【正文】 傳播計算： 沈陽航空航天大學北方科技學院畢業(yè)設計（論文） 16 由輸出層，依據(jù) J ,按梯度下降法反向計算，可逐次調(diào)整 權值。 網(wǎng)絡總的目標函數(shù)為： ? ? ? ???p p tEtJ （ ） 總 目標函數(shù)作為對網(wǎng)絡學習狀況的評價。 （ 2）給定輸入 /輸出樣本對，計算網(wǎng)絡的輸出 : 設 P 組 樣 本 輸 入 ： ? ?npppp uuuu ,...., 21? ：第 P 組樣本輸出：? ? Lpdddd mpppp . ..2,1, .. .. ., 21 ?? ,節(jié)點 i 在樣本 P 輸入時，輸出為 ipy ： ? ? ? ?? ? ???????? ?j jpijipip Iwftxfty （ ） 式中， jpI 是在第 P 組樣本輸入時，節(jié)點 i 的第 j 個輸入。輸出向量為 y，輸出層有 m個神經(jīng)元，輸入 /輸出樣本對 (即導師信號 )長度為 L。反向傳播是將誤差信號 (樣本輸出與 網(wǎng)絡輸出之差 )按原連接通路反向計算，由梯度下降法調(diào)整各層神經(jīng)元的權值，使誤差信號減小。若輸出層得到了期望的輸出，學習算法結束 。前層節(jié)點與后層節(jié)點通過權值連接，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 診斷方法 三層 BP 神經(jīng)網(wǎng)絡的結構如圖 所示，拓撲結構為有向無環(huán)圖的前向網(wǎng)絡。 (3) 分類 :把輸入矢量以所定義的合適方式進行分類 。 圖 BP網(wǎng)絡模型神經(jīng)網(wǎng)絡 BP 網(wǎng)絡主要用于 : (1) 函數(shù)逼近 :用輸入矢量和相應輸出矢 量 訓練一個網(wǎng)絡逼近一個函數(shù) 。 沈陽航空航天大學北方科技學院畢業(yè)設計（論文） 14 輸 入 層 隱 層 輸 出 層a 1a 2a ny 1y 2 。在正向傳播進程中，輸人信息從輸人層經(jīng)隱層加權處理傳向輸出層，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重系數(shù)，減小誤差。 BP 神經(jīng)網(wǎng)絡原理 BP 網(wǎng)絡是目前應用最廣的神經(jīng)網(wǎng)絡之一， BP 網(wǎng)絡 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。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值，稱之為權重，這相當于人工神經(jīng)網(wǎng)絡的記憶。神經(jīng)網(wǎng)絡是一種運算模型，由大量的節(jié)點（或稱神經(jīng)元） 和之間相互聯(lián)接構成。人工神經(jīng)網(wǎng)絡是一種應用類似于大腦神經(jīng)突觸聯(lián)接的結構進行信息處理的數(shù)學模型 。 本文將采用 BP 人工神經(jīng)網(wǎng)絡和模糊神經(jīng)網(wǎng)絡對滾動軸承缺陷進行識別，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)絡的輸入，網(wǎng)絡經(jīng)過訓練和測試后，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之一。當波形系數(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 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，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實驗，雖然每次實驗的結果可能不一樣，但是如果進行大量重復實驗，其結果就會出現(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)絡和模糊神經(jīng)網(wǎng)絡診斷滾動軸承故障的關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。 沈陽航空航天大學北方科技學院畢業(yè)設計（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。在此基礎上，將提取到的 參數(shù)作為BP 神經(jīng)網(wǎng)絡和模糊神經(jīng)網(wǎng)絡的輸入進行建模，采用所建立的 BP 神經(jīng)網(wǎng)絡和模糊神經(jīng) 進行 仿真實驗 ，最終 ， 得到故障診斷結果。 燃氣輪機軸承系統(tǒng)數(shù)據(jù)采集與預處理故 障 診 斷 模 型 /算 法B P 神 經(jīng) 網(wǎng) 絡傳感器系統(tǒng)故障診斷結果模 糊 神 經(jīng) 網(wǎng) 絡 圖 燃氣輪機軸承系統(tǒng)故障診斷方法研究方案 本文以某型燃氣輪機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。 沈陽航空航天大學北方科技學院畢業(yè)設計（論文） 7 2 燃氣輪機 關鍵部件 故障診斷的總體方案設計 本畢業(yè)設計以燃氣輪機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，設計故障診斷算法，構建故障診斷模型，最終實現(xiàn)燃氣輪機軸承故障診斷的效能。 第 5 章： 論述 基于自 適應模糊神經(jīng)網(wǎng)絡（ ANFIS）故障診斷器的設計及其診斷結果。 第 4 章：采用已經(jīng)獲得的故障參數(shù)，構建合理的 BP 神經(jīng)網(wǎng)絡并確定其結構，對診斷輸出結果采取了判別區(qū)間的再處理。 第 2 章：介紹總體方案設計，并且闡述分析軸承的基本結構和原理，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 燃氣輪機是一類結構復雜、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)了燃氣輪機故障診斷系統(tǒng)軟件，該軟件由數(shù)據(jù)采集和數(shù)據(jù)傳輸、燃氣輪機性能仿真、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)采集到的燃氣輪機熱參數(shù)，利用該軟件可以實現(xiàn)對燃氣輪機部件實時性能監(jiān)測和故障診斷。最后以某型燃氣輪機為研究對象 ,實現(xiàn)了快速、準確地診斷。并提出有效建議供現(xiàn)場的技術人員參考，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)絡算法的應用得到極大發(fā)展。特別是隨著計算機技術和人工智能理論的發(fā)展使得燃氣輪機故障診斷技術躍升到了智能故障診斷的水平。 國內(nèi)現(xiàn)狀 由于我國的燃氣輪機行業(yè)基礎較差，氣路故障診斷技術起步較晚，目前故障診斷技術與世界先進水平還存在著差距，隨著軍事和民用事業(yè)的高速發(fā)展，燃氣輪機大規(guī)模應用越 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 ,還沒有實際應用的系統(tǒng) ,而隨著科技的進步，各種新方法、新理論應用于燃氣輪機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模糊神經(jīng)網(wǎng)絡(ANFIS)分類器結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北方科技學院畢業(yè)設計（論文） 4 ANFIS 系統(tǒng)。針對燃氣輪機， 2021 年 等人采用模糊邏輯的診斷技術，并且考慮了測量信號的噪聲，系統(tǒng)能成功的診斷出燃氣輪機的單一故障，此外，又研究一種分層訓練的人工神經(jīng)網(wǎng)絡，即利用 RBF 和 PNN 分別處理特定的任務，并將其應用于燃氣輪機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，是國際上首部關于故障診斷方面的專著。 國內(nèi)外故障診斷技術研究現(xiàn)狀 國外現(xiàn)狀 在故障診斷技術理論研究方面，被認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，燃氣輪機的故障樣本很有限，這就使得其應用有一定難度。由于燃氣輪機故障診斷和狀態(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，所以燃氣輪機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，進而準確的判定故障類沈陽航空航天大學北方科技學院畢業(yè)設計（論文） 3 型。為了及時發(fā)現(xiàn)和排除各種故障，必須對燃氣輪機常見故障以及常見故障的特征有深刻了解，才能設計出有效的燃氣輪機故障診斷系統(tǒng)。 目前，對燃氣輪機的故障診斷大多基于振動信號分析。開展燃氣輪機故障診斷方法及其應用研究可以實現(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) 增加設備的安全性 有效的燃氣輪機故障診斷系統(tǒng)可以幫助燃氣輪機維護人員提前發(fā)現(xiàn)異常，迅速查明故障，并給出合理的解決方案，從而保證燃氣輪機正常運行，避免發(fā)生重大故障，進而造成巨大經(jīng)濟損失甚至人員傷亡。因此，對燃氣輪機進行故障診斷方法及其應用進行研究，有效判斷故障類型，準確確定故障位置，從而節(jié)省了大量時間和資金，具有較高的經(jīng)濟應用價值。由此看來，滾動軸承故障的準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，如果按照設計壽命對軸承進行定時維修，則勢必出現(xiàn)以下情形 :一方面，把超過設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%的燃氣輪機故障是由于軸承的故障所引起的。 滾動軸承是燃氣輪機最重要的零件之一，其運行狀態(tài)直接影響整臺燃氣輪機的性能，同時對燃氣輪機和操作人員的安全也會造成重大影響。因此維護燃 氣輪機在正常狀態(tài)下運行，避免或及時診斷處理燃氣輪機運行故障就顯得尤為重要。 fuzzy artificial neural work 沈陽航空航天大學北方科技學院畢業(yè)設計（論文） III