基于径向基函数神经网络的转子系统裂纹故障诊断-论文.pdf

《基于径向基函数神经网络的转子系统裂纹故障诊断-论文.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、第31卷第8期控制理论与应用Vbl_31NO．52014年8月ControlTheory＆ApplicationsAug．2014DOI：10．7641／CTA．2014．30965基于径向基函数神经网络的转子系统裂纹故障诊断吴玉香十，张景，王聪(华南理工大学自动化科学与工程学院，广东广州510640)摘要：结合基于模型的转子系统诊断技术和径向基函数(RBF)神经网络在辨识非线性系统动态时的优势，本文提出了一种新的转子系统裂纹故障诊断方法．该方法采用RBF神经网络对裂纹转子系统的未知动态进行辨识，实现部分神经网络权值收敛到最优值以及神经网络

2、对系统未知动态的局部准确逼近；诊断过程中利用已辨识的信息实现转子系统裂纹故障的快速检测与分离．所提方法尤其适用于微小裂纹的在线检测与定量识别．最后，以Jeffcott转子系统裂纹故障诊断为例进行仿真，仿真结果验证了所提方法的有效性．关键词：故障诊断：转子裂纹；RBF?~经网络；动态匹配中图分类号：TP206+．3文献标识码：AFaultdiagnosisofcrackedrotorsystemsbasedonradialbasisfunctionneuralnetworksWU、，u—xiangt，ZHANGJing，WANGCong(Co

3、llegeofAutomationScienceandTechnology,SouthChinaUniversityofTechnology,GuangzhouGuangdong510640，China)Abstract：Combiningthemodel—basedfaultdiagnosismethodofrotorsystemsandtheadvantageofradialbasisfunction(RBF)neurMnetworksonidentifyingnonlinearsystemdynamics，weproposeanewf

4、aultdiagnosisschemeforcrackedrotorsystems．Intheproposedscheme，RBFneuralnetworksareusedtOidentifytheunknowndynamicsofcrackedrotorsystems；theconvergenceofpartialneuralnetworkweightstotheiroptimalvaluesaswellasthelocallyaccurateapproximationoftheunknownsystemdynamicsareachiev

5、ed．Inthediagnosisprocess，theidentifiedinformationisreusedSOthatcrackfaultscanbedetectedandisolatedquickly．Smallcrackscanbedetectedonlineandrecognizedquantitativelywiththismethod．TheexampleofthecrackdiagnosisofJeffcottrotorsystemsisillustratedtodemonstratetheefectivenessoft

6、heproposedmethod．Keywords：faultdiagnosis；crackedrotor；RBFneuralnetworks；dynamicmatching1引言(Introduction)的2倍频等特征被掩盖，从而使裂纹的诊断出现困转子裂纹故障是旋转机械的常见故障之一，转子难[1o]．因此传统的转子系统故障诊断方法对较小裂纹出现裂纹的潜在危害性要比一般故障的危害性大得的诊断还不是很有效．多，因而研究转子裂纹的在线监测与早期诊断就异常为了实现裂纹的定量识别，需要结合裂纹转子系重要．在重力、不平衡激励力和其他外力作用下裂纹统

7、的动力学模型，因而基于模型的转子系统定量诊断转子的振动响应及稳定性研究，已经取得了大量的研方法逐步发展并受到广泛的关注[Il_l21．由于裂纹的究成果，利用这些成果进行裂纹故障的检测和诊断也存在和扩展改变了转子系统的机械参数，使得裂纹与取得了一些成功的案例[]．目前对于转子裂纹故障转子系统动态响应之间的关系极为复杂，建立裂纹转的诊断主要是采用基于振动信号特征结合专家经验子的精确数学模型在实际中困难较多．尤其对于大型的定性诊断，最常用的振动诊断方法是监测转子运行复杂转子系统，基于传统有限元模型的诊断方法存在中或开停车过程中振幅及相位的频谱特征

8、及变化速鲁棒性不强、精度不高等问题．因此，基于神经网络的度【】．由于只有当转子的裂纹达到较大的深度时，频智能故障诊断方法成为转子系统故障诊断重要的研谱才有较为显著的变化【91，且