液壓泵軸承故障診斷的神經(jīng)網(wǎng)絡方法研究

1、液壓泵軸承故障診斷的神經(jīng)網(wǎng)絡方法研究液壓泵軸承故障診斷的神經(jīng)網(wǎng)絡方法研究北京航空航天大學王少萍摘要摘要：研究了基于集成BP網(wǎng)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(wǎng)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、多故障識別困難的問題。試驗結(jié)果表明，利用集成BP網(wǎng)絡可以有效地診斷與識別液壓泵軸承多故障模式，并且具有很強的魯棒性。關鍵詞：關鍵詞：液壓泵；軸承故障；故障診斷；集成BP網(wǎng)絡在航空工業(yè)中，液

2、壓系統(tǒng)的工作性能直接影響著飛機的安全和旅客的生命，而液壓泵是液壓系統(tǒng)的動力源，因此對液壓泵的狀態(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相對于液壓泵的固有振動較弱，因而很難把故障信息從信號中分離開來。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問題并利用集成BP網(wǎng)絡解決多故障診斷與識別和魯棒性問題。1液壓泵軸承故

3、障的特征提取液壓泵軸承故障的特征提取對于機械系統(tǒng)而言，如有故障則一定會引起系統(tǒng)的附加振動。振動信號是動態(tài)信號，它包含的信息豐富，很適合進行故障診斷。但是如果附加振動信號由于固有信號或外界干擾對故障信號的干擾很大而淹沒，那么如何從振動信號中提取有用信號就顯得十分關鍵。根據(jù)摩擦學理論，當軸承流動面的內(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，每當滾子滾過損傷點，都會產(chǎn)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

4、沿滾道為純滾，則有如下?lián)p傷振動頻率：當內(nèi)滾道有一處損傷時，其振動脈沖特征頻率為：fI=frZ(1dcosαD)2（1）當外滾道有一處損傷時，其振動脈沖頻率為：fo=frZ(1dcosαD)2（2）當滾柱上有一處損傷時，其振動脈沖特征頻率為：fR=frD(1d2cosαD2)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－滾柱個數(shù)。為了克服軸承故障信號較弱且容易被液壓泵固有振動淹沒的困難，選用以下抗干

5、擾能力較強的特征作為故障診斷特征參數(shù)。（1）振動的平均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)圖1BPBP網(wǎng)絡故障診斷示意圖網(wǎng)絡故障診斷示意圖圖2中每一個子網(wǎng)絡均為一個BP網(wǎng)絡，各個子網(wǎng)絡由BP算法各自學習，學習后的結(jié)果由控制網(wǎng)絡集成。BP網(wǎng)絡的學習算法如下：圖2集成集成BPBP網(wǎng)絡示意圖網(wǎng)絡示意圖把選取的每一個特征參數(shù)（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(jīng)網(wǎng)絡輸入

6、輸出層的單個節(jié)點上，并對其進行正則處理：xi=0.8(xxmin)(xmaxxmin)0.1（8）式（8）把特征參數(shù)正則到（0.10.9）之間的目的是避免Sigmoid函數(shù)輸出值極端化而引起學習無法收斂的問題。對（8）式得到的正則值完成如下運算，得到每個神經(jīng)元的加權(quán)值和閾值：式中，j代表當前層，i代表前一層，wij代表連接權(quán)值；cj代表當前節(jié)點的閾值；fj代表輸出。在液壓泵的軸承故障診斷系統(tǒng)中選取內(nèi)滾道和滾柱的振動能量、振動峰及倒譜包絡