、 BP 神經(jīng)網(wǎng)絡(luò) 故障和模糊神經(jīng)網(wǎng)絡(luò)診斷模塊構(gòu)成。 燃?xì)廨啓C(jī)軸承系統(tǒng)數(shù)據(jù)采集與預(yù)處理故 障 診 斷 模 型 /算 法B P 神 經(jīng) 網(wǎng) 絡(luò)傳感器系統(tǒng)故障診斷結(jié)果模 糊 神 經(jīng) 網(wǎng) 絡(luò) 圖 燃?xì)廨啓C(jī)軸承系統(tǒng)故障診斷方法研究方案 本文以某型燃?xì)廨啓C(jī)滾動(dòng)軸承為研究對(duì)象，通過對(duì)滾動(dòng)軸承運(yùn)行狀態(tài)類型分析，將滾動(dòng)軸承的狀態(tài)類型分為正常狀態(tài)、故障狀態(tài)類型。 燃?xì)廨啓C(jī)軸承系統(tǒng)在工作時(shí)通過傳感器采集其工作過程中的各項(xiàng)參數(shù)數(shù)據(jù)，由于數(shù)據(jù) 信息量較大，有些數(shù)據(jù)并不適合作為故障診斷的參考數(shù)據(jù)，所以需要對(duì)傳感器采集到的數(shù)據(jù)進(jìn)行處理，如濾波，篩選，整形等等。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。 滾動(dòng)軸承機(jī)理及故障類型 滾動(dòng)軸承在旋轉(zhuǎn)過程中難免會(huì)產(chǎn)生振動(dòng)，當(dāng)滾動(dòng)軸承存在缺陷時(shí)，其振動(dòng)將呈沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 7 現(xiàn)出一定的特征，測量的振動(dòng)信號(hào)作為滾動(dòng)軸承故障的信息載體，具有適用性強(qiáng)、效果好、測取簡單的特點(diǎn)，根據(jù)所監(jiān)測頻帶的不同，可將滾動(dòng)軸承缺陷的振動(dòng)信號(hào)劃分為低頻診斷和高頻診斷，其中低頻診斷主要是針對(duì)滾動(dòng)軸承中各元件缺陷的旋轉(zhuǎn)特征頻率進(jìn)行的 。而高頻診斷則著眼于滾動(dòng)軸承因存在缺陷時(shí)所激發(fā)的各元件的固有頻率振動(dòng)。它們?cè)谠砩蠜]有太大的區(qū)別，都要通過頻譜分析等手段，找出不同元件 (內(nèi)圈、外圈、滾動(dòng)體等 )的缺陷特征頻率，以此判斷滾動(dòng)軸承的缺陷部位及其嚴(yán)重程度。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)軸承基本結(jié)構(gòu) 滾動(dòng)軸承是由外圈、內(nèi)圈、滾動(dòng)體和保持架等元件組成的。內(nèi)圈、外圈分別與軸頸及軸承座孔裝配在一起。在大多數(shù) 情況下外圈不動(dòng)，而內(nèi)圈隨軸回轉(zhuǎn)。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。滾動(dòng)體的形式有球形、圓形、錐柱形和鼓形等。滾動(dòng)體可在內(nèi)、外圈滾道上進(jìn)行滾動(dòng)。圖 為滾動(dòng)軸承結(jié)構(gòu)圖。 圖 滾動(dòng)軸承結(jié)構(gòu)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 。 d 一一滾動(dòng)體直徑 。 1r 一一內(nèi)環(huán)滾道的半徑 。 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） 8 2r 一一外環(huán)滾道的半徑 。 a —— 接觸角。 滾動(dòng)軸承故障類型 滾動(dòng)軸承不同類型的故障會(huì)引起軸承系統(tǒng)不同性質(zhì)的特征振動(dòng)，按照振動(dòng)信號(hào)的不同，滾動(dòng)軸承故障可以劃分為如圖 所示的形式。 軸承構(gòu)造 不同軸 滾動(dòng)軸承 故障 工件面波紋 外圈損傷 內(nèi)圈損傷 表面損傷 滾體損傷 保持架損傷 磨損 偏離準(zhǔn)心 圖 滾動(dòng)軸承故障分類 本文主要以損傷類故障內(nèi)為題，表面損傷滾動(dòng)軸承最常見的一種故障形式，常表現(xiàn)為元件表面疲勞剝落、壓痕、裂紋、燒傷、劃傷等。當(dāng)軸承存在局部損傷時(shí)，損傷點(diǎn)通過軸承元件表面時(shí)要產(chǎn)生突變的沖擊脈沖力，該脈沖力是一個(gè)寬帶信號(hào)，所以必然覆蓋軸承系統(tǒng)的高頻固有振動(dòng)頻率而引起諧振，從而 產(chǎn)生沖擊振動(dòng)。由于滾動(dòng)軸承沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 9 的勻速回轉(zhuǎn)，使沖擊具有周期性。對(duì)發(fā)生在不同位置的損傷，沖擊具有不同的頻率。通常稱為特征頻率，頻率不同故障也就不同。 滾動(dòng)軸承參數(shù)選取及處理 軸承振動(dòng)數(shù)據(jù)的獲取來源于軸承實(shí)際運(yùn)轉(zhuǎn)時(shí)的數(shù)據(jù)，通過適宜地選取參數(shù)和在實(shí)驗(yàn)裝置運(yùn)行時(shí)正確地記錄數(shù)據(jù)，保證數(shù)據(jù)能夠真實(shí)準(zhǔn)確地反映軸承的運(yùn)行狀態(tài)，利于后面的分析計(jì)算，用加速度傳感器采集振動(dòng)信號(hào)，膠合在滾動(dòng)軸承的外圈上。整個(gè)實(shí)驗(yàn)如圖 ，分以下四個(gè)部分。 軸 承加 速 度 傳感 器數(shù) 據(jù) 采 集系 統(tǒng)軸 承 故 障診 斷 系 統(tǒng) 圖 實(shí)驗(yàn)系統(tǒng)框圖 （ 1）軸承 :這里所使用的軸承包括了正常的和有故障的軸承，實(shí)驗(yàn)系統(tǒng)運(yùn)行時(shí)，所獲取的數(shù)據(jù)就相應(yīng)地代表軸承狀態(tài)。 （ 2）加速度傳感器 :用于獲取振動(dòng)信號(hào)，加速度傳感器的輸出與被測物體振動(dòng)的加速度成正比。與位移傳感器或速度傳感器相比，加速度傳感器頻率響應(yīng)范圍更寬，能夠獲得更多的頻率成分信號(hào)。且加速度傳感器承受負(fù)載能力更強(qiáng)，機(jī)械性能更好。 (3) 數(shù)據(jù)采集系統(tǒng) :通過傳感器將信號(hào)經(jīng)過數(shù)據(jù)采集卡，采集得到滾動(dòng)軸承的各種狀態(tài)振動(dòng)數(shù)據(jù)，測得的加速度信號(hào)是模擬信號(hào)，要輸入計(jì)算機(jī)必須進(jìn)行 A/D 轉(zhuǎn)換。傳感器數(shù)據(jù) 經(jīng) 16 位 A/D 板處理后存入計(jì)算機(jī)中，數(shù)據(jù)文件為 Matlab 文件格式。 (4) 軸承故障診斷系統(tǒng)將在后續(xù)章節(jié)中介紹。 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。 故障只能作為物理參數(shù)表現(xiàn)出來，只要滾動(dòng)軸承的狀態(tài)發(fā)生了變化 (即有故障產(chǎn)生 )，就必定會(huì)影響到與之相聯(lián)系的各個(gè)物理參數(shù)的變化；而故障類型與各物理參數(shù)的關(guān)系強(qiáng)弱是我們最感興趣的問題，因?yàn)橹挥心切┡c某種故障類型之間的關(guān)系密切、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） 10 對(duì)故障靈 敏可靠的物理參數(shù)才被用于滾動(dòng)軸承的故障診斷。這些對(duì)故障靈敏、穩(wěn)定可靠的物理參數(shù)正是我們要選擇的滾動(dòng)軸承的故障特征參數(shù)。 由于軸承的振動(dòng)信號(hào)是多種引起振動(dòng)因素共同作用的結(jié)果，是沒有確定變化規(guī)律的隨機(jī)信號(hào)，所以不能用確切的數(shù)學(xué)關(guān)系式來描述這種信號(hào)。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。均值、均方根值、峰值、波形因子、脈沖因子、峰值因數(shù)、裕度因子、峭度等，均是統(tǒng)計(jì)分析參數(shù)。這些時(shí)域的統(tǒng)計(jì)特征參數(shù)的共同特點(diǎn)是 :對(duì)滾動(dòng)軸 承的缺陷足夠敏感對(duì)信號(hào)的幅值和頻率不敏感，即與機(jī)器的運(yùn)行工況無關(guān)，只依賴于信號(hào)的幅值概率密度函數(shù)。這些特征參數(shù)的變化，能較好地反應(yīng)出滾動(dòng)軸承的故障的存在。 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)。在此我們定義了六個(gè)參數(shù)。 ① 均值： ???ni im xnX 11 () 均值 mX 表示隨機(jī)過程的中心趨勢，隨機(jī)過程都是圍繞著它聚集和波是隨機(jī)過程的靜態(tài)分量。均值用于滾動(dòng)軸承缺陷診斷的優(yōu)點(diǎn)是檢測值較峰值穩(wěn)定。 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。 ③ 峰值因子： rmspeak xxC? （ ） 峰值因數(shù)表示波形是否有沖擊的指標(biāo)，峰值因數(shù)不受振動(dòng)信號(hào)的絕對(duì)水平所影響，所以傳感器的靈敏度即使有變動(dòng)，也不會(huì)出現(xiàn)測量誤差。 ④ 脈沖因子： mrmsb xxS ? （ ） 脈沖因子為均方根值與絕對(duì)均值之比陷比較敏感，特別是當(dāng)出現(xiàn)早期缺陷時(shí)，它沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 11 有明顯增加 。陷的逐漸發(fā)展，反而會(huì)下降。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。 ⑤ 波形因子： mpeako xxQ ? （ ） 波形系數(shù)為峰值與絕對(duì)均值之比。當(dāng)波形系數(shù)值過大時(shí)，表明滾動(dòng)軸承可能有點(diǎn)蝕 。當(dāng)波形系數(shù)過小時(shí)，表明滾動(dòng)軸承可能發(fā)生磨損。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。 ⑥ 裕度因子： dpeakt xxL ? （ ） 其中 211 ??????? ??ni id xnX， ???? ??ni irm smj pjpe ak xnxxmx 1211,1 。 本文將采用 BP 人工神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)對(duì)滾動(dòng)軸承缺陷進(jìn)行識(shí)別，利用滾動(dòng)軸承振動(dòng)信號(hào)的時(shí)域特征參數(shù)和頻域特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，網(wǎng)絡(luò)經(jīng)過訓(xùn)練和測試后，即可由己知的數(shù)據(jù)，判斷出軸承正常與否。 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） 12 3 故障診斷方法 大量功能簡單的神經(jīng)元通過一定的拓?fù)浣Y(jié)構(gòu)組織起來，構(gòu)成群體并行式處理的計(jì)算結(jié)構(gòu)，這種結(jié)構(gòu)就是人工神經(jīng)網(wǎng)絡(luò)。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。在工程與學(xué)術(shù)界也常直接簡稱為神經(jīng)網(wǎng) 絡(luò)或類神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)（或稱神經(jīng)元） 和之間相互聯(lián)接構(gòu)成。每個(gè)節(jié)點(diǎn)代表一種特定的輸出函數(shù)，稱為激勵(lì)函數(shù) （ activation function）。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。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵(lì)函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對(duì)自然界某種算法或者函數(shù)的逼，也可能是對(duì)一種邏輯策略的表達(dá)。 BP 神經(jīng)網(wǎng)絡(luò) BP 神經(jīng)網(wǎng)絡(luò)是 1986 年由 Rumelhart 和 McCelland 為首的科研小 組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，它的名字源于網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)則，采用的是后向傳播學(xué)習(xí)算法，既 BP 算法。 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。網(wǎng)絡(luò)的學(xué)習(xí)過程包括正向傳播和反向傳播。在正向傳播進(jìn)程中，輸人信息從輸人層經(jīng)隱層加權(quán)處理傳向輸出層，經(jīng)功能函數(shù)運(yùn)算后得到的輸出值與期望值進(jìn)行比較，若有誤差，則誤差反向傳播，沿原先的連接通道返回，通過逐層修 改各層的權(quán)重系數(shù)，減小誤差。隨著這種誤差逆向傳播修正的不斷進(jìn)行，網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的正確率也不斷上升。 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） 13 輸 入 層 隱 層 輸 出 層a 1a 2a ny 1y 2 。。 圖 三層 BP 網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò) BP 網(wǎng)絡(luò)主要用于 : (1) 函數(shù)逼近 :用輸入矢量和相應(yīng)輸出矢量訓(xùn)練一個(gè)網(wǎng)絡(luò)逼近一個(gè)函數(shù) 。 (2) 模式識(shí)別 :用一個(gè)特定的輸出矢量將它與輸入矢量聯(lián)系起來 。 (3) 分類 :把輸入矢量以所定義的合適方式進(jìn)行分類 。 (4) 數(shù)據(jù)壓縮 :減少輸出矢量維數(shù)以便于傳輸或存儲(chǔ)。 BP 神經(jīng)網(wǎng)絡(luò)診斷方法 三層 BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖 所示，拓?fù)浣Y(jié)構(gòu)為有向無環(huán)圖的前向網(wǎng)絡(luò)。每個(gè)神經(jīng)元用一個(gè)節(jié)點(diǎn)表示，網(wǎng)絡(luò)由輸入層、隱層和輸出層節(jié)點(diǎn)組成。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 網(wǎng)絡(luò)學(xué)習(xí)方法的主要思想是把網(wǎng)絡(luò)學(xué)習(xí)分為兩個(gè)過程，即正向傳播輸出過程和反向傳播調(diào)整過程兩部分，正向傳播中，輸入信號(hào)從輸入層經(jīng)隱層傳向輸出層。若沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 14 輸出層得到了期望的輸出，學(xué)習(xí)算法結(jié)束 。否則，轉(zhuǎn)至反向傳播。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。 設(shè) BP 網(wǎng)絡(luò)的輸入向量為 u，輸入層神經(jīng)元有 n 個(gè) 。輸出向量為 y，輸出層有 m 個(gè)神經(jīng)元，輸入 /輸出樣本對(duì) (即導(dǎo)師信號(hào) )長度為 L。其算法的學(xué)習(xí)步驟如下 : （ 1）設(shè)置初始權(quán)值 ??0w ，它是較小的隨機(jī)非零值。 （ 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, .. .. .