【正文】 層得到了期望的輸出，學(xué)習(xí)算法結(jié)束 。前層節(jié)點與后層節(jié)點通過權(quán)值連接，層與層的節(jié)點之間相互連接，同一層的各節(jié)點間互相不連接。 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)。 (3) 分類 :把輸入矢量以所定義的合適方式進(jìn)行分類 。 圖 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)練一個網(wǎng)絡(luò)逼近一個函數(shù) 。 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計（論文） 14 輸 入 層 隱 層 輸 出 層a 1a 2a ny 1y 2 。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。 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 是由一個輸人層，一個或多個隱層以及一個輸出層組成，上下層之間實現(xiàn)全連接，而每層神經(jīng)元之間無連接。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼，也可能是對一種邏輯策略的表達(dá)。每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權(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。神經(jīng)網(wǎng)絡(luò)是一種運算模型，由大量的節(jié)點（或稱神經(jīng)元） 和之間相互聯(lián)接構(gòu)成。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。 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)對滾動軸承缺陷進(jìn)行識別，利用滾動軸承振動信號的時域特征參數(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。波形系數(shù)也是用于滾動軸承簡易診斷的有效指標(biāo)之一。當(dāng)波形系數(shù)值過大時，表明滾動軸承可能有點蝕 。脈沖因子對于沖擊脈沖類缺當(dāng)上升到一定程度后，隨著缺陷的發(fā)展，反而會下降。 ④ 脈沖因子： mrmsb xxS ? （ ） 脈沖因子為均方根值與絕對均值之比陷比較敏感，特別是當(dāng)出現(xiàn)早期缺陷時，它有明顯增加 。 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折中特征量，如果滾動軸承出現(xiàn)缺陷都可能引起相當(dāng)大的脈沖度，用峭度作為滾動軸承缺陷特征參數(shù)是有效的。 ① 均值： ???ni im xnX 11 () 均值 mX 表示隨機過程的中心趨勢，隨機過程都是圍繞著它聚集和波是隨機過程的靜態(tài)分量。 我們要做的數(shù)據(jù)處理就上從上述多次測量后的振動信號參數(shù)選取我們所需的統(tǒng)計分析參數(shù)，作為 BP 神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)輸入層神經(jīng)元個數(shù)。這些時域的統(tǒng)計特征參數(shù)的共同特點是 :對滾動軸承的缺陷足夠敏感對信號的幅值和頻率不敏感，即與機器的運行工況無關(guān)，只依賴于信號的幅值概率密度函數(shù)。但隨機信號有其重要特征，即在相同條件下重復(fù) 實驗，雖然每次實驗的結(jié)果可能不一樣，但是如果進(jìn)行大量重復(fù)實驗，其結(jié)果就會出現(xiàn)某種統(tǒng)計規(guī)律性。這些對故障靈敏、穩(wěn)定可靠的物理參數(shù)正是我們要選擇的滾動軸承的故障特征參數(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)診斷滾動軸承故障的關(guān)鍵的工作之一即為在采集滾動軸承的振動信號的時域或頻域參數(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。傳感器數(shù)據(jù)經(jīng) 16 位 A/D 板處理后存入計算機中，數(shù)據(jù)文件為 Matlab 文件格式。且加速度傳感器承受負(fù)載能力更強，機械性能更好。 （ 2）加速度傳感器 :用于獲取振動信號，加速度傳感器的輸出與被測物體振動的加速度成正比。整個實驗如圖 ，分以下四個部分。通常稱為特征頻率，頻率不同故障也就不同。由于滾動軸承的勻速回轉(zhuǎn)，使沖擊具有周期性。 軸承構(gòu)造 不同軸 滾動軸承 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 本文主要以損傷類故障內(nèi)為題，表面損傷滾動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。 a —— 接觸角。 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計（論文） 9 1r 一一內(nèi)環(huán)滾道的半徑 。 圖 圖 22 所示滾動軸承示意圖中的符號意義為 : D —— 軸承節(jié)圓直徑 。滾動體可在內(nèi)、外圈滾道上進(jìn)行滾動。滾動體是滾動軸承的核心元件，它使相對運動表面間的滑動摩擦變?yōu)闈L動摩擦。內(nèi)圈、外圈分別與 軸頸及軸承座孔裝配在一起。本章主要討論滾動軸承的振動機理、故障類型及其對應(yīng)的振動特征、損傷類故障模型等。而高頻診斷則著眼于滾動軸承因存在缺陷時所激發(fā)的各元件的固有頻率振動。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 仿真實驗 ，最終 ， 得到故障診斷結(jié)果。 燃?xì)廨啓C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滾動軸承為研究對象，通過對滾動軸承運行狀態(tài)類型分析，將滾動軸承的狀態(tài)類型分為正常狀態(tài)、故障狀態(tài)類型。 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計（論文） 7 2 燃?xì)廨啓C關(guān)鍵部件故障診斷的總體方案設(shè)計 本畢業(yè)設(shè)計以燃?xì)廨啓C的滾動軸承為具體研究對象，開展軸承系統(tǒng)故障診斷方法研究，設(shè)計故障診斷算法，構(gòu)建故障診斷模型，最終實現(xiàn)燃?xì)廨啓C軸承故障診斷的效能。 第 5 章： 論述 基于自 適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)（ ANFIS）故障診斷器的設(shè)計及其診斷結(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)，對診斷輸出結(jié)果采取了判別區(qū)間的再處理。 第 2 章：介紹總體方案設(shè)計，并且闡述分析軸承的基本結(jié)構(gòu)和原理，以及如何采集本次實驗所需的軸承參數(shù)。 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。 研究內(nèi)容 燃?xì)廨啓C是一類結(jié)構(gòu)復(fù)雜、工作環(huán)境特殊的大型系統(tǒng)，故障類型具有多模式、多發(fā)性、突發(fā)性的特點，且一旦發(fā)生故障，危害性極大?；诖朔椒ㄓ珠_發(fā)了燃?xì)廨啓C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熱參數(shù)，利用該軟件可以實現(xiàn)對燃?xì)廨啓C部件實時性能監(jiān)測和故障診斷。最后以某型燃?xì)廨啓C為研究對象 ,實現(xiàn)了快速、準(zhǔn)確地診斷。并提出有效建議供現(xiàn)場的技術(shù)人員參考，可隨時了解機組的運行情況，經(jīng)過驗證此系統(tǒng)不僅保證了安全生產(chǎn)，同時也取得了良好的經(jīng)濟效益。使得神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用得到極大發(fā)展。特別是隨著計算機技術(shù)和人工智能理論的發(fā)展使得燃?xì)廨啓C故障診斷技術(shù)躍升到了智能故障診斷的水平。 國內(nèi)現(xiàn)狀 由于我國的燃?xì)廨啓C行業(yè)基礎(chǔ)較差，氣路故障診斷技術(shù)起步較晚，目前故障診斷技術(shù)與世界先進(jìn)水平還存在著差距，隨著軍事和民用事業(yè)的高速發(fā)展，燃?xì)廨啓C大規(guī)模應(yīng)用越發(fā)廣泛的背景下，我國也逐漸開始了對燃 氣輪機故障診斷的研究 ,但由于起步較晚 ,規(guī)模較小且主要局限在理論方面 ,還沒有實際應(yīng)用的系統(tǒng) ,而隨著科技的進(jìn)步，各種新方法、新理論應(yīng)用于燃?xì)廨啓C故障診斷的研究也取得了一定的成果。該方法是將一個支持向量機的分類器和一個具有自適應(yīng)模糊神 經(jīng)網(wǎng)絡(luò)(ANFIS)分類器結(jié)合組成一個共同系統(tǒng)，從而一個多屬性數(shù)據(jù)被融合成一個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 SVM 或沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計（論文） 4 ANFIS 系統(tǒng)。針對燃?xì)廨啓C， 2020 年 等人采用模糊邏輯的診斷技術(shù)，并且考慮了測量信號的噪聲，系統(tǒng)能成功的診斷出燃?xì)廨啓C的單一故障，此外，又研究一種分層訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)，即利用 RBF 和 PNN 分別處理特定的任務(wù)，并將其應(yīng)用于燃?xì)廨啓C的一些組件故障的檢測，隔離和評估中。 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。 國內(nèi)外故障診斷技術(shù)研究現(xiàn)狀 國外現(xiàn)狀 在故障診斷技術(shù)理論研究方面，被認(rèn)為是故障診斷的起源之一的是 1971年 Mehra和 Peschon 發(fā)表在 Automatic 上的論作 《 An innovation approach to fault detection and diagnosis in dynamics》 。然而在一般情況下，燃?xì)廨啓C的故障樣本很有限，這就使得其應(yīng)用有一定難度。由于燃?xì)廨啓C故障診斷和狀態(tài)監(jiān)控能大大提高機組運行的安全性和可靠性，同時也能大幅度降低維修成本，所以燃?xì)廨啓C故障診斷模型的研究有重要的理論意義和較強的經(jīng)濟應(yīng)用價值。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（論文） 3 型。為了及時發(fā)現(xiàn)和排除各種故障，必須對燃?xì)廨啓C常見故障以及常見故障的特征有深刻了解，才能設(shè)計出有效的燃?xì)廨啓C故障診斷系統(tǒng)。 目前，對燃?xì)廨啓C的故障診斷大多基于振動信號分析。開展燃?xì)廨啓C故障診斷方法及其應(yīng)用 研究可以實現(xiàn)維修思想和維修方式的改變，將維修思想從“以預(yù)防為主”轉(zhuǎn)變?yōu)椤耙钥煽啃詾橹行摹?，維修方式從“定時維修”轉(zhuǎn)向“視情維修”。 (1) 增加設(shè)備的安全性 有效的燃?xì)廨啓C故障診斷系統(tǒng)可以幫助燃?xì)廨啓C維護人員提前發(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正常運行，避免發(fā)生重大故障，進(jìn)而造成巨大經(jīng)濟損失甚至人員傷亡。因此，對燃?xì)廨?機進(jìn)行故障診斷方法及其應(yīng)用進(jìn)行研究，有效判斷故障類型，準(zhǔn)確確定故障位置，從而節(jié)省了大量時間和資金，具有較高的經(jīng)濟應(yīng)用價值。由此看來，滾動軸承故障的準(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。所以，如果按照設(shè)計壽命對軸承進(jìn)行定時維修，則勢必出現(xiàn)以下情形 :一方面，把超過設(shè)計壽命而完好工作的軸承拆下來作為報廢處理，造成浪費。 此外，與其他機械零部件相比，滾動軸承有一個很大的特點，其壽命離散性很大。據(jù)統(tǒng)計，約 45%的燃?xì)廨啓C故障是由于軸承的故障所引起的。 滾動軸承是燃?xì)廨啓C最重要的零件之一，其運行狀態(tài)直接影響整臺燃?xì)廨啓C的性能，同時對燃?xì)廨啓C和操作人員的安全也會造成重大影響。因此維護燃?xì)廨啓C在正常狀態(tài)下運行，避免或及時診 斷處理燃?xì)廨啓C運行故障就顯得尤為重要。 fuzzy artificial neural work 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計（論文） VII 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 國內(nèi)外故障診斷技術(shù)研究現(xiàn)狀 ................................................................................. 3 國外現(xiàn)狀 .