基于SOM神经网络的旋转机械智能故障诊断

摘要

制造业等多个工业领域都大量使用旋转机械设备,机械故障可能会造成巨大经济损失甚至灾难性事故,但旋转机械发生机械故障的点位多,机械故障表象特征不明显,不易判断故障点位,采集旋转机械本体的振动信号,用于对旋转机械故障进行智能诊断极其重要。利用加速度传感器采集旋转机械4种状态(正常状态、基座松动、传动带破损和轴承破损故障)不同转速下的振动时域信号,在Matlab中进行多种信号特征量的提取,并以这些特征参数作为输入向量,建立SOM神经网络模型进行故障诊断,网络初始化需要用随机数设定输入层和映射层之间的权值初始值并对其进行归一化,形成输入层和竞争层组成的神经网络,其中竞争层也叫输出层,输入层神经元与竞争层的每一个神经元相联接,测试样本进入到SOM神经网络中的竞争层,会被与之映射最为强烈的神经元获得,即为获胜神经元,当输入新样本时,网络模型会以拓扑结构的形式输出分类结果。试验结果证明,SOM神经网络能够有效实现旋转机械故障的分类和诊断,判断旋转机械的故障位置。