滾動(dòng)軸承故障診斷中BP神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用探究

王洋洋

陸軍工程大學(xué) 江蘇 南京 210000

共振調(diào)解法和包絡(luò)檢波等傳統(tǒng)診斷方法,盡管提升了一定的診斷精度,然而依舊無法脫離人工輔助診斷,難以精確診斷復(fù)雜環(huán)境下的滾動(dòng)軸承。所以,在檢測和診斷滾動(dòng)軸承的狀態(tài)與故障時(shí),采用智能的方法十分有必要。BP神經(jīng)網(wǎng)絡(luò)具有一定的泛化、容錯(cuò)、自學(xué)習(xí)自適應(yīng)等能力,在診斷滾動(dòng)軸承的故障方面,作用十分顯著。

1 滾動(dòng)軸承故障診斷基本原理

滾動(dòng)軸承故障診斷,主要是及時(shí)發(fā)現(xiàn)軸承中出現(xiàn)的故障并對(duì)其類型進(jìn)行判斷,以便提出針對(duì)性改進(jìn)建議,將安全事故的發(fā)生、經(jīng)濟(jì)損失避免[1]。滾動(dòng)軸承故障診斷的實(shí)現(xiàn),主要通過分析軸承工作過程的摩擦因數(shù)、噪聲及振動(dòng)等參數(shù),也就是說軸承出現(xiàn)了某種故障時(shí),摩擦因數(shù)、噪聲及振動(dòng)會(huì)有不同的變化,通過BP神經(jīng)網(wǎng)絡(luò)的運(yùn)用即可模式匹配并狀態(tài)識(shí)別軸承的這些特征參數(shù)。

2 BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

2.1 定義輸入樣本數(shù)據(jù) 本文采取的軸承測試數(shù)據(jù)共計(jì)16項(xiàng),具體如下圖1所示：

?

為確保故障分類結(jié)果的良好,應(yīng)為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供一定數(shù)量的試驗(yàn)樣本數(shù)據(jù)。將圖1中的原始測試數(shù)據(jù)任選10組作為訓(xùn)練樣本數(shù)據(jù),通過MATLAB軟件自帶的歸一化函數(shù)perx將相關(guān)數(shù)據(jù)歸一化后,代入BP神經(jīng)網(wǎng)絡(luò)模型。

2.2 編碼不同輸出狀態(tài) 以故障發(fā)生位置為根據(jù),劃分滾動(dòng)軸承的常見故障,所以BP神經(jīng)網(wǎng)絡(luò)輸出值為5維向量,包含4中故障狀態(tài)與1種正常狀態(tài),下表1為定義期望輸出向量[2]。

表1 軸承狀態(tài)編碼對(duì)照表

所以,h可選范圍在3～13.MSE 的值在h＝5時(shí)最小,故而本文故障診斷BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)確定為5,本文BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可確定為3－5－5型,模型主要傳遞函數(shù)以MATLAB中的“tansig”和“purelin”函數(shù)為主。

3 利用BP神經(jīng)網(wǎng)絡(luò)診斷軸承故障

模型預(yù)定收斂精度達(dá)成后,將上述選擇的10組軸承原始測試數(shù)據(jù)之外的6組試驗(yàn)數(shù)據(jù)作為測驗(yàn)BP神經(jīng)網(wǎng)絡(luò)故障診斷精度的檢驗(yàn)樣本,通過仿真獲得了如表2所示的故障診斷結(jié)果[3]。

2.3 構(gòu)建BP神經(jīng)網(wǎng)絡(luò) 本文構(gòu)建了典型的分類BP神經(jīng)網(wǎng)絡(luò),通過BP神經(jīng)網(wǎng)絡(luò)模式匹配性能的運(yùn)用,在預(yù)試驗(yàn)中挑選的1個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)診斷軸承故障。摩擦因數(shù)、振動(dòng)值及噪聲值是本文模型的3個(gè)輸入變量,故而有3個(gè)輸入單元數(shù);軸承的正常狀態(tài)、內(nèi)圈與外圈故障、滾動(dòng)體及保持架故障等5種工作狀態(tài)是模型的主要輸出量,故而有5個(gè)輸出單元數(shù)。以BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)目選擇的經(jīng)驗(yàn)公式為根據(jù),可將隱含層節(jié)點(diǎn)數(shù)目確定：

表2 故障診斷結(jié)果

根據(jù)表2 不難發(fā)現(xiàn),本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)能夠精確診斷滾動(dòng)軸承不同故障類型,在故障診斷期間能夠?qū)崿F(xiàn)100%的仿真精度。

4 結(jié)語

本文在診斷軸承故障時(shí),將滾動(dòng)軸承摩擦因數(shù)、噪聲值和振動(dòng)值在其正常狀態(tài)、故障狀態(tài)下的不同特征作為依據(jù)。采用的故障診斷分類工具為3層結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò),在BP神經(jīng)網(wǎng)絡(luò)模式匹配分類功能的運(yùn)用下,診斷了滾動(dòng)軸承故障。根據(jù)仿真結(jié)果得知,本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)能夠準(zhǔn)確分類診斷滾動(dòng)軸承中的4 種常見故障類型,有利于設(shè)備運(yùn)行安全性的提升。