故障診斷參數(shù)獲取的可視化建模系統(tǒng)

摘 要： 給出了基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷參數(shù)，并采用面向?qū)ο蟮姆治龇椒ê途幊碳夹g(shù)實(shí)現(xiàn)了機(jī)械設(shè)備的建模工具，該工具為獲得這些診斷參數(shù)提供了合理有效的途徑。

關(guān)鍵詞： 故障診斷　建模　面向?qū)ο蟆∧：窠?jīng)網(wǎng)絡(luò)

機(jī)械設(shè)備故障診斷方法可選用的特征信號有多種，如振動(dòng)、噪聲、力、扭矩、壓力、溫度、功率、電、磁、光、超聲波等信號。按照所選用的狀態(tài)信號，設(shè)備的診斷除了常用的振動(dòng)診斷，還有超聲診斷、聲發(fā)射診斷、油光譜分析診斷、紅外監(jiān)測診斷等方法。這些方法對不同的機(jī)械設(shè)備有不同的靈敏度，所以效果也不同。因此，有個(gè)合理選用的問題，本文則主要針對振動(dòng)診斷法。當(dāng)機(jī)械設(shè)備內(nèi)部發(fā)生異常時(shí)，一般都會隨之出現(xiàn)振動(dòng)加大和性能變化。該方法診斷信息獲取方便、信息量豐富，設(shè)備內(nèi)大部分部件的狀況在其中均有反映，適宜于發(fā)展成為在線實(shí)時(shí)監(jiān)控系統(tǒng)。具體實(shí)施方法很多，其中基于模糊神經(jīng)網(wǎng)絡(luò)的診斷就是一種有效的診斷策略，而網(wǎng)絡(luò)的輸入?yún)?shù)則是診斷的關(guān)鍵信息。有了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和輸入節(jié)點(diǎn)的參數(shù)，經(jīng)過推理可非常簡便地在輸出節(jié)點(diǎn)中獲得故障的可信度。根據(jù)文獻(xiàn)[2]的模糊規(guī)則很容易地構(gòu)造各故障的模糊神經(jīng)網(wǎng)絡(luò)。但在實(shí)際中如何合理而有效地定義和獲取網(wǎng)絡(luò)的輸入診斷參數(shù)，則是一個(gè)復(fù)雜的問題。本文就此討論了這些診斷參數(shù)的定義，并采用面向?qū)ο蟮姆治龇椒ê途幊碳夹g(shù)實(shí)現(xiàn)了簡便獲取這些參數(shù)信息的建模工具。

１ 特征量的定義

振動(dòng)診斷中的重要因素是故障特征量的提取，它反映故障的部位，故障的嚴(yán)重程度，是故障診斷的基礎(chǔ)。由故障機(jī)理分析可知，如某一故障產(chǎn)生，則它的故障特征頻率基頻和諧頻點(diǎn)能量會不同程度地有較大增加，且不同特征頻率處的譜值變化對故障影響的程度不同。因?yàn)槭鼙O(jiān)測裝置、轉(zhuǎn)速等條件的影響，盡量不要以絕對值作為異常診斷的依據(jù)，而要與初始值或正常值做比較，用比值作為監(jiān)測參數(shù)來進(jìn)行診斷。為此診斷的監(jiān)測參數(shù)定義為：

為相對于的待檢狀態(tài)故障譜值，的正常狀態(tài)功率譜值。

因?yàn)槟骋槐O(jiān)測量只能反映某一方面的故障信息，具有一定的局限性，所以實(shí)際中僅靠一個(gè)參數(shù)作為判斷依據(jù)是不夠的，應(yīng)綜合多種參數(shù)，并給不同參數(shù)以不同的權(quán)，這樣才合理，可靠。

２ 診斷網(wǎng)絡(luò)的輸入

有了特征量后，就可將其經(jīng)過一定的處理后送入網(wǎng)絡(luò)診斷?；谏窠?jīng)網(wǎng)絡(luò)的模糊推理是解決診斷中的不確定性的一個(gè)有效的方法，其輸入是故障征兆的監(jiān)測量，即不同的FS值，由于FS并不一定在[0,1]之間，所以首先應(yīng)確定FS的上界和下界，將實(shí)際的監(jiān)測量FS通過其上、下界歸一化處理成[0,1]區(qū)間上的值。歸一化后的輸入值再通過網(wǎng)絡(luò)的前向推理得到輸出節(jié)點(diǎn)輸出故障發(fā)生的可信度，該可信度也取值于[0,1]之間。

根據(jù)故障機(jī)理和實(shí)際經(jīng)驗(yàn)給出故障類型和特征參數(shù)的關(guān)系，得出故障集和征兆集的模糊規(guī)則，然后根據(jù)模糊規(guī)則來建立模糊神經(jīng)網(wǎng)絡(luò)。例如軸類故障有：軸不平衡、軸線不對中、軸產(chǎn)生裂紋三種，分別對應(yīng)的模糊神經(jīng)網(wǎng)絡(luò)為shaft1.net、shaft2.net、shaft3.net三個(gè)網(wǎng)絡(luò)，shaft1.net和shaft2.net網(wǎng)絡(luò)所對應(yīng)的輸入為一階、二階軸頻處的相對幅值比，shaft3.net網(wǎng)絡(luò)所對應(yīng)的輸入為一階、二階、三階軸頻處的相對幅值比。表１為基本零部件的故障名、對應(yīng)網(wǎng)絡(luò)名及網(wǎng)絡(luò)的輸入?yún)?shù)。因篇幅關(guān)系，網(wǎng)絡(luò)結(jié)構(gòu)在此不一一畫出。

的頻率計(jì)算及各頻率處的相對幅值比在診斷過程中是非常重要的，它反映了故障的信息，是故障診斷中必不可少的參數(shù)。但在實(shí)際中機(jī)械設(shè)備構(gòu)造的不同使這些參數(shù)的求解成為一個(gè)復(fù)雜的問題。因此，為了可靠地診斷設(shè)備故障，需掌握設(shè)備的構(gòu)造特點(diǎn)，根據(jù)其機(jī)械傳動(dòng)關(guān)系建立設(shè)備診斷模型，并根據(jù)此模型方便有效地計(jì)算故障診斷參數(shù)，以便能在診斷中根據(jù)這些信息就此對象模型得到正確的診斷結(jié)論。為此需提供一個(gè)建立診斷對象的建模工具。

３ 建模系統(tǒng)

3.1診斷過程

首先根據(jù)以上的思想其診斷過程如下：由機(jī)械傳動(dòng)關(guān)系建立診斷對象模型，輸入主軸轉(zhuǎn)速（rpm），系統(tǒng)自動(dòng)計(jì)算出每一個(gè)零部件的故障特征頻率。并且根據(jù)頻譜圖尋找譜圖中峰值點(diǎn)對應(yīng)的特征頻率，計(jì)算與正常譜圖的相對幅值比，找到具有此特征頻率值的零件。查看是否滿足相應(yīng)診斷網(wǎng)絡(luò)所需的要求，如果滿足，則調(diào)用相應(yīng)的網(wǎng)絡(luò)進(jìn)行診斷推理，最后得到不同故障類型的嚴(yán)重程度。過程如圖１所示，其中虛線所示為本節(jié)主要討論部分。

3.2 建模工具

設(shè)計(jì)建模工具采用了面向?qū)ο蟮姆治龇椒?，具有柔性、開放性、靈活性等特點(diǎn)。機(jī)械設(shè)備一般由軸、軸承、齒輪等零部件有機(jī)地結(jié)合在一起，形成了各種傳動(dòng)鏈。我們可以把這些軸、軸承、齒輪等零部件與面向?qū)ο蠹夹g(shù)中的對象結(jié)合起來，把各種零部件抽象成不同的對象類，形成各種零部件類。各個(gè)零部件有相對的獨(dú)立性，它們之間互不干擾。不同零部件之間的聯(lián)系通過消息間相互傳遞進(jìn)行，并且對象的具體處理方法由各個(gè)零部件類自己來完成，而發(fā)送消息給它的零部件類并不需要知道它的內(nèi)部實(shí)現(xiàn)過程，有利于系統(tǒng)的維護(hù)。零部件類的屬性和功能的修改或增加并不影響到其它類。所以設(shè)備對象的建模系統(tǒng)適合采用面向?qū)ο蟮木幊谭椒?。零部件的類與面向?qū)ο蟮膶ο箢悓?yīng)起來，零部件的狀態(tài)與對象的屬性相對應(yīng)，操作零部件的動(dòng)作與對象的方法相對應(yīng)。系統(tǒng)軟件設(shè)計(jì)采用了面向?qū)ο蟮恼Z言Boraland C++5.0，利用其OWL(Object Windows Library)編程思想。

該系統(tǒng)提供了軸、軸承、齒輪、剪切等編輯工具，可根據(jù)實(shí)際的傳動(dòng)關(guān)系畫出設(shè)備的機(jī)械構(gòu)造示意圖，并通過友好的人機(jī)接口賦予各對象一定的必要信息，如軸承滾動(dòng)體的個(gè)數(shù)、接觸角、節(jié)徑、直徑、所在軸的編號等；齒輪的齒數(shù)、編號、所在軸編號、嚙合齒輪編號等；軸的編號等。模型被初始化即模型中的某根軸被賦予一定的轉(zhuǎn)速后，系統(tǒng)則根據(jù)對象間的消息傳遞自動(dòng)搜索其傳動(dòng)鏈上的傳動(dòng)關(guān)系并根據(jù)（3）～（7）公式自動(dòng)計(jì)算各零部件的特征頻率，同時(shí)把這些搜索出的信息與計(jì)算出的特征頻率值保存在各零部件對象中。用戶可通過屬性對話框來查詢搜索后的結(jié)果。這樣大大節(jié)省了工程技術(shù)人員的計(jì)算任務(wù)。同時(shí)它還提供了和其它數(shù)據(jù)庫的接口，如與信號分析數(shù)據(jù)庫連接后，可根據(jù)故障信號譜值和正常信號譜值比計(jì)算FS并實(shí)時(shí)顯示此模型設(shè)備各部件的故障診斷參數(shù)，包括特征頻率值、特征頻率處的故障信號譜值與正常信號譜值、相對幅值比、歸一化值等；和神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)庫相連后，將顯示各零部件診斷時(shí)所調(diào)用的網(wǎng)絡(luò)信息及網(wǎng)絡(luò)的輸入?yún)?shù)。獲得網(wǎng)絡(luò)輸入?yún)?shù)（或故障診斷參數(shù)）的過程如圖２所示。

４ 建模實(shí)例

選擇六安汽車齒輪箱總廠的產(chǎn)品LC5T81變速箱，輸入轉(zhuǎn)速為n=1600±16rpm，負(fù)載為M=255±2.55N/M，檔位有四檔，分別對應(yīng)著不同的齒輪嚙合。其中四檔為變速箱的直接檔，它的齒輪總是嚙合的，I軸為輸入軸，III軸為輸出軸。其簡單的機(jī)械傳動(dòng)示意圖如圖３（a），選取第三檔的齒輪作為研究對象，其傳動(dòng)齒輪的傳動(dòng)示意圖如圖 ３（b），根據(jù)圖３（b）所建立的診斷對象的傳動(dòng)模型如圖 ３（c）所示。

分別打開軸、軸承、齒輪對象的參數(shù)屬性對話框，輸入計(jì)算特征頻率參數(shù)時(shí)所用的屬性如齒輪的齒數(shù)、軸承的滾動(dòng)體個(gè)數(shù)、滾動(dòng)體直徑、滾動(dòng)體節(jié)徑和滾動(dòng)體接觸角等參數(shù)，便于系統(tǒng)初始化后能根據(jù)傳動(dòng)關(guān)系計(jì)算各零部件的特征頻率。對圖３（a）的Ｉ軸初始化，并調(diào)用從第三檔齒輪所測得的正常信號、故障信號的譜值數(shù)據(jù)庫。從而得到各零部件的故障診斷參數(shù)。例如，圖 ４（ａ）為第三檔上齒數(shù)為２７的齒輪的診斷參數(shù)，圖 ４（ｂ）為Ｉ軸上的軸承診斷參數(shù)。歸一化后的值送入相對應(yīng)的模糊神經(jīng)網(wǎng)絡(luò)則完成故障的診斷推理。

本文總結(jié)了各零部件對應(yīng)故障的診斷參數(shù)，它們是網(wǎng)絡(luò)推理診斷的輸入?yún)?shù)，是關(guān)鍵的診斷信息。為了方便有效地尋找出這些信息，研究并開發(fā)了機(jī)械設(shè)備的建模系統(tǒng)，該系統(tǒng)提供了一組界面友好、功能齊全的開發(fā)工具，使用戶擁有良好的應(yīng)用開發(fā)環(huán)境，并有良好的開放性和擴(kuò)展性。

實(shí)際中，根據(jù)設(shè)備的傳動(dòng)關(guān)系可通過此視圖工具對設(shè)備建模，當(dāng)對此傳動(dòng)鏈上的任意一根軸賦予一定的轉(zhuǎn)速后，系統(tǒng)會自動(dòng)計(jì)算出該軸的工作頻率，同時(shí)發(fā)送消息給傳動(dòng)鏈上的其它相關(guān)對象，當(dāng)這些對象接收到消息后，則根據(jù)一定的傳動(dòng)關(guān)系進(jìn)行相應(yīng)的操作，從而得到零部件對象的工作頻率。響應(yīng)迅速、可靠，減輕了工作人員的計(jì)算任務(wù)。調(diào)用信號分析數(shù)據(jù)庫所獲得的故障診斷參數(shù)在診斷中是不可缺少的參數(shù)信息，根據(jù)這些信息可從神經(jīng)網(wǎng)絡(luò)庫中調(diào)用相應(yīng)的網(wǎng)絡(luò)從而實(shí)現(xiàn)故障的診斷。系統(tǒng)在故障診斷的運(yùn)用中取得了良好的效果。