當(dāng)前位置 : 公司主頁 >> 新聞中心 >> 網(wǎng)絡(luò)文摘

液壓泵軸承故障診斷的神經(jīng)網(wǎng)絡(luò)方法研究
分享到：

　　在航空工業(yè)中，液壓系統(tǒng)的工作性能直接影響著飛機(jī)的安全和旅客的生命，而液壓泵是液壓系統(tǒng)的動(dòng)力源，因此對(duì)液壓泵的狀態(tài)監(jiān)控與故障診斷尤為重要。軸承故障是液壓泵常見的故障模式之一，由于軸承故障所引起的附加振動(dòng)相對(duì)于液壓泵的固有振動(dòng)較弱，因而很難把故障信息從信號(hào)中分離開來。到目前為止，對(duì)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(jìn)行特征提取，旨在解決軸承特征提取困難的問題并利用集成BP網(wǎng)絡(luò)解決多故障診斷與識(shí)別和魯棒性問題。1　液壓泵軸承故障的特征提取　　對(duì)于機(jī)械系統(tǒng)而言，如有故障則一定會(huì)引起系統(tǒng)的附加振動(dòng)。振動(dòng)信號(hào)是動(dòng)態(tài)信號(hào)，它包含的信息豐富，很適合進(jìn)行故障診斷。但是如果附加振動(dòng)信號(hào)由于固有信號(hào)或外界干擾對(duì)故障信號(hào)的干擾很大而淹沒，那么如何從振動(dòng)信號(hào)中提取有用信號(hào)就顯得十分關(guān)鍵。
　　根據(jù)摩擦學(xué)理論，當(dāng)軸承流動(dòng)面的內(nèi)環(huán)、外環(huán)滾道及滾柱上出現(xiàn)一處損傷，滾道的表面平滑受到破壞，每當(dāng)滾子滾過損傷點(diǎn)，都會(huì)產(chǎn)生一次振動(dòng)。假設(shè)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?lián)p傷振動(dòng)頻率：
　　當(dāng)內(nèi)滾道有一處損傷時(shí)，其振動(dòng)脈沖特征頻率為：fI=frZ(1 dcosα/D)/2　　（1）　　當(dāng)外滾道有一處損傷時(shí)，其振動(dòng)脈沖頻率為：fo=frZ(1-dcosα/D)/2　　（2）　　當(dāng)滾柱上有一處損傷時(shí)，其振動(dòng)脈沖特征頻率為：fR=frD(1-d2cosα/D2)/d　　（3）其中：fr－內(nèi)環(huán)轉(zhuǎn)速頻率；D－軸承的節(jié)圓直徑；d－滾柱的直徑；α－接觸角；Z－滾柱個(gè)數(shù)。
　　為了克服軸承故障信號(hào)較弱且容易被液壓泵固有振動(dòng)淹沒的困難，選用以下抗干擾能力較強(qiáng)的特征作為故障診斷特征參數(shù)。
　　（1）振動(dòng)的平均能量特征
　　設(shè)在液壓泵泵體上測(cè)得的振動(dòng)加速信號(hào)為：
　　a(t)={a1(t),a2(t),...，an(t)}
　　它是故障信號(hào)以泵體傳輸后的信號(hào)。根據(jù)統(tǒng)計(jì)學(xué)理論，振動(dòng)的均方根反映振動(dòng)的時(shí)域信息：　　特征參數(shù)有它代表振動(dòng)信號(hào)的有效值，反映振動(dòng)的平均能量。
　　（2）振動(dòng)信號(hào)的峰值特征Pp=max{a(t)}　　（5）　　它是反映振動(dòng)信號(hào)中周期性脈動(dòng)的特征量。
　　（3）倒譜包絡(luò)特征
　　設(shè)f(t)為故障激勵(lì)信號(hào)，h(t)為傳輸通道的脈沖響應(yīng)。它們相應(yīng)的Fourier變換有如下關(guān)系：　　對(duì)（6）式進(jìn)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(lì)信號(hào)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(lì)信號(hào)與傳遞通道信號(hào)占據(jù)不同的倒頻區(qū)段，這樣可以突出故障振動(dòng)信號(hào)的特性。
　　Hilbert變換用于信號(hào)分析中求時(shí)域信號(hào)的包絡(luò)，以達(dá)到對(duì)功率譜進(jìn)行平滑從而突出故障信息。定義信號(hào)：為最佳包絡(luò)。倒譜包絡(luò)模型實(shí)質(zhì)是對(duì)從傳感器獲得的信號(hào)進(jìn)行倒頻譜分析，然后對(duì)其倒頻譜信號(hào)進(jìn)行包絡(luò)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依據(jù)。2　集成BP網(wǎng)絡(luò)進(jìn)行故障診斷的原理　　神經(jīng)網(wǎng)絡(luò)的組織結(jié)構(gòu)是由求解問題的領(lǐng)域特征決定的。由于故障診斷系統(tǒng)的復(fù)雜性，將神經(jīng)網(wǎng)絡(luò)應(yīng)用于障診斷系統(tǒng)的設(shè)計(jì)中，將是大規(guī)模神經(jīng)網(wǎng)絡(luò)的組織和學(xué)習(xí)問題。為了減少工作的復(fù)雜性，減少網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間，本文將故障診斷知識(shí)集合分解為幾個(gè)邏輯上獨(dú)立的子集合，每個(gè)子集合再分解為若干規(guī)則子集，然后根據(jù)規(guī)則子集來組織網(wǎng)絡(luò)。每個(gè)規(guī)則子集是一個(gè)邏輯上獨(dú)立的子網(wǎng)絡(luò)的映射，規(guī)則子集間的聯(lián)系，通過子網(wǎng)絡(luò)的權(quán)系矩陣表示。各個(gè)子網(wǎng)絡(luò)獨(dú)立地運(yùn)用BP學(xué)習(xí)算法分別進(jìn)行學(xué)習(xí)訓(xùn)練。由于分解后的子網(wǎng)絡(luò)比原來的網(wǎng)絡(luò)規(guī)模小得多且問題局部化了，從而使訓(xùn)練時(shí)間大為減少。利用集成BP網(wǎng)絡(luò)進(jìn)行液壓泵軸承故障診斷的信息處理能力源于神經(jīng)元的非線性機(jī)理特性和BP算法，如圖1所示。