基于集成神经网络的风机故障诊断系统的研究
牛小玲中国矿业大学信电学院摘要：利用集成神经网络建立了风机故障的智能诊断系统。该系统在设备异常后进行诊断，通过运行和诊断实例得出了故障诊断结果。关键词：通风机故障诊断集成神经网络中图分类号：TP2063文献标识码：B文章编号：10068155（2007）03007704Researcho
TroubleDiag
osisSystemofFa
Basedo
I
tegratedNeuralNetworkAbstractThei
tellige
cetroublediag
osissystemforfa
wasestablishedbyi
tegrated
eural
etworkThroughru
i
ga
ddiag
osisexampletheresultoftroublediag
osiswasobtai
edafterthedeviceisab
ormaldiag
osedKeyWordsfa
troublediag
osisI
tegrated
eural
etwork
0
引言
风机性能的动态监测，国内外已经有一批相当成熟的监测系统，而对于故障诊断，则由于风机的故障形式多种多样，故障产生的机理和原因也非常复杂，故障与征兆之间缺乏明显的对应关系，现场诊断比较困难等原因，直至目前仍在发展之中。近年来兴起的人工神经网络，特别是BP网络以其良好的模式分类能力，在故障诊断中得到了广泛应用。笔者设计的集成神经网络组成的风机故障诊断系统，虽然只是一个雏形结构，但经模拟测试具有一定的实际应用价值。
1
风机故障诊断系统框图
风机故障诊断系统如图1所示。系统采用集成神经网络结构，是整个系统智能化核心。它由3部分组成：信息分配网络完成信号向各诊断子网分配；诊断子网用来诊断故障风机工作系统主要由风机和电机两部分组成，因此诊断网络也分为两大部分，来自这两部分的信号由信息分配网络完成定位；融合决策网络接收诊断子网的结论，进行决策融合处理给出最终结论。
监测及信号处理系统
超限？Y报警
N
信息分配神经网络诊断子网
故障诊断及决策系
风机
NN1NN2NN3
电机
NN1NN2NN3
决策融合神经网络
结论
图1
风机故障诊断系统框图
1
f2
风机故障诊断系统模型
21风机故障特征向量的选取
表1风机主要故障的振动特征表振动故障特征特征频率常伴频率相位特征轴心轨迹振动方向进动方向随转速变化1×1×3×稳定较稳定椭圆双环椭圆径向径向轴向正动向明显振动随负荷变化不明显不明显振动随油温变化不变有影响振动随流量变化不变有影响振动随压力变化不变有影响
转子不平衡转子不对中
2×
正动向
明显振后
油膜振荡
＜12ω0043
组合频率
不稳定
扩散不规则径向正进动
升高转速振动不变
不明显
明显
不变
不变
ws及Ωws旋转失速的成对次谐波喘振超低频0520Hzr