吳元修

WU Yuan-xiu

（萊蕪職業(yè)技術(shù)學(xué)院，萊蕪 271100）

0 引言

近年來國內(nèi)外風(fēng)電機(jī)組單機(jī)容量不斷增大，而風(fēng)電場一般位于荒原、海島等條件惡劣的環(huán)境中，要經(jīng)受全天候考驗，不怕風(fēng)吹、雨淋、日曬、霜打、冰凍、鹽蝕等，工況極不穩(wěn)定。日本風(fēng)電設(shè)備因臺風(fēng)、雷擊而被毀壞的事故，幾乎每年都有發(fā)生；世界上最著名的丹麥威斯達(dá)公司曾一次性更換80臺風(fēng)電機(jī)組的齒輪箱，損失巨大；某國際規(guī)模的廠商，因風(fēng)機(jī)某部件損壞運(yùn)往內(nèi)陸修理，承擔(dān)拆裝、賠償費(fèi)用高達(dá)4000萬歐元以上[1]。因此對風(fēng)電機(jī)組部件運(yùn)行狀態(tài)進(jìn)行監(jiān)測并建立后置的事故預(yù)警和故障診斷系統(tǒng)是極其必要的。

本文重點介紹神經(jīng)網(wǎng)絡(luò)技術(shù)在風(fēng)電機(jī)組機(jī)械傳動系統(tǒng)故障診斷中的應(yīng)用。

1 風(fēng)電機(jī)組機(jī)械傳動系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)構(gòu)建

風(fēng)電機(jī)組主要部件包括風(fēng)力機(jī)、主軸、軸承、齒輪箱、異步發(fā)電機(jī)、偏航機(jī)構(gòu)、機(jī)艙和塔架等，其傳動系統(tǒng)的重要部件是主軸、軸承、齒輪箱。鑒于旋轉(zhuǎn)機(jī)械故障的30%是由滾動軸承故障引起的[2]，本文僅考慮傳動系統(tǒng)中滾動軸承的故障診斷。

滾動軸承的故障診斷技術(shù)較多，主要有：振動診斷技術(shù)、鐵譜診斷技術(shù)、聲學(xué)診斷技術(shù)、溫度診斷技術(shù)、油膜電阻診斷技術(shù)和光纖監(jiān)測技術(shù)等[3]。本文采用振動診斷技術(shù)測取滾動軸承上的振動信號，對時域信號進(jìn)行歸一化處理和一致性檢驗，以時域特征中的均方根值、諧波指標(biāo)、峭度指標(biāo)和SQ參數(shù)作為網(wǎng)絡(luò)的輸入，以滾動軸承正常狀態(tài)和常見故障狀態(tài)（外圈裂紋、內(nèi)圈點蝕、滾珠點蝕、保持架損壞）作為網(wǎng)絡(luò)輸出，構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò)。該神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元數(shù)目由進(jìn)行選擇，其中m為輸入層神經(jīng)元個數(shù)，p為輸出層神經(jīng)元個數(shù)，a為[1,10]之間的常數(shù)[4]。針對本文，m=4，p=5，則隱層神經(jīng)元個數(shù)h=[4,14]，令h=8。詳細(xì)參數(shù)設(shè)定如表1所示，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示[5]。

表1 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定

2 BP神經(jīng)網(wǎng)絡(luò)在風(fēng)電機(jī)組機(jī)械傳動系統(tǒng)故障診斷中的應(yīng)用

實測風(fēng)電機(jī)組機(jī)械轉(zhuǎn)動系統(tǒng)滾動軸承的4個特征參數(shù)如表2所示。

圖1 風(fēng)電機(jī)組滾動軸承故障診斷神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

表2 試驗軸承特征參數(shù)

首先，選取其中5組作為輸入樣本，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，程序如下：

訓(xùn)練過程中網(wǎng)絡(luò)誤差的變化情形如圖2所示。

然后，利用所有10個樣本對訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)進(jìn)行測試驗證，程序如下：

繪成表3進(jìn)行分析。

可以看出，第三個正常軸承樣本和兩個外圈裂紋樣本的診斷出現(xiàn)了錯誤，在訓(xùn)練樣本中加入這三個樣本，再次訓(xùn)練神經(jīng)網(wǎng)絡(luò)后，網(wǎng)絡(luò)的誤差曲線如圖3所示。

表3 診斷結(jié)果

圖3 網(wǎng)絡(luò)再次訓(xùn)練過程中的誤差變化曲線

利用10個樣本對重新訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進(jìn)行驗證，再次診斷結(jié)果如表4所示。

可見，經(jīng)改進(jìn)重新訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對各樣本的診斷是完全正確的。

3 結(jié)論

本文利用滾動軸承振動信號，設(shè)計了應(yīng)用于風(fēng)電機(jī)組機(jī)械系統(tǒng)故障診斷神經(jīng)網(wǎng)絡(luò)模型，該模型的輸入樣本由振動信號的部分時域特征值，經(jīng)過歸一化處理和一致性檢驗后組成，輸出樣本由各種故障現(xiàn)象組成。經(jīng)過實驗驗證，該神經(jīng)網(wǎng)絡(luò)設(shè)計方法，具有較高的識別效率，取得了良好的預(yù)期效果。

神經(jīng)網(wǎng)絡(luò)技術(shù)其效果的好壞關(guān)鍵取決于樣本訓(xùn)練的結(jié)果。神經(jīng)網(wǎng)絡(luò)系統(tǒng)的性能在很大程度上受到所選擇的訓(xùn)練數(shù)據(jù)集的限制，訓(xùn)練數(shù)據(jù)的正交性和完備性如果不好，就會使系統(tǒng)性能惡化。此外，樣本質(zhì)量的好壞直接影響訓(xùn)練質(zhì)量繼而嚴(yán)重影響應(yīng)用結(jié)果。因此，針對系統(tǒng)比較復(fù)雜的應(yīng)用環(huán)境，應(yīng)當(dāng)進(jìn)一步考慮加強(qiáng)對模糊融合等算法實現(xiàn)問題的研究，進(jìn)一步提高故障診斷系統(tǒng)解決不確定性問題的能力。

表4 再次診斷結(jié)果

[1]吳炳琦.風(fēng)電機(jī)組運(yùn)行的預(yù)測預(yù)警和自動監(jiān)控保護(hù)[J].電氣技術(shù),2008,(03)：5-7.

[2]虞和濟(jì),韓慶大,李沈,等.設(shè)備故障診斷工程[M].北京：冶金工業(yè)出版社，2001.

[3]孔亞林.基于振動信號的滾動軸承故障診斷方法研究[D].大連：大連理工大學(xué),2005,11.

[4]周輝齒.齒輪故障的特征提取與模式識別技術(shù)研究[D].鄭州：鄭州大學(xué)，2005：23-24.

[5]許東,吳錚.基于MATLAB的系統(tǒng)分析與設(shè)計—神經(jīng)網(wǎng)絡(luò)[M].西安：西安電子科技大學(xué)出版社,2003.