【正文】 ural work is built up. Finally,and fuzzy artificial neural work diagnosis technique the training set of right and fault states of rolling bearing is built up by using the measuring data of rolling bearing from former research, the neural work model is trained on the platform of Matlab operating state of rolling bearing has been diagnosed by using the above work which has been trained well. Keywords: rolling bearing。所以對(duì)滾動(dòng)軸承故障診斷技術(shù)進(jìn)行探討和學(xué)習(xí)就具有 十分重要的意義。 艦用燃?xì)廨啓C(jī)某關(guān)鍵部件故障診斷方法研究 系 別 信息工程系 專 業(yè) 測(cè)控技術(shù)與儀器 班 級(jí) B141401 學(xué) 號(hào) B14140129 姓 名 袁斌 指導(dǎo)教師 崔建國(guó) 負(fù)責(zé)教師 崔建國(guó) 沈陽(yáng)航空 航天大 學(xué) 北方科技學(xué)院 2021 年 6 月沈陽(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） I 摘 要 燃?xì)廨啓C(jī)的關(guān)鍵部件之一 滾動(dòng)軸承是 機(jī)械 設(shè)備運(yùn)行過(guò)程中產(chǎn)生最易產(chǎn)生故障的零件，它運(yùn)行的正常與否直接影響到整臺(tái)機(jī)器的性能。防止故障升級(jí)，發(fā)生災(zāi)難性事故。 本文主要以 燃?xì)廨啓C(jī)的 滾動(dòng)軸承為研究對(duì)象，利用測(cè)量的軸承振動(dòng)信號(hào)參數(shù)來(lái)進(jìn)行故障診斷，利用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)某一動(dòng)態(tài)的模擬原理，應(yīng)用到對(duì)滾動(dòng)軸承故障診斷的具體方面，設(shè)計(jì)并構(gòu)建了基于 BP 神經(jīng)網(wǎng)絡(luò)和 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò) （ Adaptive Network Fuzzy Inference System） 的滾動(dòng)軸承故障診斷系統(tǒng) ， 在 MATLAB 軟件里對(duì)構(gòu)造的訓(xùn)練樣本進(jìn)行訓(xùn)練，利用訓(xùn)練完成后的神經(jīng)網(wǎng)絡(luò)我們就可以對(duì)滾動(dòng)狀態(tài)故障進(jìn)行診斷。 BP neural work。燃?xì)廨啓C(jī)在陸上和航海交通領(lǐng)域中也占有越來(lái)越重要的地位，由于其較高的熱效率和較小的排氣污染，在能源和電力部門(mén)也日益成為動(dòng)力設(shè)備的主流產(chǎn)品，它們一旦發(fā)生事故或出現(xiàn)故障就會(huì)給生產(chǎn)經(jīng)營(yíng)造成極其嚴(yán)重的影響。由于燃?xì)廨啓C(jī)故障診斷和狀態(tài)監(jiān)控能大大提高機(jī)組運(yùn)行的安全性和可靠性，大幅度降低維護(hù)和維修成本，所以燃?xì)廨啓C(jī)故障診斷模型的研究有著重要的理論意義和較高的應(yīng)用價(jià)值。軸承的故障會(huì)導(dǎo)致燃?xì)廨啓C(jī)設(shè)備的劇烈振動(dòng)，產(chǎn)生刺耳的噪聲，嚴(yán)重時(shí)會(huì)引起設(shè)備損壞、動(dòng)力停止甚至機(jī)械事故，且燃?xì)廨啓C(jī)滾動(dòng)軸承造成的事故往往是突發(fā)的，若在交通運(yùn)輸中 還會(huì)引發(fā)重大的交通事故，造成人員傷亡。因此，對(duì)滾動(dòng)軸承進(jìn)行故障診斷和狀態(tài)預(yù)測(cè)具有重要的實(shí)際意義，也是燃?xì)廨啓C(jī)故障診斷領(lǐng)域的重點(diǎn)之一。有的軸承已大大超過(guò)設(shè)計(jì)壽命而依然完好地工作，而有的軸承遠(yuǎn)未達(dá)到設(shè)計(jì)壽命就出現(xiàn)了各種故障。 另一方面，把未達(dá)到設(shè)計(jì)壽命而出現(xiàn) 故障的軸承堅(jiān)持使用到定時(shí)維修時(shí)拆下來(lái)作為報(bào)廢處理，使得機(jī)械在軸承出現(xiàn)故障后和拆下前這段時(shí)間內(nèi)工作精度下降，或者未到維修時(shí)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） 2 間就出現(xiàn)嚴(yán)重故障，導(dǎo)致整個(gè)機(jī)械出現(xiàn)嚴(yán)重事故。 研究意義 作為一個(gè)典型的復(fù)雜機(jī)械系統(tǒng)，燃?xì)廨啓C(jī)是由大量相互聯(lián)系但工作過(guò)程又彼此不同的部件組成，在惡劣的工作條件（高溫、高壓、強(qiáng)腐蝕、高密度的能量釋放）使其成為整個(gè)動(dòng)力系統(tǒng)中故障的敏感多發(fā)部位，其故障的發(fā)生和發(fā)展具有快 速和破壞性極大的特點(diǎn)。其研究的主要意義。 (2) 推動(dòng)燃?xì)廨啓C(jī)維修理念的改革 傳統(tǒng)的燃?xì)廨啓C(jī)維修思想是經(jīng)驗(yàn)性，即“以預(yù)防為主”的思想，維修方式是按預(yù)先規(guī)定的周期進(jìn)行定時(shí)維 修。 (3) 提高經(jīng)濟(jì)效益 燃?xì)廨啓C(jī)故障診斷系統(tǒng)能夠在零部件、勞動(dòng)力、燃油、使用時(shí)間和后勤保障方面節(jié)省支出，具有較高的經(jīng)濟(jì)應(yīng)用價(jià)值。采用振動(dòng)信號(hào)分析法對(duì)滾動(dòng)軸承系統(tǒng)相關(guān)故障診斷效果較好。通過(guò)建立適合的燃?xì)廨啓C(jī)故障模型，可以為故障診斷系統(tǒng)的開(kāi)發(fā)提供基礎(chǔ)。 在動(dòng)力系統(tǒng)中燃?xì)廨啓C(jī)有著重要地位，而燃?xì)廨啓C(jī)故障診斷技術(shù)也是國(guó)內(nèi)外研究的一個(gè)熱點(diǎn)。目前研究比較多且相對(duì)來(lái)說(shuō)較為成熟的是應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法為燃?xì)廨啓C(jī)的關(guān)鍵部件進(jìn)行故障診斷，但是神經(jīng)網(wǎng)絡(luò)方法往往需要 大量的訓(xùn)練樣本才會(huì)獲得比較好的效果，在小樣本情況下的其效果往往不盡如人意。針對(duì)這一點(diǎn)，本次課題主要以 BP 神經(jīng)網(wǎng)絡(luò) 故障診斷算法為研究對(duì)象進(jìn)行研究和設(shè)計(jì)。而 1976 年， Willsky 在發(fā)表于 Automatic 上的論文《 A survey of sedign methods for failure detection in dynamic systems》則被認(rèn)為是世界上第一篇故障檢測(cè)和診斷方面的綜述性文章。 美國(guó)是最先開(kāi)展燃?xì)?輪機(jī)故障診斷研究的國(guó)家，在相關(guān)的研究領(lǐng)域一直處于世界一流的水平，其他國(guó)家在燃?xì)廨啓C(jī)的故障診斷領(lǐng)域也有理論和技術(shù)的優(yōu)勢(shì)。 應(yīng)用信息 /數(shù)據(jù)融合的方法， 2021 年 Karim Salahshoor 提出了一種新的故障檢測(cè)和診斷方法。此外，還有美國(guó)國(guó)防部資助開(kāi)發(fā)的聲納信號(hào)處理系統(tǒng)和美國(guó)國(guó)家航空航天局主導(dǎo)的應(yīng)用信息融合技術(shù)診斷 C17 飛機(jī)故障的實(shí)例。自80 年代以來(lái)，國(guó)內(nèi)諸多高校及研究所的專家學(xué)者不斷開(kāi)展對(duì)燃?xì)廨啓C(jī)的故障診斷與診斷研究，在理論上取得了一定的研究成果，提出相對(duì)豐富的算法和模型，為工程實(shí)踐奠定了基礎(chǔ)。 2021 年翁史烈等在《基于熱力參數(shù)的燃?xì)廨啓C(jī) 智能故障診斷》一文中提出了故障與征兆之間定量關(guān)系的求取方法，并在此基礎(chǔ)上研究了模糊邏輯和神經(jīng)網(wǎng)絡(luò)的故障診斷方法。 2021 年卜凱旗在《在燃?xì)廨啓C(jī)發(fā)電機(jī)組的振動(dòng)信號(hào)監(jiān)測(cè)與分析系統(tǒng)》一文中研發(fā)了一套燃?xì)廨啓C(jī)振動(dòng)監(jiān)測(cè)、故障診斷系統(tǒng) ,該系統(tǒng)通過(guò)振動(dòng)數(shù)據(jù)采集、分析，機(jī)組運(yùn)行中出現(xiàn)的異常情況可以及時(shí)地被反映出來(lái)，并通過(guò)專家診斷系統(tǒng)采用多種數(shù)據(jù)分析方法互為補(bǔ)充，從而獲得較好的故障診斷結(jié)果。 在 2021 年《模糊神經(jīng)網(wǎng)絡(luò)在燃?xì)廨啓C(jī)故障診斷專家系統(tǒng)中的研究與應(yīng)用》陳旸等提出了針對(duì)故障診斷專家系統(tǒng)中自學(xué)習(xí)能力弱和不能描述模糊性知識(shí)的問(wèn)題 ,提出了一種將模糊神經(jīng)網(wǎng)絡(luò)運(yùn)用于故障診斷專家系統(tǒng)的研究方法 ,既可以使故障診斷專家系統(tǒng)根據(jù)事例和數(shù)據(jù)來(lái)學(xué)習(xí)新的知識(shí)和信息 ,又增強(qiáng)了系統(tǒng)描述模糊性知識(shí)的能力 ,使得診斷結(jié)果更加符合診斷工作人員的需要。 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） 5 2021 年上海交通大字的夏迪針對(duì) PG917E 型單軸發(fā)電燃?xì)廨啓C(jī)，提出丁基十非線性模型的全斷方法 ，采用無(wú)約束的優(yōu)化方法優(yōu)化模型輸出值與實(shí)際測(cè)量值的偏差，結(jié)果表明該方法精度較高，收斂性好，達(dá)到工程應(yīng)用的目的。 近年來(lái)，隨著燃?xì)廨啓C(jī)故障診斷技術(shù)的發(fā)展，故障預(yù)測(cè)與健康管理 (Prognostic andHealth Management / Monitoring, PHM)系統(tǒng)獲得 了廣泛的關(guān)注，以達(dá)到對(duì)燃?xì)廨啓C(jī)的健康進(jìn)行管理、故障預(yù)測(cè)、以及壽命預(yù)估的目的。因此，設(shè)計(jì)有效的故障診斷方法對(duì)燃?xì)廨啓C(jī)進(jìn)行故障診斷尤為重要。如何從復(fù)雜的軸承故障參數(shù)中選取合適的故障參數(shù)，如何由故障特征確定對(duì)應(yīng)的故障類型，如何實(shí)現(xiàn)神經(jīng)網(wǎng) 絡(luò)故障診斷系統(tǒng)并通過(guò)仿真測(cè)試是本文研究的主要內(nèi)容。 第 3 章：系統(tǒng)地介紹了 BP 神經(jīng)網(wǎng)絡(luò)和 ANFIS 模糊神經(jīng)網(wǎng)絡(luò)的原理、結(jié)構(gòu)、學(xué)習(xí)過(guò)程，選用合適的算法以使得其能夠更加適合于滾動(dòng)軸承故障診斷系統(tǒng)的應(yīng)用。利用我們采集的實(shí)測(cè)數(shù)據(jù)，分別構(gòu)造了基于軸承振動(dòng)參數(shù)的正常及故障狀態(tài)的訓(xùn)練樣本，在 MATLAB 環(huán)境中對(duì)構(gòu)建的 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試，驗(yàn)證了故障診斷系統(tǒng)對(duì)滾動(dòng)軸承不同狀態(tài)進(jìn)行識(shí)別的有效性。 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） 6 第 6 章： 對(duì)以上 兩種 神經(jīng)網(wǎng)絡(luò)故障診斷器的診斷結(jié)果進(jìn)行對(duì)比分析 。 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)?輪機(jī)軸承系統(tǒng)在工作時(shí)通過(guò)傳感器采集其工作過(guò)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。 滾動(dòng)軸承機(jī)理及故障類型 滾動(dòng)軸承在旋轉(zhuǎn)過(guò)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(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 8 現(xiàn)出一定的特征，測(cè)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(cè)取簡(jiǎn)單的特點(diǎn)，根據(jù)所監(jiān)測(cè)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 。它們?cè)谠砩蠜](méi)有太大的區(qū)別，都要通過(guò)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。 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。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)體的形式有球形、圓形、錐柱形和鼓形等。圖 為滾動(dòng)軸承結(jié)構(gòu)圖。 d 一一滾動(dòng)體直徑 。 2r 一一外環(huán)滾道的半徑 。 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。當(dāng)軸承存在局部損傷時(shí)，損傷沈陽(yáng)航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 10 點(diǎn)通過(guò)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)。對(duì)發(fā)生在不同位置的損傷，沖擊具有不同的頻率。 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(lái)源于軸承實(shí)際運(yùn)轉(zhuǎn)時(shí)的數(shù)據(jù)，通過(guò)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。 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 （ 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)。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)。 (3) 數(shù)據(jù)采集系統(tǒng) :通過(guò)傳感器將信號(hào)經(jīng)過(guò)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(cè)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。 (4) 軸承故障診斷系統(tǒng)將在后續(xù)章節(jié)中介紹。 故障只能作為物理參數(shù)表現(xiàn)出來(lái)，只要滾動(dòng)軸承的狀態(tài)發(fā)生了變化 (即有故障產(chǎn)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） 11 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(wèn)題，因?yàn)橹挥心切┡c某種故障類型之間的關(guān)系密切、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。 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(méi)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(lái)描述這種信號(hào)。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。在此我們定義了六個(gè)參數(shù)。均值用于滾動(dòng)軸承缺陷診斷的優(yōu)點(diǎn)是檢測(cè)值較峰值穩(wěn)定。 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） 12 響，所以傳感器的靈敏度即使有變動(dòng)，也不會(huì)出現(xiàn)測(cè)量誤差。陷的逐漸發(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)過(guò)小時(shí)，表明滾動(dòng)軸承可能發(fā)生磨損。 ⑥ 裕度因子： dpeakt xxL ? （ ） 其中 211 ??????? ??ni id xnX， ???? ??ni irm smj pjpe ak xnxxmx 1211,1 。 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） 13 3 故障診斷 方 法 大量功能簡(jiǎn)單的神經(jīng)元通過(guò)一定的拓?fù)浣Y(jié)構(gòu)組織起來(lái)，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)。在工程與學(xué)術(shù)界也常直接簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。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）。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