基于BP神经网络的除尘风机振动故障诊断.pdf

《基于BP神经网络的除尘风机振动故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、工厂自动陀亭题GMlttllomMitminhctHnI除尘风莉协动故障诊断王度伟一．前育随着现代科技进步，卷烟厂技术装备水平的提高，设备El趋集成化．高速他，自动化厦技术密羹化，如何减少设备生产中停机，降低设备故障率，减少停机损失．是摆在设备管理人员面前的一项重要任务。除尘风机是卷姻企业中数量鞍多的关键设备．一般都不配备备用机组．一旦发生故障，将给企业和商家带来严重的损失。固此，开展除尘风机设备的状态监删与故障渗断技术的研究．对罄烟企业的正常生产有着非常重要的意义。漂河卷烟厂(河南462002)王庆伟凛河职业技术学院C河南462002)李顺江吴振亭I抽鼻l将B

2、P神经网络技术引八到大型除尘风机的振动故障母断中结合神经网络的蛄袖分析T其工作原理和算法。通过一十设备故障实例，利用神经网络对设彝的故障特征和刹试信号等盘据进行学习和训练，模扭7专宰对故障所进行的推理、判断和央荒，从而获得7正确可靠的译断结论。洲试蛄果表明：文中建立的日P神经网络对训练的特征样奉进行模式识别具舂7很高的堆确率，实现T母断分析的智能化。I关簟闼lBP神经丹蝽除尘风机机槭担动故障诊断故障诊断则是提高系统可靠性的主要途径．但由于除尘风机设备受到的载荷状况比较复杂，其机械振动故障的发生几率较高．对设备的正常运行影响较大。因此．本文主要就除尘风机设备的振动

3、故障作为研究对象，提出了采用BP神经刚络来建立故障诊断模型．以解决

4、殳备的振动故障征兆与故障类型之间的非线性映射关系，实现振动故障的准确诊断和定位。二，BP神经网络原理BP{BackPropagation)反向f々播网络是一种按曝差反向传播算法1Ⅲ练的多层前磕网络．具有较好的非线性映射能力，泛化能力和容错能力，是目前应用最广泛的人工冲经网络礁型之一。图I为神经网络模型结构，它包括输八层，隐层和输出层，其中故障征兆作为输入层节点，故障原因作为输出层节点。将输^层隐层输出居图1BP网络横型结构。I。黜晨黑t292ⅢfmⅫ⋯mⅢ‘●、-譬帆Ir自动他专题l、Ⅲtm

5、a

6、mmmFafmn巳知故障现象瞳结

7、^确定为训练学习的样本空间．印征兆／故障样本集，通过这些样本的训练学习，确定网络结构．井以此根据振动故障征兆．识别出相应的故障状况。三、BP神经网络在机槭故障诊断中的应用113P神经网络训练样本故障诊断就是通过提取设备状志的特征矢量，在故障特征矢量空间内进行分类，从而实现对设备状态的识别。由于风机工作过程中．振动信号载有丰富的信自．．而且在技术上监测相对窑易，所以振动分析法在目前故障诊断中是罪有教的方法。本文就除尘风机中不平衡，不对中、油瞳涡动等10种常见的典型故障．利用振动信号领域中8个频段上的能量比值构造特征矢量-然后以这些

8、特征矢量为学习样本，在MATLAB环境下对BP网络进行训练．展终使之具有对这些故障的1只别能力．在大量试验和有关专家的经验下建立了以下训练样本．样本数据见表I。2BP神经网络的训练采用3层BP神经网络进行故障诊断．把网络的输八层节点教定为8个．分别对应8个不同的特征频殷-辅出层节点数定为lo卟-，分别对应风机振动常见的】0种故障粪型。按障诊断程序调用MATLAB语言的神经网络工具箱中的trainbyx0‘J指令，经过反复对比，在程序中设定误差精度E=0ol和隐含层节点数为35时样本训练精度较高。圈2为误差随训练次数的变化曲线图。可见随训练次数的增加．误差将快速减

9、少。当训练达到25步时，误差精度就达到要求。lg￡lOo3BP神经网络仿真结果与分析为验证BPI珂络的故障诊断的准确度．利用神经网络已经训练好的权值，将待识别的故障数据输八}申经阿培井运行，验汪神经网络故障睑断的准确性。验证数据和诊断结果见表2。从表2中可以看出：神经网络算法对除尘风机艘障诊断的结果是非常准确的．蜕明了神经网络一旦ihl练好后就可用来诊断相应的故障．达到了预期的目的。同时也体现了神经网络具有很强的存储能力和记忆能力，以及强大的联想能力和推一L圈2误差变化曲缝图表1除尘风机振动故障学习样本故障样本(，)理想输出不平撕f对中油瞳涡动油睦振蔫喘振轴向碰

10、磨横向裂纹联轴*损坏轴承座松动币等轴i刚度30黑黧％。伸。表2网络诊断结果工厂自动纪事题GMl、ⅢⅢ¨anf'nin}：}cft·rIl柏出情点故障娄14想输出油鞲涡动a想辅f!l{喘振理想犄出轴承唪把动诊断括出油膜祸动治断辅出喘拒镕断辅m轴承座舱动删能力．在故障诊断领域的应用是切9河行的。四、结语基于BP神经网络的除尘凰机振动故障诊断方法为旋转机械的故障诊断提供丁一条新选径。通过诊断的实际结果表明：BP{十经网络是一种性能优良的联想记忆网络．网络就能具有较好的容错性和稳定性．将BP神经网络具有应用干工业生产系统的除啦风机的振动故障治断技术中，具有较好的故障识别

11、能力．准确性较高．符合预