[發明專利]基于改進BP神經網絡和模糊集理論的軸承健康度評價方法

有效

• 申請號: 201210252961.2
• 申請日: 2012-07-21
• 公開（公告）號: CN102788696A
• 公開（公告）日: 2012-11-21
• 發明（設計）人: 張利;楊永波;張立勇;田立;趙中洲
• 申請（專利權）人: 遼寧大學
• 主分類號: G01M13/04
• 分類號: G01M13/04;G06N3/02
• 代理公司: 沈陽杰克知識產權代理有限公司 21207
• 代理人: 羅瑩

技術領域

本發明涉及一種用于評價機械軸承運行狀態的評價方法。

背景技術

滾動軸承是旋轉機械廣泛使用的組件，滾動軸承的健康狀況會對整個機械的運行產生重大影響。許多研究已經運用神經網絡對機械進行診斷，但是這些研究在前期數據的特征提取方法還有待更新，后期軸承健康度方面的分析還存在不足。

滾動軸承的故障診斷與預測技術涉及到相互關聯、相互制約的多個層次和眾多因素，其中有很多因素對于軸承的正常運行來說并不是致命的，由于這些因素發生故障，滾動軸承并不會癱瘓，只是介于正常和故障兩種狀態之間帶“病”運行。在這種狀態下如果對系統進行停工維修，將會帶來經濟上的巨大損失，如果允許其繼續運行而不采用措施進行修正，則有可能引起不可預料的嚴重損害。而目前現役的滾動軸承帶“病”工作的情況非常普遍，如疲勞斷裂、磨損、蠕變等。這在生產方面存在的巨大的安全隱患，只對軸承的運行狀態分為“正常”和“故障”兩種狀態是不夠的，實現軸承“亞健康”狀態的協調控制已成為迫切需要解決的問題。而目前關于這些問題大都沒有定量標準計算，相應的理論與工程應用研究偏少。

發明內容

為了解決上述存在的技術問題，本發明提供一種能夠針對軸承運行狀態進行分析，將軸承運行狀態分為正常、故障及亞健康三種，通過測量軸承靈敏度提取特征參數，運用基于卡爾曼思想的BP神經網絡對數據進行分析，最后用基于模糊集理論的軸承健康度狀況評價準則對軸承健康度進行分級，進而分析有關狀態的情況及發展趨勢并對滾動軸承做出干預決策。

本發明的目的是通過下述技術方案實現的：基于改進BP神經網絡和模糊集理論的軸承健康度評價方法，其特征在于，步驟如下：

1）采集原始信號：通過數據采集系統采集由軸承上的加速度傳感器收集的振動信號；

2）對步驟1）采集的信號進行FFT變換和濾波降噪處理；

3）提取濾波降噪之后的振動信號的特征，獲得特征參數；具體步驟如下：在FFT降噪處理的頻域信號中選取7個狀態參數：

（a）平均特征頻率：???????????????????????????????????????????????????????????????????????????????????????????(1)

（b）平均關閉率：??????????????????????????????????????????????(2)

（c）波形的穩定指數：?????????????????????????????(3)

（d）波動率：?????????????????????????????????????????????????????????????????????(4)

（e）曲率：???????????????????????????????????????????????????(5)

（f）峭度：????????????????????????????????????????????????????????(6)

（g）平方根比率：??????????????????????????????????????????????(7)

其中是頻譜線條數，是振動頻率，是振動頻率對應的信號功率譜，是標準差，是平均值。

針對上述各狀態的敏感性進行評估，具體評估方法如下：

任意選取2個狀態，計算P₁至P₇每個參數在這2個狀態下的區分指數DI值；

?其中_1、2分別代表狀態1、狀態2下各參數的均值，₁、₂分別代表狀態1、狀態2下各參數的標準差。

通過DI來評估狀態參數的靈敏度；選取DI均值較大的四個參數作為BP神經網絡輸入層的特征參數；

4）建立改進BP神經網絡模型，具體步驟：

首先，建立三層改進BP神經網絡模型拓撲結構圖，其輸入層有6個節點，4個用來輸入特征參數，2個用來輸入反饋值；輸出層有3個節點，用來輸出3個隸屬度值；隱含層是1層，節點數是8（由經驗公式取優得到）。其次，通過訓練神經網絡來確定各節點間的權值（相當于確定數學建模中的各個待定系數），在此，需要P₁至P₇每個參數對應的狀態是已知的（也就是各個參數對應各個模糊集合的隸屬度已知）。