（流体机械及工程专业论文）潜水泵的故障诊断系统的研究.pdf

江苏大学硕士学位论文 摘要 本论文以潜水泵的教障诊簌为研究对象，以开发基于毒孛经瞬终蛉 潜水泵故障诊断系统为目的，结合潜污泵的真机试验研究，通过对实 验数据的分析和诊断，得出的结论对潜水泵现场诊断具有一定的蜜际 指导意义。 本论文苁实隧爨发，通过查阕资料、调磷、试验系统地磷究了潜 水泵的常见故障及其特征，组建了潜水泵的故障模式库和故障知识 库，这为论文的进一步研究奠定了详实的基础。根据故障诊断的目的 和镬务，焉快速傅立辞交换来对传感器采集盼信号遂行对额转换，选 取神经网络佟为数障模式识裂的王具，采月可视化谗言v i s u a lb a s i c 编写软件，组建了潜水泵的故障诊断系统。通过进彳予潜水泵的真机试 验，采用本论文所研究的故障诊断系统对实验数据进行分析诊断，得 出了潜水泵的敌障为转予不平衡，并给出了相应的处理建议。最后对 论文避行了总结，分掇了系统豹不足，阐明了螽续麓研究王捧。 关键翊：潜承泵，神经鼹终，故障诊断，振动 江苏大学硕士学位论文 a b s t r a c t w i t ht h ef a u l td i a g n o s i so f i m m e r s l b l ep u m p 船t h er e s e a r c ho b j e c t 嬲w e l l 嬲t h e s y s t e mo ff a u l td i a g n o s i si nn e u r a ln e t w o r ka st h ed e v e l o p m e n to b j e c t , a n di n c o m b i n a t i o nt h er e a lm a c h i n et e s t , t h i s p a p e ra n a l y s e sa n dd i a g n o s e st h e s e e x p e r i m e n t a ld a t aw h e r e b yo b t a i nc o n c l u s i o n ，w h i c hi ss i g n i f i c a n tt oi m m e r s i b l e p u m pp r a c t i c e b e g i n n i n gf r o mt h ep r a c t i c e ，t h i sp a p e rs y s t e m i c a l l ys t u d i e st h ec o m m o nf a u l t s a n di t sf e a t u r e s ，f o r m st h ef a u l td i a g n o s i sm o d ea n dk n o w l e d g eb a n kb yr e f e r r i n g , c o n s u l t i n ga n dm a k i n ge x p e r i m e n t s ，a n dt h i sb r i n g sap a r t i c u l a rb a s i sf o rf u r t h e r r e s e a r c h 。a c c o r d i n g t ot h ea i ma n dt a s ko f f a u l td i a g n o s i s ，d i s p o s i n gt h ed a t aa c q u i r e d 斑f f tb yt h es e n s o r s , c h o o s i n gv i s u a l l yp r o g r a m m i n gl a n g u a g ev i s u a lb a s i ct o p r o g r a ma n dn e u r a ln e t w o r ka st h ed i s t i n g u i s h i n gm e t h o d ，a n db u i l d i n gu pt h es y s t e m o f t h ed i v i n gp u m pf a u l td i a g n o s i s a n dt h r o u 醇t h er e a lm a c h i n et e s t so f i m m e r s i b l e p u m p ，t h ef a u l td i a g n o s i ss y s t e ms t u d i e di nt h i sp a p e ri su s e dt oa n a l y s et e s t i n gd a t a a n dd i a g n o s ew h e r e b yo b t a i n i n gt h ef a u l to fi m m e r s i b l ep u m pi nt h es t a t eo fr o t a t o r i m b a l a n c ea n dg i v i n gt h ea c c o r d i n gm e a s u r e s f i n a l l y , t h es u m m a r yi sm a d eo ft h e c o m p l e t ep a p e r ：t h ew e a kp o i n t so f t h es y s t e ms t u d i e da r ea n a l y s e da n dt h ef o l l o w - u p w o r ko nf u r t h e rr e s e a r c hi sa l s od e a l t 、讲m 。 k e yw o r d s ：i m m e r s i b l ep u m p ，n e u r a ln e t w o r k ，f a u l td i a g n o s i s ，v i b r a t i o n 珏 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学位保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权江苏大学可以将本学位论文的全部内容或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 保密口，在年解密后适用本授权书。 不保密 学位论文作者虢声友壳 捌年z 月。7 1 日 指导教师始将啦 硼毕年6 月z 明 y 11 0 1 6 1 0 7 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行 研究工作所取得的成果。除文中已注明引用的内容以外，本论文不包含 任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出 重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律结果由本人承担。 学位论文作者繇声友危 日期：2 0 0 4 年，月2 z 日 江苏大学硕士学位论文 1 1 选题意义 第一章前言 潜水泵将电动机和水泵直接连接在一起，同时潜入水中，形成一种结构简单、 紧凑的独特泵类，由于其优点很多，近2 0 年来发展很快，在我国已经广泛应用 于国民经济各部门。我国6 0 年代开始生产n q 型农用深井潜水泵，以后经过改 进，发展到现在的q j 型的深井潜水泵，广泛用于工业灌溉和工矿企业供排水， 主要的生产厂家有石家庄潜水泵厂、吉林市水泵厂、解州潜水电泵厂、淄博潜水 电机厂、沈阳潜水泵厂等。我国于1 9 5 8 年由上海人民电机厂开始生产7 k w 的 作业潜水电泵，到6 0 年代发展为q y 型潜水电泵( 电机内充油) ，共四个规格， 流量分别为1 5 、2 5 、6 5 、l o o m 3 h 。到7 0 年代发展了q s 系列小型潜水电泵( 电 机内充水) ，主要用于农业排灌。到8 0 年代又发展了干式电机q x 和q d x 小型 潜水电泵，其生产厂家主要有上海人民电机厂、杭州水泵总厂、泰州潜水电泵厂 等。8 0 年代后期，国内开始生产污水潜水电泵，叶轮的形式有单叶片、半开式、 开式多叶片式、旋流式单、单流道式、双流道式和螺旋离心式等，其主要生产厂 家有江苏亚太水工机械集团公司、南京兰深制泵集团公司等。江苏大学流体机械 研究所和江苏亚太水工机械集团公司等工厂合作，系统的研究了污水潜水电泵， 先后承担了三项省、部级科研课题，试验研究了泵内的流动状态、几何参数对泵 特性的影响等，从而掌握了各种无堵塞污水潜水泵的设计方法，在改善无堵塞泵 的性能方面积累了丰富的经验。目前潜水泵的趋势是发展大中型的潜水泵【1 】。 潜水泵在水下工作，这就给泵和电机的维护带来了不便潜水泵特别是大型 潜水泵的故障诊断问题一直是使用者急需解决的问题，然而目前专门针对潜水泵 的故障问题所做的研究不多，本论文正是基于此而选题的。对潜水泵的故障进行 研究有着以下的现实意义 2 】【2 5 】 2 7 】【3 0 】 ( 1 ) 可以提高潜水泵运行的安全可靠性。由于计算机检测和故障诊断系统可 以对设备运行状态进行周密监视，及时发现异常或隐患，当设备发生事故时，把 事故限制在最小的范围为内，使潜水泵运行的安全可靠性大大提高。 ( 2 ) 提高经济性。通过实时状态监测和故障诊断将我国长期以来一直实行 的计划检修过渡到状态检修，使设备使用寿命最长和意外停机事故最小，从而减 江苏大学硕士学位论文 少消耗和维修工作量，也防止了因不必要的检修而出现的人为事故，使维修费用 降到最少。 ( 3 ) 提高劳动生产率。采用计算机检测和故障诊断系统，可使值班人员从 日常的监盘、抄表、人工操作等工作中解脱出来，进一步提高科学管理水平，减 少人员和运行费用，改善工作条件，从而使劳动生产率得以提高。 ( 4 ) 故障诊断系统能有效地利用和保存知识，为潜水泵维修人员提供极大 的帮助，即使是没有经验的维修人员也可在其指导下顺利找出故障原因、部位并 采取相应的补救措施，提高了维修工作的简便性和普遍性。 ( 5 ) 对生产厂家来说，应用故障诊断专家系统，可以将诊断信息反馈给设 计、加工制造和装配等部门，以避免类似故障的发生，从而提高产品的设计制 造水平，增强产品的市场竞争能力 综上所述，发展我国大型潜水泵在线监测和故障诊断技术，是摆在我国科技 人员面前的一项非常紧迫的任务，该技术的发展将对我国国民经济建设产生巨大 的经济效益和社会效益。 1 2 国内外相关技术现状和发展趋势分析 国外诊断技术的发展早于我们国家，到现在已经有4 0 年的历史，最早开展 故障诊断工作的是美国。最早的故障诊断仅仅停留在事后维修，即设备运行发生 问题之后进行故障分析和维护。但是随着现代化工业及科学技术的迅速发展，生 产设备日趋大型化、高速化、自动化和智能化，传统的诊断技术已远远不能适应 了现代化工业生产，一旦因故障停机，可能会造成巨大的损失。如美国国家统 计局资料指出，1 9 8 0 年美国全年税收为7 5 0 0 亿美元，而这一年工业设备的维修 费用就耗资2 4 6 0 亿美元，而在这些维修费用中又有三分之一，即7 5 0 亿美元是 由于不恰当维修方法，也包括缺乏正确的状态监测和故障诊断技术而造成的浪 费。再如我国石化系统的统计资料表明，辽化公司过去按规定每年必须停机大修 一次，致使其生产利润减少4 0 0 0 万元左右，而大修又需耗资4 7 2 0 万元，这样每 年定期大修的损失加耗资总计8 2 7 0 万元左右，约为同类企业采用预知维修耗资 的3 4 倍。同样，3 0 万吨合成氨厂每年大修一次需4 5 天，其检修费用占年产值 的1 5 2 5 。 2 江苏大擘硕士学位论文 合理的机械维修，不但能产生巨大的经济效益，还可以有效地减少人身伤亡 和对社会的环境污染近年来，因关键设备故障而引起的灾难性事故时有发生。 例如，美国三里岛核电站1 9 7 9 年3 月2 9 日，由于系统误判断和误操作使导堆芯 严重损坏，放射性物质释放，不仅造成几十亿美元的经济损失，而还因公害问题 引起了居民示威抗议，最后迫使国会出面调查。1 9 8 6 年1 2 月印度博帕尔农药厂 的异氰酸钾脂毒气泄漏事故，造成2 0 0 0 多人死亡，2 0 多万人受害的空前大工业 事故。1 9 8 6 年4 月前苏联切尔诺贝利核电站事故溢出的放射性物质，污染了西 欧的上空。1 9 8 6 年1 月美国挑战者航天飞机失事是由于火箭系统故障引起的悲 剧。由于工厂中的高压容器、锅炉、大型球罐发生爆炸破裂而造成严重后果的现 象也是屡见不鲜的。 由于现代设备技术先进，结构复杂，点检工作量较大，对检测的质量要求很 高，因此，难以用传统的依靠人的感官和经验把故障因素检查出来复杂先进的 设备是不允许随便进行解体检查的，频繁的拆检必然会造成设备性能的不稳定或 难以达到原来的性能水平。这样就要求我们必须采用先进的仪器和科学的方法对 现代设备进行不解体的监测和诊断。 国外在机电设备状态诊断领域，研制开发了一些高水平的诊断专家系统，其 中有部分专家系统涉及到泵的状态监测和故障诊断，如美国的本特利内华达公 司开发的工程师帮助软件( e a ) ，它可以对锅炉给水泵、往复式泵进行诊断，能够 诊断出质量不平衡、转子弯曲、径向预负荷( 包括不对中) 、摩擦、轴裂纹、旋转 部件松动和油膜导致的不稳定。瑞士s u l z e r 泵公司开发的s u d i s 系统已经用 于德国m a n n h e i m 电厂的锅炉给水泵组的监测和诊断，该系统包括参数监测、长 期数据存储、维修计划、故障诊断和数据通讯等模块。恩泰克科学公司与美国电 力研究院( e p r j ) 以及美国以专门从事振动咨询的斯韦公司于1 9 9 2 年联合推出 了自动式振动咨询系统e o p l o r b x ，该系统采用三级推理，可诊断泵的不平 衡、不对中、共振、内部摩擦等故障。这些专家系统多是通过振动信号分析，诊 断汽轮发电机组及其辅机的一些带共性的问题，而对于泵本身特有的常见故障的 诊断，还有待进一步研究，尤其是专门针对泵的故障诊断专家系统的开发 国内泵诊断技术的发展主要在诊断过程的前两步，即检测设各状态的特征信 号和从特征信号中提取有关征兆，而诊断过程的第三步即状态识别过程主要由领 江苏大学硕士学位论文 域专家来完成，不同的专家可能采用不同的方法进行识别，常用的方法有对比诊 断法、逻辑诊断法、统计诊断法、函数诊断法和模糊诊断法等等也有的根据这 些诊断法的要求，通过软件编程，由计算机自动完成状态的识别过程，这样的诊 断系统具一定的智能性。如航天工业部十一所水力实验室研制的以长城2 0 3 数字 计算机为中心组成的泵试验的数据自动采集和处理系统。戴凌汉介绍的基于2 8 0 单板微机的数据采集绘图系统，可采集泵进出口压力、转矩、流量、转速数据， 然后对其进行处理和计算，得到流量q 、扬程h 、功率p 、效率n 、转速n 等参 数值，自动绘制泵的性能曲线。耿洪奎介绍的采用标准仪器和i b m - - 2 8 6 计算机 组成的水泵自动测试系统，可进行水泵的性能试验和电机的温升试验、负载试验 等。刘凯介绍的磁力泵的故障诊断技术，可以预测和判断轴承磨损、叶轮不平衡、 螺栓松动等多种故障，已经在大型汽轮机、发电机等设备上得到了应用。目前针 对潜水泵的故障诊断系统还不多见。 1 3 本论文的主要工作 根据国内外关于泵的故障诊断研究的现状和发展趋势，本论文以振动分析技 术，神经网络的识别技术作为研究主体，以大中型潜水泵为研究对象，开发潜水 泵智能故障诊断系统，主要内容包括： ( 1 ) 以故障诊断为对象，论述了振动分析( 频谱分析) 、神经网络理论为基 础的故障诊断的基本理论与技术。 ( 2 ) 分析归纳和整理潜水泵振动的故障特征，建立故障特征知识库。 ( 3 ) 潜水泵偏工况、质量不平衡模拟试验。 ( 4 ) 构造潜水泵的智能故障诊断系统。 4 江苏大学硕士学位论文 第二章潜水泵故障诊断理论知识 对于故障诊断而言，诊断技术主要包括用什么方法来进行诊断，用什么方法 进行模式识别等，因此在组建潜水泵的诊断系统之前，有必要介绍一下哪些故障 诊断理论可以适用于潜水泵的故障诊断以及模式识别的概念。 2 1 潜水泵故障诊断的方法 故障诊断技术自出现以来，已经有了很多可行的方法，这些技术在故障诊断 领域得到了广泛的应用，这些技术可以用于对潜水泵故障诊断。目前，常用的方 法有如下几种 2 】【3 】【4 】【5 】【6 】【7 】【8 】： 1 振动信号故障特征法 潜水泵发生机械故障时，振动是不可避免的，这是由其结构特点和工作性质 决定的，但是，不同的故障类型，所产生的故障振动信号是不相同的。所以，不 论是性能监测还是工作过程监测，振动信号都是反映其内在关系极其有效的敏感 参数。对于工作过程而言，潜水泵的转子的偏心、不对中、汽蚀都会经各种传递 通道直接反映在对应的振动信息中。而对于性能参数监测，衡量机器工作状态正 常与否的综合性能指标是与工作过程及各种机构间运动协调与否有关的，而这些 指标在振动信息中反映更敏感、更直接。振动信号特征法的依据是振动中包含的 振动源信息和状态信息，振动监测及故障诊断的出发点是在机械动力特性分析及 频率分析的基础上，研究潜水泵运行过程中的故障原因。 2 灰色诊断法 灰色系统理论最早是由华中科技大学邓聚龙教授提出来的。自灰色理论出现 以来受到了广泛的关注。灰色系统理论是控制论观点和方法延伸到其他领域的产 物，是自动控制学科和运筹学相结合的初步尝试。灰色理论认为，客观世界是信 息的世界，其中既有大量的已知信息，也有许多未知的、非确定的信息。未知的 信息称为黑色信息，已知的为白色信息，既有未知的又含有已知信息的系统，则 称为灰色系统。信息的不完全是灰色系统的特征，通过对灰色系统的白化，对系 统的认识便由知之不多到知之甚祥，从而找出其变化规律，提取出所需要的信息。 5 江苏大学硕士学位论文 通过对潜水泵样本数据进行关联度聚类分析，可以得到潜水泵运行状况的一些标 准的分类模式，如果在潜水泵实际运行时监测样本同这些标准模式进行关联度运 算，并将该方法加入潜水泵故障诊断系统，则可以实现对潜水泵故障的实时诊断。 根据灰色系统理论，可把不确定的量视为灰色量，利用有限的故障数据，按 照灰色预测的方法，对数值进行初值化和一次累加生成等处理，建立灰色预测模 型群，即g m ( 1 ，1 ) 模型。利用该模型对设备运行时间内的状态进行进精密诊断和 故障预报。由于对灰色量的处理，不是找概率分布和求统计规律，而是根据数据 处理的方法来找出数据间的规律，因此对于观测数据较少的项目，灰色预测是一 个有用的工具。 3 小波分析诊断法 小波分析不仅具有丰富的数学内涵，而且具有重要的应用价值，小波分析在 机械故障诊断领域的应用还刚刚起步，国内外不少学者已经开始着手进行这方面 的研究。小波分析非常适合对非平稳信号的分析。 小波分析可作为故障诊断中信号处理的理想工具，由它来构造故障诊断所需 要的特征因子，或直接提取对诊断有用的信息。用这种先进方法对潜水泵振动故 障进行诊断，可以丰富潜水泵的故障诊断理论，更好的发挥潜水泵在实际生产中 的作用。 4 神经网络诊断法 潜水泵的故障系统是一个复杂的非线性系统，对其准确的建模比较困难。许 多年来，人们一直在探索合适的故障模式识别方法。神经网络的自学习、自组织、 联想记忆及容错等功能，能够较好的处理不确定的、矛盾的、甚至错误的信息， 因此在故障诊断领域中受到广泛的关注，它的发展，也为潜水泵的故障诊断提供 了新的研究途径。 基于神经网络的故障诊断技术，就是通过对故障实例和诊断经验的训练学 习，用分布在神经网络内部的连接权值来表达学习过的故障知识，它具有对故障 模式联想记忆、模式匹配和相似归纳能力，从而实现故障原因与征兆之间的非线 性映射关系。其中，多层b p 神经网络在故障诊断中应用最为广泛。 5 模糊诊断法 模糊诊断方法主要是模糊综合评判，即利用模糊关系矩阵，通过模糊变换， 6 江苏大学硕士学位论文 从征兆来判断故障。虽然模糊诊断方法的提出已有几十年的历史，但是模糊诊断 方法的理论缺乏深入研究。从实践来看，得到的诊断结果通常是几种故障的隶属 度不大，也不是很小，差别不大，使现场人员无所适从，因此这种方法并没有取 得预期的效果，故有些研究人员提出了把模糊诊断技术与神经网络技术相结合的 思想，具有很好的应用前景。 6 遗传算法 遗传算法最早由美国密执安大学的h o l l a n d 教授提出，起源于2 0 世纪6 0 年 代对自然和人i 自适应系统的研究。2 0 世纪7 0 年代d e j o n g 基于遗传算法的思 想在计算机上进行了大量的纯数值函数优化计算试验。在一系列研究工作的基础 上，2 0 世纪8 0 年代由g i i d b e r g 进行了归纳总结，形成了遗传算法的基本框架。 遗传算法提供了一种寻求复杂系统优化问题的通用框架，它不依赖于问题的 具体领域，对问题的种类具有很强的鲁棒性，所以在机器学习、模式识别、人工 神经网络、故障诊断等领用得到了广泛的应用，而且应用领用正在不断的扩大。 2 2 模式识别的基本概念 故障诊断的过程实际上就是从众多故障种类中分别出与当前模式相匹配的 故障，简单的说也就是一个模式识别的过程。模式识别诞生于2 0 世纪2 0 年代，随 着4 0 年代计算机的出现，5 0 年代人工智能的兴起，模式识别在6 0 年代初迅速发展 成为一门学科。目前，模式识别技术已在语音识别、文字识别、图像识别、故障 诊断等领域得到成功的应用。它所研究的理论和方法在很多科学和技术领域中得 到了广泛的应用，大大扩大了计算机应用的范围，推动了人工智能技术的发展。 在人们的日常生活和工作中，模式识别是普遍存在和经常进行的过程。模式 被理解为取自世界有限部分的单一样本的被测量值的综合；模式识别就是试图确 定一个样本的类别属性，即把某一样本归属于多个类型中的某一个类型。我们对 模式和模式识别作如下狭义的定义：模式是对感兴趣的客体的定量的或结构的描 述，模式类则是具有某些共同特性的模式的集合，模式识别就是从模式类中分辨 出某个模式的过程。模式识别系统主要由五部分组成：数据获取、预处理、特征 抽取、分类器设计和分类器。 1 信息获取 2 】 3 】 7 江苏大学硕士学位论文 为了使计算机能够对客体进行分类识别，必须将客体用计算机所能接受的形 式表示，通常从客体获得的信息有下列三种类型： ( 1 ) 二维图像，如文字、指纹、照片等； ( 2 ) 一维波形，如语音、机械振动波、心电图等； ( 3 ) 物理参量相逻辑值，如体温、各种实验数据等。 通过测量、采样和量化，可以用矩阵或向量表示二维图像或一维波形，这就 是信息获取过程。 对于机械设备的故障诊断来说，信号的获取的过程就是通过传感器等仪器采 集故障信号的过程的。信号的采集，必须遵循采样定理。 2 信号预处理【2 】 2 5 】 传感器的输出信号经过采样和a d 转换为数字信号送入计算机，这些信号往 往要经过预处理才能交付给后面的应用程序使用。预处理的目的是把采集的信号 中的噪声去除，加强有用的信息，并对种种因素造成的退化现象进行复原在智 能化仪表中为了减少和去除干扰和噪声，提高系统的可靠性，常用软件方法来实 现。 3 。特征抽取 对于某一具体的故障类型，我们所关心的是以下两个方面的问题：第一，这 种故障通过哪些物理量表现出来的；第二，它与各物理量之间的关系如何。这就 是所谓的故障信号的特征选择和提取问题。故障特征参数的选择和提取的基本任 务是如何从许多特征中找出那些最有效的特征，是模式识别中的重要环节。特征 参数越多越细，波形描述越详尽，获取的故障信息也就越多。一般来说，潜水泵 的故障总要或多或少地引起振动信号的变化，同一类故障基本上具有类似的振动 信号，由于测量数据的随机性以及这种随机数据的期望值随着不同的机器、不同 程度的故障在一定范围内变化，同一类振动信号的相似性，仅仅是相对于其它故 障的振动信号而言的。 一般说来，原始数据量一般是相当大的而且夹杂着大量的噪声。为了有效地 实现分类识别，要对原始数据进行选择或变换，得到最能反映分类本质的特征值， 构成特征向量。这就是特征抽取的过程。从故障信号中抽取故障特征向量是建立 特征模式库的基础。 江苏大学硕士学位论文 由于故障类型的多样性，特征信息的模式也种类繁多，因此有必要首先建立 故障的特征模式，即故障的标准模式，这是整个诊断过程的核心一般说来，这 一步是将实际上已经存在的参考模式，与现有的待检模式相对比，来决定待检模 式应划归为那一类参考模式，由此判定诊断对象所处的状态模式是否正常，并预 测其可靠性和状态的发展趋势。由此可知，机械设备的故障诊断实际上是一个典 型的模式识别过程，而特征模式库中的各种故障标准模式就是进行状态识别的基 础。 4 分类器设计 为了把待识模式分配到各自的模式类中去，必须设计出一套分类判别规则。 基本作法是：用一定数量的样本( 称为训练样本集) ，确定出一套分类判别规则， 使得按这套分类判别规则对待识模式进行分类所造成的错误识别率最小或引起 损失最小。这就是分类器设计的过程。 5 分类器 分类器的作用是按己确定的分类判别规则对待识模式进行分类判别，输出分 类结果。 2 3 故障诊断中的神经网络 神经网络自出现以来，由于其优点很多，在许多领域得到了广泛的应用。神 经网络用于设备故障诊断，起源于8 0 年代末期。对于故障诊断而言，最终的目 的实际上就是从众多故障种类中分辨出某一具体的故障。由于神经网络，特别是 b p 神经网络，具有很强的分辨原因和故障类型的能力，所以，本文选取b p 神 经网络作为模式识别的工具。那么，下面首先介绍一下有关神经网络的知识。 2 3 1 人工神经网络的发展历程 神经网络的发展可以追溯到1 9 世纪末期，其发展历史可以分为四个时期。 第一个时期为启蒙时期，开始于1 8 9 0 年美国著名心理学家w j a m e s 关于人脑与 功能的研究，结束于1 9 6 9 年m i n s k y 和p a p e r t 发表的感知器一书。第二个 时期为低潮时期，开始与1 9 6 9 年，结束于1 9 8 2 年h o p f i e l d 发表的著名的文章“神 经网络和物理系统”。第三个时期是复兴时期，开始于j j h o p f i e l d 的突破性研究 9 江苏大学硕士学位论文 论文，结束于1 9 8 6 年d e r u m e l h a r t 和j l m c c e l l a n d 领导的研究小组发表的并 行分布式处理一书。第四个时期为高潮时期，以1 9 8 7 年首届国际人工神经网 络学术会议为开端，迅速在全世界范围内掀起人工神经网络的研究应用热潮，至 今势头不衰【9 】【1 2 】。 当前人工神经网络的研究主要围绕神经网络的基本特性和结构网络的工 程应用以及它的硬件实现等方面进行通过近几年来学术界和工程界的广泛深入 的研究和探索，人工神经网络的非线性映射、学习分类和实时优化等基本特性已 成为一种重要的信息处理方法，在工程实际和科学研究的许多领域得到了普遍的 应用。 2 3 2 人工神经网络的概念 人工神经网络是人脑及其活动的一个理论化的数学模型，它是由大量的处理 单元通过适当的方式相互连接，是一个大规模的非线性自适应系统。目前关于神 经网络的定义还不统一，例如，美国神经网络学家h e c h t - n i e l s c n 给人工神经网 络下的定义是：“人工神经网络是一个并行分布处理结构，它是由处理单元及称 为联接的无向信号通道互连而成。这些处理单元具有局部内存，并可以完成局部 操作。每个处理单元有一个单一的输出联接，这个输出可以根据要求被分支成希 望个数的许多并行联接，且这些并行连接输出都输出相同的信号，而相应处理单 元的信号、信号的大小不因分支的多少而变化。处理单元的输出信号可以是任何 需要的数学模型，每个处理单元中进行的操作必须是完全局部的。”美国国防高 级研究计划局关于人工神经网络的解释是：“人工神经网络是一种由许多简单的 并行工作的处理单元组成的系统，其功能取决于网络的结构、连接强度以及各单 元的处理方式。”b 2 简单的说，人工神经网络实际上就是模仿人脑结构和功能 的一种信息处理系统。人工神经网络简称神经网络 2 3 3 人工神经网络的基本特征和功能 人工神经网络是对人脑的物理结构和信息处理的模拟，因此它呈现出人脑的 许多特征，并具有人脑的一些功能。神经网络的特征可以分为结构特征和能力特 征【2 】【9 】【1 2 】【1 4 】。 江苏大学硕士学位论文 ( 1 ) 结构特征 人工神经网络对信息的处理和存储是并行处理、分布式存储网络单元的并 行处理使得网络呈现出丰富的功能和较快的速度。结构上的并行使神经网络的信 息存储必然采用分布式方式。由于一个信息被分布存放在几乎整个网络中，所以 当其中的某一个点或者几个点被破坏时，信息仍然可以被存取，由此具有一定的 鲁棒性和容错性。 ( 2 ) 能力特征 a ) 自学习和自适应能力。 自适应性是指一个系统能改变自身的性能以适应环境变化的能力，它是神经 网络的一个重要的特征。自适应性包括自学习和自组织两层含义。神经网络的自 学习是指当外界环境发生变化时，经过一段时间的训练或感知，神经网络能够自 身调整网络的结构参数，使得对于给定的输入能产生期望的输。训练是神经网络 学习的途径。 b ) 联想记忆能力。 神经网络可以被看成有大量的子系统组成的大系统，系统的最终行为完全由 它的吸引子决定。如果视动力系统的稳定因子为记忆的话，那么从初态向吸引子 流动的过程就是寻找记忆的过程。初态可以认为是给定有关记忆的部分信息，流 动就是从部分信息找出全部信息的过程，这就是联想记忆能力的基本原理。具体 的说，在网络训练过程中，输入端给出要记忆的模式，通过学习，合理的调整网 络中的权系数，记住所有的输入信息。执行时，如在网络的输入端输入被噪声污 染的信息或者不完整、不准确的信息片段，经过网络的处理，在输出端便可以得 到完整而准确的信息。 2 3 。4 神经网络的应用领域 神经网络在近年来发展迅速，由于它的智能化特征和能力较强，应用领域日 益扩大。由于处理方式的并行性和对非线性的处理能力，使得原本无法解决的问 题找到了可行的途径。现在，神经网络已经在信息处理、自动化领域、工程领域、 医学领域、经济领域等得到了广泛的应用【2 】。 对于故障诊断而言。其核心技术是模式识别，而神经网络能够出色的解决那 江苏大学硕士学位论文 些传统的模式识别方法难以圆满解决的问题，所以故障诊断也是神经网络重要的 应用领域之一这是因为设备在运行状态下是一个复杂的动力学系统，特别是在 多故障源和非稳定状态下，要求模式识别具有自适应性和鲁棒性。也就是要求模 式分类器具有自适应的处理有噪声引起的模式失真的能力，能够根据设备运行的 参数的变化调整分类过程，能够根据输入模式的数据对存贮器和分类器的结构进 行自适应调节。在目前已有的几十种神经网络模型中能够完成模式识别的具有代 表性的网络主要有：自适应共振理论( a r t ) 、雪崩网络、双向联想记忆( b a m ) 、 b o l t z m a n n c a u c h y 机( b c m ) 、盒中脑b c m 模型、细胞神经网络和反向传播算 法的多层感知器。 2 4 神经网络的模型的决定因素 通常，神经网络模型由网络的拓扑结构、神经元的激活函数和学习规则这三 个因素所决定 1 2 1 3 1 。 1 神经网络的结构 神经元之间的连接方式不同，网络的拓扑结构也不一样，根据神经元的连接 方式可以将神经网络结构分两大类：层次型结构和互连型结构。图2 1 是这两种 神经网络模型的拓扑结构图： jljl jlj - ， r) ( ) ) 蘩戆化慰投蘧矩痒w 、v 秘门羧篷赋夔撬数，谢练次数谤数器矿l ， 设置允许误差e ( w ，v ) 和最火迭代次数； ( 2 ) 输入学习样本( x p ，y p ) ； 兰蕉垄堂塑主堂璺垒查 一 ( 3 ) 用s i g m o i d 作用函数或者其他你用函数，通过下列公式计算隐含层输 爨期竣感层竣爨破。设隐畲层窍雅l 今擎元t 输入层考姐令单嚣，则 ，n 一1、 弓= 卅鼍一岛| f 箨。；o 岛强) ( 2 3 2 ) i = 0 其中，厂( ) 为s i 鲫。蚤d 律褥溺数。 n 1 - 1、 yk=卅?1-1弓一吼j融1)(2-33)k,j=o) ( 4 ) 调整权假和计数器累加q = q + 1 。通过递归算法迸行误差的反向传播， 势涮霆下述公式遴孬取篷煞调整 o 十1 ) = ( f ) + 叩( f ) 一( f 一1 ) ) ( 2 - - 3 4 ) 其中，( ) 为t 时间由下层单元i 到上层单元_ ，的权值；而为单元f 的输 出，逢是童瑟单元的输入；野为学习率；搿秀动鬃系数；芦，秀误麓瑷装歹为 输出单元，则 = 巧( 1 一以) ( y j 一易) ( 2 3 5 ) 其中，y ，为单元歹的希望输出蓊，为内层单元，猁 6 j - - - x j ( 1 - x j ) z 6 警淮 睁3 6 ) 其孛毒麓歹萃嚣掰在鬃之主各簇兹全部攀元 ( 5 ) 计算e p 并比较e p 与e 的大小如果e p ， 采用的是螺梭方法安装，见圈4 2 。 江苏大学硕士学位论文 图4 2 振动传感器安装住置简图 试验主要分两个部分，第一个部分是采集正常情况下，零流量、o 5 倍设计 流量、设计流量、1 3 倍设计流量和阀门全开五个工况点的振动信号：第二部分 是质量不平衡模拟试验。进行完实验的第一部分之后，取下叶轮，在叶轮上安装 一质量不平衡块，同样采集以上五个工况点的振动信号。第一部分采集的信号， 主要目有两个：一是研究偏工况情况下的振动特征；二是与第二部分质量不平衡 时采集的信号相比较，找出质量不平衡的振动特征，这样能够更直观的发现质量 不平衡的特点 2 振动信号的处理【2 】【8 】【2 1 】 由压电式传感器采集到的信号是振动分析的最初的信息源，它包含了潜污泵运 行状态的大量信息，振动信号波形往往比较杂乱，很难能够从原始信号中观察出内 在规律，更难进行比较准确的定量分析。信号的处理与分析是故障诊断的核心。 对信号进行变换是一种很重要的思想方法。为了便于发现振动信号与故障的 依赖关系，找出与故障识别关系密切的信号特征，常需要对信号的形式加以变化 或加工处理，使之机理清晰、形象直观、大小有度，这就是常常所说的信号处理 技术。信号的变换和处理，可根据需要分别在幅值、时域、频域等于进行分析， 许多变换方法已有专业人员经过严格的数学推导得出，并编成通用程序。常用的 方法有：一、幅值处理；二、时域变换；三、频域变换；四、小波分析。从本论 文应用的要求出发，在此只对频域变换处理技术作简要的介绍。 信号波形和频率是同一信号号从时域和频域两种不同的角度观测得到的不 同表示形式。将复杂的时间历程变换成以频率成分表示的结构形式就是频域变 江苏大学硕士学位论文 同表示形式。将复杂的时阅历程变换成以频率成分袭示的结构形式就是频域变 换。频域变羧法是枧攘设冬故障诊叛中最为广泛蛉照理方法，因失故障发生、发 展时往往会弓i 起信号频率结构的变化，而通：i 建对频率信息的分析，可对许多故障 暴嚣终塞瑟辣彝凑透。 频域变换以直角嫩标形式表示得到的图形就是常说的谱图，是总称。视频率 残分豹吴俸浓容霹戳分为骚稳谱、穰往谱、功率谱、戆耋谱、镶频谱。实瑷辍对 域到频域变换的数学原理是傅里叶变换。对于周期信号，可以通过傅足叶级数实 现这种变换，得到离散的幅德谱；对予瞬态信号，可以通过傅里时税分得到连续 的频谱，与离散频谱对应，连续谱的谖值改髑谱密度的概念；对于随枫信号，由 于信号本身怒无限继续下去的，不满足变换存在的条件，一般先要对原信号进行 稳关处理，菇转换戴频谱数形式( 缀避时间警翅酶臻号平方煞嬉里跨交换) ，这 时得到的谱图称为功率谱密度函数，袭示振动功率随频率的分布情况，这在设备 藏障诊薮技术串具有十分重簧静意义。 在本论文中，采用快速傅里叶变换( f f t ) 对采榘的潜污泵的振动信号进行 麸对域莼颏域的交换，得到羰动速度的幅值谱，横坐标为频率，级坐标为速度幅 值，具体的原理请参见参考文献【2 】【2 l 】【2 2 】，处理结果见图4 3 - 4 1 2 。 1 正常情况下、阀门全闭时，浆的运行参数及振动速度谱 流量：0 o ol n 3 惩扬程：3 5 。0 61 1 1转速；1 4 7 8r r a i n 出翻压力# 3 3 8 9 3 k p a输入功率：8 2 9 8 8 6w 0 0 s 6 0 3 + 2 0 2 8 0 梧谴2 - t o _ “，2 0 0 1 6 0 i 2 0 仉a o o 圣o o o o 鼍犬值，1 9 8频率 2 4 6 舭 文件：v o q l k 啼 玉 一 矮辜 5 f 0 9 9 f( 1 f )( 2 f )5 f 值 l 初始不平衡 o o 8 0 0 1 0 0 1 0oo0 2 反转 0o 5 00 1 00 2 5o 0 1 51 3轴裂纹 0 0 4 0 0 2 0 0 2 0o0 2 00 4 轴承对轴颈偏心 o0 8 0o 2 0o0 o0 5 转子径向碰摩 0 1 4o 2 90 1 50 1 40 1 40 1 4l 6 喘振 o 9 50 0 50000o 7 转子部件脱落 o0 9 00 0 5o 0 5o0 1 8 间隙引起振动 00 4 0o 2 00 2 0o 2 000 9 轴承损坏 0 90 0 50 0 50o ol 1 0 不对称轴承刚度 00o 80 2000 l l 严重偏小工况 0o 6 50 1 5 0 1 2o 0 8ol 1 2严重偏大工况oo 5 20 2 8o 1 2o 0 8ol 5 2 4 样本训练 表5 1 中列出了潜水泵的1 2 种故障信号的特征向量，作为b p 神经网络的故 障样本来训练网络权值。图5 4 是利用m a t l a b 软件 1l 删i 练1 2 类故障综合误差 平方和变化曲线图。 对于一般的故障诊断而言，训练的综合误差的目标设定为o 0 0 1 已经足够， 从图5 4 中的误差曲线变化图可以看出，本论文所选b p 神经网络，性能很好， 收敛速度很快，只需要1 0 e p o c h s 就可以达到目标。 前面已经提及到，网络的权值的设定对于网络的性能影响很大。训练时，网 江苏大学硕士学位论文 络的权值是由计算机随机给定的，为了检验b p 神经网络的收敛性能，特对该 b p 神经网络作5 0 0 次的训练。训练终止e p o c h s 为1 0 0 0 。训练结果如表5 2 。 ； 图5 4 故障综合误差平方和变化曲线图 表5 2b p 神经网络性能表 收敛最大 收敛最小平均收敛 诊断算法训练总次数收敛次数收敛率 e p o c h s e p o c h se p o c h s b p 算法 5 0 04 8 59 7 7 0 986 8 3 从表5 2 可以看出，在5 0 0 次训练中，b p 神经网络收敛次数为4 8 5 次，收敛 率为9 7 ，最小收敛的步数为8 次，而最大收敛步数为7 0 9 次，其平均收敛步数 为6 8 3 ，说明了本文选用b p 神经网络的具有收敛率高、收敛速度快的特性，因 此，把b p 神经网络用于潜水泵的故障诊断中具有较高的可行性和较大的优越性。 在本故障诊断系统中，系统采用v i s u a lb a s i c6 0 作为本故障诊断软件的开发 工具【1 6 】【1 7 】 1 8 】，下面是样本训练中b p 算法的主要子程序的源代码。 ( 1 ) 权值初始化子程序 f o r i = 1t o n _ h d f o r k = lt o n i n w ( l i ) = 2 + r n d l c o m b 0 1 a d d l t c mw ( i ，k ) n e x t k n e x t i 4 l 蕾墨1lqo毒善声 江苏大学硕士学位论文 f o r i = lt o no t f o r k = lt o nh d v ( i ，k ) = 2 + r n d - l n e x t k n e x t i ( 2 ) 隐层单元的输出 f o r i = 1t o n h d s u m = 0 f o r k 21t o n _ i n s u m 2 s u m + w ( i ，k ) o t _ i n ( k ) n e x t k o th d ( i ) = l ，( 1 + e x p ( s u m ) ) c o m b 0 2 a d d i t e mo t _ h d ( i ) n e x t i ( 3 ) 输出层单元的输出 f o r i = 1t o no t s u m = 0 f o r k = lt o n h d s u m = s u m + v ( i ，k ) + o tr i d ( k ) n e x t k o t _ h d ( i ) = l ( 1 + e x p ( s u m ) ) c o m b 0 3 a d d i t e mo th d ( i ) n e x t i ( 4 ) 误差计算 f o r i ；lt o n _ o t e r r o 。e r r o + a b s ( t e a c h ( i ) - o t _ h d ( i ) ) e _ o t ( i ) 2t e a c h ( i ) + ( t e a c h ( i ) 一o t _ h d ( i ) ) + ( 1 - t e a c h ( i ) ) n e x t i f o r i = 1t o n h d s u m = 0 4 2 江苏大学硕士学位论文 f o r k 。lt o n _ o t s u m 2s u m + eo t ( k ) + v 0 c , i ) n e x t k e _ h d ( i )