劉洋 付忠廣

摘 要：隨著科技的進(jìn)步，燃?xì)廨啓C(jī)已成為日益發(fā)展的新型動力設(shè)備，它不僅具備很高的應(yīng)用價值，同時也可以為我們帶來很好的經(jīng)濟(jì)效益。然而，由于現(xiàn)階段對電力的需求越來越大，在整個電網(wǎng)中燃?xì)廨啺l(fā)電機(jī)組的發(fā)電規(guī)模比例也不斷升高，其機(jī)組特性隨著龐大的結(jié)構(gòu)也越來越復(fù)雜，尤其對振動故障診斷的判別比較困難。目前，在燃?xì)廨啓C(jī)振動故障診斷的方法主要有神經(jīng)網(wǎng)絡(luò)遺傳算法、因?yàn)榫W(wǎng)絡(luò)算法、支持向量機(jī)算法、粒子群計算方法等。本文旨在通過BP神經(jīng)網(wǎng)絡(luò)在燃?xì)廨啓C(jī)振動故障診斷中的應(yīng)用，為我們在實(shí)際應(yīng)用中提供更有效的修斷方法！

關(guān)鍵詞：BP算法；神經(jīng)網(wǎng)絡(luò)；燃?xì)廨啓C(jī)；振動故障診斷

一、引言

機(jī)械設(shè)備的故障診斷技術(shù)，在現(xiàn)代化生產(chǎn)中越來越受到廣泛關(guān)注。假如某臺設(shè)備突然出現(xiàn)故障而又沒有被工作人員及時發(fā)現(xiàn)，那么后果將不堪設(shè)想，在實(shí)際中甚至?xí)斐蓹C(jī)毀人亡的慘烈現(xiàn)象。因此，對于整個生產(chǎn)系統(tǒng)來說機(jī)械故障診斷非常重要。BP神經(jīng)網(wǎng)絡(luò)，是近些年開發(fā)了一種新型建模技術(shù)，在對燃?xì)廨啓C(jī)振動故障診斷中發(fā)揮著重要作用。本文對燃?xì)廨啓C(jī)振動部件模型進(jìn)行分析，引入BP神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行故障診斷，從而提高燃?xì)廨啓C(jī)運(yùn)行的安全性與經(jīng)濟(jì)性。

二、BP神經(jīng)網(wǎng)絡(luò)模型

目前，BP神經(jīng)網(wǎng)絡(luò)是在各種神經(jīng)網(wǎng)絡(luò)中應(yīng)用最成熟的一種模型。它主要是一個由非線型變換單元所組成的前向多層網(wǎng)絡(luò)，具體包括一個輸入層、一個輸出層、一個或多個隱層構(gòu)成的三層感知器，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練通過利用誤差反向傳播算法。在神經(jīng)網(wǎng)絡(luò)中的每一層，都是有一定數(shù)量如同人相互關(guān)聯(lián)的神經(jīng)細(xì)胞的神經(jīng)元構(gòu)成，這個模型中，每一層節(jié)點(diǎn)的輸入來自前面一層節(jié)點(diǎn)的輸出。輸入信號前向傳播到隱層節(jié)點(diǎn)中，在經(jīng)過作用函數(shù)把隱節(jié)點(diǎn)的輸出信息傳播到輸出節(jié)點(diǎn)，從而最終得到所需要的結(jié)果。

三、燃?xì)廨啺l(fā)電機(jī)組振動故障樣本特征參數(shù)提取

為了實(shí)現(xiàn)對機(jī)組狀態(tài)的監(jiān)測，有必要通過提取來自燃?xì)廨啺l(fā)電機(jī)組的振動特征信號量，從而判斷出燃?xì)廨啺l(fā)電機(jī)組的主要性能。假如直接就把采樣數(shù)據(jù)作為樣本構(gòu)建故障知識庫，就會發(fā)現(xiàn)監(jiān)測過程比較復(fù)雜且規(guī)模較龐大，這種效率非常低下。因此，對于燃?xì)廨啺l(fā)動機(jī)組的振動信號要通過總結(jié)其故障特性和故障種類，將所連續(xù)的屬性值具體劃分為若干個區(qū)間，并按照頻段幅值將頻譜數(shù)據(jù)作為相應(yīng)的征兆屬性去劃分。比如，在7Matlab7.0環(huán)境中，具體劃分為八個頻段幅值，相應(yīng)的計算公式為：

S= │Ei（t）│2dt

在這個公式中，E是第i個子頻帶的能量分量，而S是各子頻帶能量的總能量。

頻段幅值分量能量公式為：

在表1中，故障征兆集用C1～C8表示，每個故障代碼用d0、d1、d2、d3表示，分別代表正常狀態(tài)、油膜震蕩、轉(zhuǎn)子不平衡、不對中這幾種情況。

四、基于BP神經(jīng)網(wǎng)絡(luò)的燃?xì)廨啓C(jī)振動故障診斷方法

為了能夠更準(zhǔn)確的診斷出燃?xì)廨啓C(jī)組的振動故障，可以采用粗糙集實(shí)現(xiàn)決策編碼和知識的簡化，從而使決策屬性與決策條件屬性能夠被準(zhǔn)確地刻畫出來，使BP神經(jīng)網(wǎng)絡(luò)診斷效率更高。我們把基于BP神經(jīng)網(wǎng)絡(luò)在燃?xì)廨啓C(jī)組振動故障中的具體診斷步驟分為以下五步：

第一步，把振動故障的特征數(shù)據(jù)進(jìn)行采集，正確建立故障關(guān)系表。為了得到故障關(guān)系表，我們首先要通過對燃?xì)廨啓C(jī)發(fā)電機(jī)組的振動信號進(jìn)行詳細(xì)檢測和認(rèn)真分析，把每種振動故障類型與特征參數(shù)之間的相互關(guān)系認(rèn)真總結(jié)；

第二步，進(jìn)行數(shù)據(jù)離散化。因?yàn)樾枰谜駝有盘柕念l域特征表述燃?xì)廨啓C(jī)發(fā)電機(jī)組的征兆特性，所以作為燃?xì)廨啓C(jī)振動故障的征兆屬性要通過對不同頻段上的幅值分量能量進(jìn)行確定，而在本文中我們對數(shù)據(jù)進(jìn)行處理的方式為基于斷點(diǎn)的離散化方法；

第三步，對離散化后的樣本數(shù)據(jù)，采用粗糙集屬性約簡方法。這樣做的結(jié)果是，可以對決策表分類能力保持不變的情況下，受樣本數(shù)據(jù)維度得到最大程度的降低，從而可以使后期神經(jīng)網(wǎng)絡(luò)訓(xùn)練的速度得到有效提高；

第四步，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。將上一步進(jìn)行約簡后的樣本數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡(luò)開始進(jìn)行訓(xùn)練，從而可以得到在訓(xùn)練完成后的對振動故障具有分類能力的神經(jīng)網(wǎng)絡(luò)；

第五步，最終測試。為了得到正確的燃?xì)廨啓C(jī)組振動故障診斷結(jié)果，在經(jīng)過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)中輸入以約簡測試樣本最小條件屬性集。

五、結(jié)束語

本文主要講述了BP神經(jīng)網(wǎng)絡(luò)在燃?xì)廨啓C(jī)振動故障診斷中的應(yīng)用，先對燃?xì)廨啺l(fā)電機(jī)組振動故障樣本特征參數(shù)進(jìn)行提取，再在分析燃?xì)鈾C(jī)組振動部件構(gòu)成故障判據(jù)的基礎(chǔ)上采用粗糙集理論處理方法找到正確的判斷結(jié)果，證實(shí)目標(biāo)輸出與實(shí)際輸出對照結(jié)果一致。因此，我們認(rèn)為基于BP神經(jīng)網(wǎng)絡(luò)診斷燃?xì)廨啓C(jī)組振動故障雖然是可行的方法，但是由于算法本身存在的缺陷還會存在一些失誤，而在經(jīng)過粗糙集理論處理后的BP神經(jīng)網(wǎng)絡(luò)正確識別故障率可以達(dá)到百分之百。在實(shí)際應(yīng)用中，只有尋求多種方法相結(jié)合的故障診斷技術(shù)才能夠最終獲得更好的診斷效果，這也是為日后對燃?xì)廨啺l(fā)動機(jī)組振動故障進(jìn)行正確診斷的主要方法。

參考文獻(xiàn)：

[1]司景萍，馬繼昌，牛家驊等.基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J].振動與沖擊，2017（04）：111-112.

作者簡介：

劉洋：性別；男，籍貫 河北華北電力大學(xué)（北京）專業(yè)：動力工程，在讀碩士研究生（全日制）研究方向 微型燃?xì)廨啓C(jī)轉(zhuǎn)子故障診斷

付忠廣：華北電力大學(xué)（北京）