转子局部碰摩1
ω0
ω0
组合频率
不稳定不稳
杂乱
径向轴向
正进动
明显
很明显
不变
很明显明显改变不变
变化
1×1ω0
定反向移动
紊乱
径向
正进动
改变不明显
改变不明显
改变
明显改变不变
紊乱
径向
正动向
不变
该系统主要利用振动信号对风机进行诊断。当风机出现故障时，其振动信号及工艺参数信号必然呈现出相应的征兆。1列出了风机主要故障的振动特征及其敏感参数1。表选择表中的10种故障特征参数作为故障识别的信息。这10种故障特征参数又分为3类：4种振动特征（相位特征、轴心轨迹、振动方向和进动方向）5种敏感参数、（转速、负荷、油温、流量和压力）9种频率结构、（001039f0、04049f0、05f0、051099f0、f0、2f0、35f0、奇数倍f0、5f0）。22故障诊断模型的建立集成神经网络由3个诊断子网组成，每个子网都采用3层结构：输入层隐含层输出层。子网NN1为单类型网络，以振动信号频谱的9个频段上的不同频率的谱的谱峰能量值作为特征量；NN2和NN3为融合网络，NN2以转速、负荷、温度、流量和压力为输入；NN3以相位特征、轴心轨迹、振动方向和进动方向为输入，3个子网的输出节点均为6，对应系统诊断的6种故障模型。迄今为止，确定隐层节点数多采用经验公式。设输入节点数为
，输出节点数为m，隐层节点数为p，大致有5种方法可确定p（1）p为输入样本中模式的个数减1；（2）p2
1；（3）p

mrr为1～10间的任意整数；
2
f（4）p（5）

m；
p
0618
m
≥m
pm0618m
＜m。
该系统采用方法（2）确定隐层单元数，所建立网络结构如图2所示。23融合决策网络的实现策略融合决策网络的实现策略有很多种，本系统采用下述方法实现：设子网络NN形成的故障向量为
i
p
i

pp
1i
2i
p
ci
，其对每类故障的置信权值向量为r
2

i
r
i1
ri2ric，子网络的并行组合

NNNNN
m
1
NNm
形成了故障矩阵P和置信权矩阵R2。
P11P12…P1mPP21P22…P2m
…
r11r12…r1cRr21r22…r2c
…
Pc1Pc2…Pcm
rm1rm2…rmc
则融合决策网络对第i个故障发生概率的融合结果为
ppr1ipr2i…prmi定义ababab
i
i1i2im




本系统中，融合决策网络对各故障的置信权值向量为
R＝
020101080203010805010505070104010302
3
f诊断子网前置处理振动小波分析NN1。。。。。。融合决策处理
不平衡转速负荷温度流量压力归一化处理不对中NN2。。油膜振r