摘 要：旋轉(zhuǎn)機械頻譜智能分析系統(tǒng)是以頻譜圖為研究對象、采用神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等人工智能方法進(jìn)行綜合分析的系統(tǒng)。使用者通過該系統(tǒng)進(jìn)行簡單的操作便可獲得診斷結(jié)果，其不僅能夠降低對使用者的要求，提高工作效率，而且在旋轉(zhuǎn)機械的故障診斷方面發(fā)揮著重要作用。

關(guān)鍵詞：旋轉(zhuǎn)機械；頻譜圖；智能分析系統(tǒng)

DOI：10.16640/j.cnki.37-1222/t.2016.09.018

大多數(shù)旋轉(zhuǎn)機械分析系統(tǒng)運用頻域、倒譜、軸心軌跡等數(shù)字信號處理技術(shù)，導(dǎo)致系統(tǒng)的操作難度較高，除非專業(yè)人士才能操作，給實際工作帶來諸多麻煩。而隨著時代的發(fā)展，旋轉(zhuǎn)機械的設(shè)備檢測和故障診斷問題又迫在眉睫，這就需要研發(fā)一個操作簡單、結(jié)果明了的智能分析系統(tǒng)，解決旋轉(zhuǎn)機械出現(xiàn)的問題。此外，對于旋轉(zhuǎn)機器而言，頻譜圖中包含著許多反映故障類型的信息，眾多分析方法均可以此作為研究對象進(jìn)行綜合分析，進(jìn)而得出診斷結(jié)果，而且使用者也可以較輕松的得到頻譜圖。本文研究的頻譜智能分析系統(tǒng)具有操作簡單、診斷結(jié)果準(zhǔn)確等優(yōu)點，使用者僅需要進(jìn)行簡單的幾步操作，便可獲得較為準(zhǔn)確的診斷結(jié)果及解決方法等信息。

1 頻譜圖的特征

不同軟件所繪制的頻譜圖也不同。頻譜圖的組成主要分為頻譜邊界、曲線、背景和環(huán)繞區(qū)域等，而其特征也就是上述組成部分所對應(yīng)的四種顏色。這些顏色色彩明亮，易于區(qū)分，為我們提供了信息提取的理論依據(jù)。

2 系統(tǒng)設(shè)計

2.1 系統(tǒng)結(jié)構(gòu)

使用者接口、頻譜特征提取、頻譜智能分析和數(shù)據(jù)庫等子系統(tǒng)是頻譜智能分析系統(tǒng)的重要組成部分。頻譜智能分析系統(tǒng)的工作原理如下：首先，使用者通過使用者接口子系統(tǒng)發(fā)出指令，命令頻譜特征提取子系統(tǒng)開始工作并為該子系統(tǒng)提供頻譜圖。然后，頻譜特征提取子系統(tǒng)開始對提供的頻譜圖進(jìn)行特征提取作業(yè)，并將提取到的信息數(shù)據(jù)傳輸?shù)筋l譜智能分析子系統(tǒng)中進(jìn)行分析處理。最后，頻譜智能分析子系統(tǒng)從數(shù)據(jù)庫子系統(tǒng)中提取數(shù)據(jù)，將其與頻譜特征提取子系統(tǒng)傳輸?shù)臄?shù)據(jù)進(jìn)行分析計算，并將得出的結(jié)果傳輸?shù)绞褂谜呓涌谧酉到y(tǒng)處。

2.2 使用者接口子系統(tǒng)

若要完成對頻譜圖的特征提取，則應(yīng)確定頻譜的顏色、屬性和位置等特征。對顏色特征的提取方法為：將鼠標(biāo)光圈移至想要提取的那個點，點擊左鍵即可進(jìn)行顏色提取。為方便記憶，我們將頻譜組成部分顏色與之對應(yīng)，定義環(huán)繞區(qū)域顏色為環(huán)繞顏色 （around-Color），定義頻譜邊界的顏色為邊界顏色（boder-Color），此外還有背景顏色 （back-Color） 和頻譜數(shù)據(jù)顏色 （data-Color）。頻譜屬性則包括旋轉(zhuǎn)速率、軸承類型、機器類型等方面，使用者可以根據(jù)實際需求進(jìn)行選擇。頻譜位置取決于頻譜的邊界位置，得到的方法為：在頻譜邊界的四邊上各取一點，該點可隨意選擇，假設(shè)選取的四個點的坐標(biāo)為A（a，b） 、B（c，d）、C（e，f）、D（g，h），那么頻譜左上頂點（X，Y）的橫坐標(biāo)X為（a，c，e，g）的最小值，縱坐標(biāo)Y為（b，d，f，h）的最小值。頻譜的寬度W為（a，c，e，g）的最大值減去X，高度H為（b，d，f，h）減去Y。

值得注意的是，在進(jìn)行位置和顏色特征提取時很可能會因為選取點目標(biāo)太小，導(dǎo)致特征提取錯誤的現(xiàn)象發(fā)生。因此，在進(jìn)行位置和顏色的提取時，我們?yōu)橹畬懭肓艘粋€程序，使得鼠標(biāo)移動時可以將該片區(qū)域放大并顯示所在點的坐標(biāo)和顏色信息，削弱或消除特征提取時可能存在的人為誤差。

2.3 頻譜特征提取子系統(tǒng)

由上節(jié)得到的邊界坐標(biāo)，進(jìn)行一系列的科學(xué)計算，就能夠獲得頻譜特征數(shù)據(jù)，開始下一環(huán)節(jié)。其具體方法如下：第一步，我們選取頻譜左上角點（X+1，Y）作為起始點，對頻譜圖進(jìn)行縱向掃描，直至掃描至頻譜數(shù)據(jù)顏色 （data-Color）處為止，并將掃描過的像素數(shù)記為h1；第二步，我們選?。╔+2，Y）坐標(biāo)為起點，開始縱向掃描頻譜圖，直至掃描至頻譜數(shù)據(jù)顏色 （data-Color）處為止，并將掃描過的像素數(shù)記為h2；依照此種方法，我們可以選?。╔+3，Y）、（X+4，Y）……（X+W，Y）等坐標(biāo)作為起點，得到像素數(shù)h3、h4……h(huán)w。最后，我們將頻譜高度H減去掃描的像素數(shù)h i，即為第i個水平像素點的頻譜曲線像素高度。此外，利用機械的轉(zhuǎn)速和頻譜圖上的起始頻率、終止頻率等數(shù)據(jù)，我們可以計算出各水平像素點對應(yīng)的頻率值和基頻。最后，我們可以根據(jù)特征量得到特征頻率的幅值，進(jìn)而將這些數(shù)據(jù)進(jìn)行處理得到頻譜特征數(shù)據(jù)，并將頻譜特征數(shù)據(jù)傳輸?shù)筋l譜智能分析子系統(tǒng)進(jìn)行下一步操作。

2.4 頻譜智能分析子系統(tǒng)

經(jīng)過上述的分析我們可以得知，該系統(tǒng)收集的數(shù)據(jù)信息量極為龐大，單一分析處理方法難以滿足數(shù)據(jù)處理的需求。對此，我們將專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合，共同組成這個頻譜智能分析子系統(tǒng)，以滿足系統(tǒng)的需求。專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相互協(xié)調(diào)，獨立工作。頻譜智能分析子系統(tǒng)的工作流程為：針對不同的機器類型和信號方向，首先經(jīng)專家系統(tǒng)進(jìn)行科學(xué)合理的分類，獲得其特征頻率等信息，隨后對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和各個參數(shù)進(jìn)行分析和確定，劃分特征向量，篩選訓(xùn)練樣本，并將其送至BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行計算得出結(jié)果，最終由專家系統(tǒng)綜合分析并將分析報告?zhèn)鬏斨潦褂谜呓涌谧酉到y(tǒng)處，供使用者參考。

2.5 數(shù)據(jù)庫子系統(tǒng)

作為智能分析系統(tǒng)重要組成部分的數(shù)據(jù)庫，儲存著大量的訓(xùn)練樣本和故障類型等數(shù)據(jù)信息，在頻譜智能分析子系統(tǒng)發(fā)出數(shù)據(jù)請求時對其進(jìn)行數(shù)據(jù)傳輸，并在分析過后儲存該次的分析結(jié)果，以便下次參考使用。數(shù)據(jù)庫子系統(tǒng)里的數(shù)據(jù)一般不允許更改，但為了實際需要，擁有管理權(quán)限的使用者可以對其進(jìn)行更改。

3 結(jié)語

本文所研究的頻譜智能分析系統(tǒng)，能夠?qū)㈩l譜圖所提取到的數(shù)據(jù)，送至頻譜智能分析子系統(tǒng)進(jìn)行科學(xué)合理的分析計算，進(jìn)而輕松的得到診斷結(jié)果。這種系統(tǒng)具有操作性高、使用方便等特點，極大地降低了使用者的門檻，減免了一些不必要的麻煩，為使用者提供了優(yōu)質(zhì)的服務(wù)。實踐證明，旋轉(zhuǎn)機械頻譜智能分析系統(tǒng)具有較高的實用性和發(fā)揮價值。

參考文獻(xiàn)：

[1]陳平，謝志江，歐陽奇.基于頻譜圖像的Multi-agent旋轉(zhuǎn)機械故障診斷研究[J].機械科學(xué)與技術(shù)，2007（03） .

[2]何杉，王奉濤，王亮.旋轉(zhuǎn)機械頻譜智能分析系統(tǒng)的實現(xiàn)[J].工業(yè)控制計算機，2008（12）.

作者簡介：楊秀文（1991-），男，苗族，湖南湘西人，本科，研究方向：機械設(shè)計制造及其自動化（機電一體化方向）。