河北AM8亚美钢管制造有限公司拥有6条生大口径直缝钢管,双面埋弧焊直缝钢管生产线的生产厂家,可加工非型号直缝钢管。
AM8亚美 |网站地图
热门搜索:AM8亚美大口径直缝钢管q345b直缝钢管河北AM8亚美钢管制造有限公司

液壓泵軸承故障診斷神經網絡法研究

更新时间:2019-11-11 00:31人气:3916

摘要:研究了基於集成BP網絡的液壓泵軸承故障診斷方法。利用頻域和倒頻域 進行特征提取,采用集成BP網絡進行故障診斷和識別,解決了液壓泵軸承故障特征提出困難 、多故障識別困難的題目。試驗結果表明,利用集成BP網絡可以有效地診斷與識別液壓泵軸承多故障模式,並且具有很強的魯棒性。

  關鍵詞:液壓泵;軸承故障;故障診斷;集成BP網絡 

  在航空產業中,液壓係統的工作性能直接影響著飛機的安全和旅客的生命,而液壓泵是液壓 係統的動力源,是以對液壓泵的狀況監控與故障診斷尤其首要。軸承故障是液壓泵常見的故 障模式之一,由於軸承故障所引發的附加振動相對於液壓泵的固有振動較弱,因此很難把故 障信息從信號平分離開來。到目前為止,對液壓泵軸承故障的故障診斷尚缺少十分有效的方 法。本文提出在頻域和倒頻域進行特征提取 ,旨在解決軸承特征提取困難的題目並利用集成 BP網絡解決多故障診斷與識別和魯棒性題目。

1 液壓泵軸承故障的特征提取

  對於機械係統而言,如有故障則一定會引發係統的附加振動。振動信號是動態信號,它包含 的信息豐富,很適合進行故障診斷。但是假如附加振動信號由於固有信號或外界幹擾對故障 信號的幹擾很大而沉沒,那麽如何從振動信號中提取有效信號就顯得十分關鍵。

根據摩擦學理論,當軸承活動麵的內環、外環滾道及滾柱上出現一處損傷,滾道的表麵平滑 受到破壞,每當滾子滾過損傷點,都會產生一次振動。假設軸承零件為剛體,不考慮接觸變 形的影響 ,滾子沿滾道為純滾,則有如下損傷振動頻率:  當內滾道有一處損傷時,其振動脈衝特征頻率為:

fI=frZ(1+dcosα/D)/2  (1)

  當外滾道有一處損傷時,其振動脈衝頻率為 :

fo=frZ(1-dcosα/D)/2  (2)

  當滾柱上有一處損傷時,其振動脈衝特征頻率為 :

fR=frD(1-d2cosα/D2)/d  (3)

其中:fr-內環轉速頻率;D-軸承的節圓直徑;d-滾柱的直徑;α- 接觸角;Z-滾柱個數。  為了克服軸承故障信號較弱且輕易被液壓泵固有振動沉沒的困難,選用以下抗幹擾能力較強 的特征作為故障診斷特征參數 。  (1)振動的均勻能量特征  設在液壓泵泵體上測得的振動加速信號為:  a(t)={a1(t), a2(t),..., an(t)}  它是故障信號以泵體傳輸後的信號。根據統計學理論,振動的均方根反映振動的時域信息 :

特征參數有它代表振動信號的有效值,反映振動的均勻能量 。  (2)振動信號的峰值特征

Pp=max{a(t)}  (5)

  它是反映振動信號中周期性脈動的特征量。  (3)倒譜包絡特征  設f(t)為故障激勵信號,h(t)為傳輸通道的脈衝響應。它們相應的Fourier變 換有如下關係:

  對(6)式進行如下變換:

式中,τ稱為倒頻率;(τ)為倒頻譜。由上式可以 看出故障激勵信號特性和傳遞通道的特性被分離開來了,而一般情況下故障激勵信號與傳遞通道信號占有不同的倒頻區段,如許可以突出故障振動信號的特性 。  Hilbert變換用於信號分析中求時域信號的包絡,以達到對功率譜進行平滑從而突出故 障信息。定義信號:為最好包絡。倒譜包絡模型實質是對從傳感器獲得的信號進行倒頻譜分析,然後對其倒頻譜信號進行包絡提取,從而雙重性地突出了故障信息,為信噪比小的故障特征的提取提供了根據。

2 集成BP網絡進行故障診斷的道理

  神經網絡的組織結構是由求解題目的領域特征決定的。由於故障診斷係統的複雜性,將神經網絡利用於障診斷係統的設計中,將是大規模神經網絡的組織和學習題目。為了減少工作的複雜性,減少網絡的學習時間,本文將故障診斷常識集合分解為幾個邏輯上獨立的子集合 ,每個子集合再分解為若幹規則子集,然後根據規則子集來組織網絡。每 個規則子集是一個邏輯上獨立的子網絡的映照,規則子集間的聯係,通過子網絡的權係矩陣表示 。各個子網絡獨立地應用BP學習算法分別進行學習練習。由於分解後的子網絡比本來的網絡規模小得多且題目局部化了,從而使練習時間大為減少。利用集成BP網絡進行液壓泵軸承故障診斷的信息處理能力源於神經元的非線性機理特性和BP算法,如圖1所示。

圖1 BP網絡故障診斷示意圖

圖2中每一個子網絡均為一個BP網絡,各個子網絡由BP算法各自學習,學習後的結果由控製網絡集成。BP網絡的學習算法如下:

圖2 集成BP網絡示意圖

把選取的每一個特征參數(包括能量特征,幅值特征和倒譜包絡特征)x的值映像到神經網絡輸進輸出層的單個節點上,並對其進行正則處理:

xi=0.8(x-xmin)/(xmax-xmin)+0.1   (8)

  式(8)把特征參數正則到(0.1,0.9)之間的目的是避免Sigmoid函數輸出值極端化 而引發學習無法收斂的題目。  對(8)式得到的正則值完成如下運算,得到每個神經元的加權值和閾值 :

式中,j代表當前層,i代表前一層,wij代表連接權值;cj代表當前節點的閾 值;fj代表輸出 。

3、神經網絡魯棒性的研究

  神經網絡的魯棒性是指神經網絡對故障的容錯能力。盡人皆知,人腦具有容錯特性,大腦中個別神經元的損傷不會使它的整體性能發生嚴重的降級,這是由於大腦中每一概念並非隻保存在一個神經元中 ,而是散布於很多神經元及其連接當中。大腦可以通過再次學習, 使因一部分神經元的損傷而淡忘的常識從頭表達在剩餘的神經元中。由於神經網絡是對生物神經元網絡的模擬,所以神經網絡的最大特征是具有“聯想記憶”功能,即神經網絡可以由以往的常識組合 ,在部分信息丟失或部分信息不確定的條件下,用剩餘的特征信息做出精確的診斷。表2給出了軸承6個特征信息中某些輸進特征不精確或不確定情況下精確診斷和識別的成功率。

表2 神經網絡魯棒性統計表

輸進特征不確定元素 診斷成功率 一個特征參數不確定 100% 二個特征參數不確定 94% 三個特征參數不確定 76% 四個特征參數不確定 70% 五個特征參數不確定 20% 六個特征參數不確定 8%

由表2可以看出,利用集成神經網絡進行故障診斷可以在丟失了大量信息的情況下(近一半特征參數不確定)仍可以作出精確判定的成功率相當高(76%~100%)因此集成神經網絡具有很強能力 5 結論

  由於神經網絡具有自學習、自組織、聯想記憶等多種功能決定了神經網絡方法是很適合於進行故障診斷研究。本文利用頻域和倒頻域的振動信號作為特征參數,利用集成BP網絡實現了液壓泵軸承的多故障診斷與識別。試驗結果表明,該方法具有很高的成功率和魯棒性

1頁

直缝钢管公司简介钢管产品公司资质设备展示新闻中心钢管知识现货库存联系方式
地址:江苏常州钟楼区新县沙集375号 联系电话:0317-6368242 24小时免费服务热线:魏经理13442784091

河北AM8亚美钢管制造有限公司专业生产直缝钢管、大口径直缝钢管、直缝焊管、埋弧焊直缝钢管 版权所有 | 备icp800051890 网站地图