基于人工神经网络的旋转机械故障诊断专家系统

摘要

旋转机械广泛应用于重工业的多个领域，且大多数为各个生产领域的关键设备。但由于它们通常工作在工况复杂的恶劣环境中，且大多为高速旋转机械，这些旋转机械一旦出现故障，不仅对整个生产线产生直接影响，而且会造成重大的经济损失甚至是机毁人亡的事故。为保证设备的安全运行，降低机组维修费用和提高设备利用率，开发一种能自动获取知识且能进行高速推理的故障诊断专家系统，已经成为旋转机械故障诊断研究的一个主要方向。
　　 本文针对转子故障、轴承故障、浮动密封故障、叶片式机器中流体激振故障以及齿轮箱故障等各种旋转机械故障类型，分别讨论了这些故障的故障征兆，研究了各个故障的振动机理。针对旋转机械固有的特征，在比较各种不同信号分析技术的基础上，提出采用矢量融合能量谱理论实现旋转部件的故障特征分析。但旋转机械故障诊断往往属于模糊现象的领域，需要进行模糊聚类分析。模糊理论可以将不确定的知识和定性知识转化为定量的知识。直接用隶属度对大量文字描述的规则以及专家经验进行准确的表示相当困难，而且模糊矩阵的构造需要以大量现场实际运行数据为基础。因此，在故障诊断中需要更为有效的方法进行故障诊断分析，为此作者采用人工神经网络故障诊断方法。
　　 本文采用Matlab工具包，以转子不平衡、不对中、转子碰摩、基础松动等四种故障现象为例，设计了BP神经网络故障诊断模型并设置学习率等各种参数，得出了相关诊断结果。在人工神经网络分析的基础上，论文介绍了专家系统的基本概念、基本结构、知识表示方法以及其推理工作过程，对专家系统开发工具语言CLIPS的基本语法和Rete模式匹配算法进行了阐述，并以某一旋转机组的故障诊断为例，基于CLIPS实现了该旋转机械的故障诊断专家系统的开发。
　　 但基于CLIPS开发的专家系统的人机交互界面单一，它的应用推广将会受到局限。为此尝试了采用基于d11动态链接库的方法实现CLIPS与VC++的混合编程开发。在此基础上还进一步讨论了CLIPS与JAVA的混合编程，实现了专家系统在JAVA中的国际化，并通过在CLIPS中改写相应代码构造相应的知识库和推理机制，最终开发出了该旋转机械故障诊断专家系统混合编程系统。
　　 最后，论文以所开发的多级行星齿轮箱为研究对象，以断齿、齿根裂纹、齿面磨损、轴承外圈故障、内圈故障和滚动体故障为故障向量作为神经网络的输出，并判断出所诊断的故障与专家系统所诊断的故障存在33.3％的不一致，在数据不完全或者诊断不精确的情况下，为用户诊断提供一个虽保守但更加可靠的诊断结果。在此基础上，通过采用VC++6.0软件开发了旋转机械故障诊断专家系统。实现了诊断推理模块、知识库管理模块、神经网络训练等功能模块的开发与设计，以对多级行星齿轮箱故障诊断进行验证分析。