基于全矢谱和径向基概率神经网络的旋转机械故障诊断方法研究.pdf

《基于全矢谱和径向基概率神经网络的旋转机械故障诊断方法研究.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、设备设计／诊断维修／再制造现代制造工程2010年第1期基于全矢谱和径向基概率神经网络的旋转机械故障诊断方法研究+杨春燕，丁静(郑州轻工业学院机电学院，郑州450002)摘要：结合全矢谱和径向基概率神经网络的优点，提出一种故障诊断的新方法，该方法是以提取全矢幅值谱的特征输入到径向基概率神经网络分类器进行故障识别。试验结果表明，该方法与传统单通道相比故障正确识别率很高，把它应用于旋转机械故障诊断是有效的。关键词：全矢谱；径向基概率神经网络；故障诊断；旋转机械中图分类号：TP391．7文献标识码：A文章编号：1671-3133(2010)01----0141--04Fa

2、ultdiagnosisonrotarymachinerybasedonvectorspectrumandradialbasisprobabilisticneuralnetworksYANGChun—yan，DINGJing(CofiegeofElectricalandMechanicalEngineering，ZhengzhouUniversityofLightIndustry，Zhenzhou450002，China)Abstract：CombiningfullvectorspectrumandRBPNN，anewfaultdiagnosisapproachi

3、sproposed，thisapproachisthatthefullvectorspectrumisusedaseigenvectors．RBPNN鹅aclassifier．Theexperimentresultshowsthatthemethodhashighcorrectrec—ognitionratecomparingwiththetraditionalsingle-channel，andtheproposedapproachisveryeffectiveapplyingtothefaultding-nosisofrotatingmachinery．Key

4、words：舢vectorspectrum；RadialBasisProbabilisticNeuralNetworks(RBPNN)；faultdiagnosis；rotatingmachinery0引言高速旋转机械广泛应用于汽轮机、发电机、燃气轮机、水轮机、航空发电机、离心压缩机、泵以及各种齿轮、增速装置等机械设备，它们是企业的咽喉设备，一旦因故障停机，损失巨大。因此对企业关键设备故障诊断具有重要的现实意义。利用振动信号对设备进行诊断，是设备故障诊断最有效和最常用的方法之一。传统的旋转机械故障诊断都是针对转子某截面上单通道信号进行分析处理，损失了多通道信号之间

5、的内在联系，不能准确反映转子的故障特征，最终造成误诊或漏诊。全矢谱克服了单通道信号源不足的问题，可以获得与单源信息具有相同形式但质量更高的信息⋯。径向基概率神经网络(RadialBasisProba-bilisticNeuralNetworks，RBPNN)是前馈神经网络模型的一种，它吸收了径向基函数网络和概率神经网络的·河南省教育厅自然科学研究资助计划项目(2009A460013)优点，具有识别率高、训练速度快、网络模型小和推广能力强等特点旧J。本文将全矢谱与径向基概率神经网络理论相结合，提出基于全矢谱和径向基概率神经网络的旋转机械故障诊断方法，该方法是以提取全

6、矢谱的特征，然后输入到径向基概率神经网络分类器进行故障识别的。它是解决基于单源信息故障诊断准确率偏低的途径之一。1诊断模型总体结构转子的截面振动信息一般是由两个垂直安装的探头采集的，为了充分利用这两个垂直通道信息，本文建立了一种转子的诊断模型。该模型充分利用转子截面两个通道信息，对转子系统故障进行诊断。系统诊断模型如图I所示。图I中，z、Y代表一个截面上两个垂直径向信号。14I现代制造工程2010年第1期设备设计／诊断维修／再制造故障识别?一‘’一一一一一一一+一+一1图1诊断模型总体结构2诊断模型总体结构实现结果2．1全矢谱理论全矢谱是郑州大学振动工程研究所的韩

7、捷教授提出来的，它与西安交通大学屈梁生院士提出的全息谱‘33以及美国Bently公司提出的全谱‘41具有相同的实质，但其表达更合理，它可以和普通幅值谱一样具有高的分辨率而且能融合两通道信息。假定在转子某个截面上垂直安装两个传感器，如图2所示，检测信号分别为xj和Yj，其运动方程为：图2传感器安装方式f勺=墨COS(qt+％)=Xqcos(a,．『t)一Xsjsin(tojt)lYi=rjcos(q‘+妒玎)=Ycicos(哟￡)一bsin(q‘)(_『=1，2，3，⋯)⋯⋯(1)式中：Xq=葺c08％，x晕=Xisin‘％，％=Yjcos妒打，b=Y／simp订；

8、墨、巧分别