機(jī)械專(zhuān)業(yè)外文文獻(xiàn)翻譯-外文翻譯--使用有限元基神經(jīng)網(wǎng)絡(luò)的機(jī)器健康檢測(cè)與壽命管理 中文版【優(yōu)秀】

《機(jī)械專(zhuān)業(yè)外文文獻(xiàn)翻譯-外文翻譯--使用有限元基神經(jīng)網(wǎng)絡(luò)的機(jī)器健康檢測(cè)與壽命管理 中文版【優(yōu)秀】》由會(huì)員分享，可在線(xiàn)閱讀，更多相關(guān)《機(jī)械專(zhuān)業(yè)外文文獻(xiàn)翻譯-外文翻譯--使用有限元基神經(jīng)網(wǎng)絡(luò)的機(jī)器健康檢測(cè)與壽命管理 中文版【優(yōu)秀】（14頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

本科生畢業(yè)設(shè)計(jì)（論文） 翻譯 學(xué)生姓名： 學(xué) 號(hào)： 班 級(jí)： 專(zhuān) 業(yè)： 機(jī)械工程及自動(dòng)化 指導(dǎo)教師： 1 美國(guó)機(jī)械工程師學(xué)會(huì)汽輪機(jī)與動(dòng)力工程雜志 1996年 10月 使用有限元基神經(jīng)網(wǎng)絡(luò)的機(jī)器健康檢測(cè)與壽命管理 作者：紐約應(yīng)力公司 文展示了一種新辦法，利用 有限元模型的最新的神經(jīng)網(wǎng)絡(luò)技術(shù)監(jiān)測(cè)旋轉(zhuǎn)機(jī)械的安全性。臺(tái)式轉(zhuǎn)子演示裝置作為一種概念證明工具，在這里得到了應(yīng)用。該方法通過(guò)神經(jīng)網(wǎng)絡(luò)把詳細(xì)的轉(zhuǎn)子動(dòng)力有限元模型與機(jī)械傳感測(cè)量相融合，對(duì)機(jī)器進(jìn)行監(jiān)測(cè)。這種神經(jīng)網(wǎng)絡(luò)是經(jīng)過(guò)專(zhuān)門(mén)的訓(xùn)練的。與現(xiàn)在的方法相比，這種方法的優(yōu)勢(shì)在于它使用一種先進(jìn)的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)包含了詳細(xì)的有限元模型的知識(shí)，與系統(tǒng)測(cè)量的結(jié)果相結(jié)合，對(duì)機(jī)械故障進(jìn)行診斷，以及對(duì)部分應(yīng)力變化進(jìn)行精確預(yù)測(cè)。這種技術(shù)需要使用最新的神經(jīng)網(wǎng)絡(luò)技術(shù)，在 上利用精確的有限元分析對(duì)機(jī)械故障診斷和部分機(jī)械應(yīng)力進(jìn)行實(shí)時(shí)預(yù)測(cè)?？尚D(zhuǎn) 組件與有限元基相關(guān)的知識(shí)內(nèi)容的實(shí)用性在于實(shí)時(shí)的對(duì)部分組件壽命的預(yù)測(cè)以及對(duì)故障精確快速的診斷。 序言 對(duì)于旋轉(zhuǎn)機(jī)械，最大限度地提高關(guān)鍵部件運(yùn)行壽命和可用性，同時(shí)盡量減少無(wú)計(jì)劃維修停機(jī)的危險(xiǎn)和災(zāi)難性的失敗，是所有行業(yè)共同的目標(biāo)。本文介紹了基于有限元的神經(jīng)系統(tǒng)改善目前的先進(jìn)的機(jī)械健康監(jiān)測(cè)，增加有效的結(jié)構(gòu)組成部分的診斷和監(jiān)測(cè)。特別是神經(jīng)網(wǎng)絡(luò)分類(lèi)器作為一個(gè)信息收集和發(fā)送的中心被開(kāi)發(fā)，它對(duì)轉(zhuǎn)子系統(tǒng)的健康使用實(shí)驗(yàn)和分析數(shù)據(jù)作出準(zhǔn)確的決定。該網(wǎng)絡(luò)觀察轉(zhuǎn)子系統(tǒng)監(jiān)測(cè)診斷結(jié)構(gòu)斷層，從各種潛在的故障源預(yù)測(cè)部件。 桌面示范轉(zhuǎn)子被用作 證據(jù)的概念工具。傳感器的演示裝置在適當(dāng)?shù)牡攸c(diǎn)測(cè)量整個(gè)轉(zhuǎn)子系統(tǒng)的振幅。從這些測(cè)量，神經(jīng)系統(tǒng)通過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的大量詳細(xì)的有限元模型將診斷斷層和預(yù)測(cè)旋轉(zhuǎn)部分。目前，商業(yè)專(zhuān)家系統(tǒng)可用于環(huán)境監(jiān)測(cè)，沒(méi)有旋轉(zhuǎn)部分壓力的知識(shí)，其只用測(cè)量系統(tǒng)的數(shù)據(jù)。如果沒(méi)有這些壓力的數(shù)據(jù)，直接計(jì)算其余部分狀況將非常困難。 2 微型轉(zhuǎn)子臺(tái)演示神經(jīng)系統(tǒng)如何用于獲得及時(shí)的有限元模型結(jié)果和機(jī)器故障診斷。對(duì)旋轉(zhuǎn)軸和反應(yīng)部隊(duì)的軸承估計(jì)的動(dòng)態(tài)應(yīng)力證明了有限元模型的能力。網(wǎng)絡(luò)的診斷能力通過(guò)預(yù)測(cè)磁盤(pán)不平衡的地點(diǎn)、程度和階段、大量的未對(duì)準(zhǔn)、轉(zhuǎn)子一定程度的摩擦或機(jī)械 松動(dòng)以及軸承間隙的問(wèn)題變現(xiàn)出來(lái)。動(dòng)應(yīng)力估算和結(jié)構(gòu)診斷都通過(guò)取自軸承位置的振動(dòng)測(cè)量來(lái)進(jìn)行的。本文還顯示網(wǎng)絡(luò)預(yù)測(cè)非線(xiàn)性動(dòng)力學(xué)應(yīng)力軸和預(yù)測(cè)機(jī)械故障的能力。 轉(zhuǎn)子演示裝置和測(cè)量過(guò)程 轉(zhuǎn)子系統(tǒng)配置 。桌面轉(zhuǎn)子演示裝置是為了展示概念，本文提出了實(shí)際的硬件。該演示平臺(tái)的目的是要作為多功能足以重復(fù)各種振動(dòng)生產(chǎn)的現(xiàn)象存在于所有類(lèi)型的旋轉(zhuǎn)系統(tǒng)。許多不同類(lèi)型的振動(dòng)有關(guān)的特征通過(guò)不斷變化的轉(zhuǎn)子的速度、一定程度的不平衡。軸彎曲、軸摩擦和轉(zhuǎn)子軸承間隙來(lái)建立和測(cè)量的。由此產(chǎn)生的動(dòng)態(tài)特性通過(guò)近距離探頭和 /或加速度計(jì)來(lái)測(cè)量，并且通過(guò)多通道動(dòng)態(tài) 信號(hào)分析儀來(lái)處理。 轉(zhuǎn)子配置研究顯示圖 1。 轉(zhuǎn)子安裝由下列部分組成： 1 惠普電機(jī)。 2 柔性橡膠聯(lián)軸器。 3 剛性鋼耦合（用戶(hù)控制源軸偏心） 4 3個(gè)球軸承和 3個(gè)經(jīng)向軸承。 5 2個(gè)帶有平衡重洞的旋轉(zhuǎn)盤(pán)。 6 3/8英寸直徑 25英寸長(zhǎng)鋼軸 7 電機(jī)調(diào)速控制器與閉環(huán)反饋。 8 各種接近探測(cè)器和加速度計(jì)。 9 提供轉(zhuǎn)子預(yù)載，轉(zhuǎn)子摩擦，機(jī)械松動(dòng)條件的裝置。 3 圖 1 轉(zhuǎn)子演示平臺(tái) 兩個(gè)滾子軸承支撐電機(jī)電樞，而四個(gè)含油銅套軸承通過(guò)各個(gè)聯(lián)接器和磁盤(pán)固定。一個(gè)穩(wěn)固的基礎(chǔ)三六英寸鋁可調(diào)軸承座的 位置和橡膠隔震英尺提供足夠的剛性轉(zhuǎn)子配置。通過(guò)比例速度反饋算法，使電機(jī)轉(zhuǎn)速控制與專(zhuān)用接近探頭和齒車(chē)輪測(cè)得的速度保持一致。 最初，在數(shù)據(jù)反饋之前轉(zhuǎn)子在兩個(gè)面之間 個(gè)速度的提高實(shí)驗(yàn)確定轉(zhuǎn)子的臨界轉(zhuǎn)速。圖 到 100赫茲的響應(yīng)。第一共振轉(zhuǎn)子模式被確定在約 80 800轉(zhuǎn)。轉(zhuǎn)子運(yùn)行持續(xù)在 40赫茲的平衡條件確定了敏感性轉(zhuǎn)子變化的條件。 圖 2 轉(zhuǎn)子反應(yīng) 0據(jù)采集與數(shù)據(jù)庫(kù)開(kāi)發(fā) 。振動(dòng)測(cè)量由大野測(cè)器 四通道，數(shù)字信號(hào)分析儀獲得接近探測(cè)器和加速度計(jì)的 信號(hào)處理的條件。實(shí)測(cè)頻率響應(yīng)轉(zhuǎn)移到個(gè)人計(jì)算機(jī)上，對(duì)每階段的恢復(fù)程度和讀數(shù)進(jìn)行了測(cè)定。請(qǐng)注意，輸入 4 到神經(jīng)網(wǎng)絡(luò)分類(lèi)器的參數(shù)是每轉(zhuǎn)速轉(zhuǎn)速在所有傳感器的位置的幅度（米）和相位（度）。 種子故障通過(guò)大規(guī)模不平衡磁盤(pán)、整個(gè)剛性聯(lián)軸器的錯(cuò)位、軸承座松動(dòng)和安裝軸承引入轉(zhuǎn)子示范系統(tǒng)。在每一個(gè)這樣的條件下，通過(guò)參考關(guān)鍵相位，從四個(gè)鄰近探針測(cè)得的結(jié)果來(lái)確定每個(gè)傳感器的規(guī)模和階段。具體的規(guī)模和相位的測(cè)量與在神經(jīng)網(wǎng)絡(luò)培訓(xùn)程序中所使用的特定的輸入輸出對(duì)被登錄到一個(gè)數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)中清單的輸入輸出如下。 轉(zhuǎn)子動(dòng)力學(xué)有限元模型 一份詳細(xì)的示 范轉(zhuǎn)子演示系統(tǒng)是使用在 程序稱(chēng)之為 子動(dòng)力學(xué)分析）。這個(gè)電腦項(xiàng)目是用來(lái)模擬轉(zhuǎn)子操作和訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類(lèi)器。 有限元為基礎(chǔ)，并包含一系列的前置程序，以促進(jìn)網(wǎng)格生成。有限元模型預(yù)測(cè)整體轉(zhuǎn)子振動(dòng)特征以及當(dāng)?shù)卣駝?dòng)應(yīng)力等級(jí)。轉(zhuǎn)子的一般幾何形狀在開(kāi)始規(guī)定成代碼，允許選擇預(yù)處理程序（和輸入指令）進(jìn)行發(fā)展。 有一個(gè)有限元模型為基礎(chǔ)的診斷制度的附加價(jià)值是它提供了一個(gè)非常準(zhǔn)確的轉(zhuǎn)子的應(yīng)力分布和反應(yīng)力。這些壓力是由在轉(zhuǎn)子，軸承，密封件等中許多不合格的部分導(dǎo)致的。隨著轉(zhuǎn)軸部分壓力預(yù)測(cè)， 一種自動(dòng)化的壽命分析算法將能夠確定在任何損害的條件下的預(yù)期壽命。 轉(zhuǎn)子演示裝置的有限元模型是開(kāi)發(fā)和相關(guān)實(shí)驗(yàn)的結(jié)果。該模型是作為一種額外的信息來(lái)源來(lái)加強(qiáng)神經(jīng)網(wǎng)絡(luò)的培訓(xùn)。特別是，該網(wǎng)絡(luò)受到模式的訓(xùn)練，以確定在關(guān)鍵的機(jī)械部件上動(dòng)態(tài)壓力，使之將能夠作為診斷輸出計(jì)算其余部分狀態(tài)。圖 3顯示的是與有限元模型相關(guān)的第一個(gè)關(guān)鍵模式。請(qǐng)注意密切測(cè)量和計(jì)算第一個(gè)關(guān)鍵模式之間的協(xié)議。這個(gè)模型，用于計(jì)算包括非平衡和錯(cuò)位在內(nèi)的各種運(yùn)行條件下軸上動(dòng)態(tài)應(yīng)力和軸承反應(yīng)力。 5 圖 3 第一個(gè)關(guān)鍵轉(zhuǎn)子計(jì)算模式 神經(jīng)網(wǎng)絡(luò)的描述和發(fā)展 本文中開(kāi)發(fā)的 神經(jīng)網(wǎng)絡(luò)架構(gòu)作為信息收集 /處理的樞紐，并獲悉采用了實(shí)驗(yàn)和分析數(shù)據(jù)轉(zhuǎn)子演示裝置的條件的診斷。 內(nèi)部互連擬議神經(jīng)網(wǎng)絡(luò)架構(gòu)的制定是在被神經(jīng)網(wǎng)絡(luò)處理的大量數(shù)據(jù)基礎(chǔ)上。這是類(lèi)似于在該系統(tǒng)的 “大腦 ”大量的神經(jīng)細(xì)胞上建模，以用于特定網(wǎng)絡(luò)。在整個(gè)網(wǎng)絡(luò)更多的神經(jīng)元的使用，更大的空間的解決方案將用于推廣一個(gè)系統(tǒng)的行為。為了這個(gè)項(xiàng)目，開(kāi)發(fā)了一些多層、前饋網(wǎng)絡(luò)，開(kāi)發(fā)中使用反向傳播算法以便盡量減少錯(cuò)誤的信號(hào)。為了檢查不同的網(wǎng)絡(luò)設(shè)計(jì)哲學(xué)的敏感性和準(zhǔn)確性，開(kāi)發(fā)了兩個(gè)主要的神經(jīng)網(wǎng)絡(luò)架構(gòu)。 單一網(wǎng)絡(luò)架構(gòu) 。單一的網(wǎng)絡(luò)配置發(fā)展首先利用四個(gè)軸承振 動(dòng)輸入測(cè)量（包括幅度和相位）。一個(gè)關(guān)于為了改善訓(xùn)練精度和時(shí)間而使用增強(qiáng)功能的實(shí)踐的討論稍后給出。使用一個(gè)包括 24 個(gè)節(jié)點(diǎn)的隱層增加 “靈活性 ”的網(wǎng)絡(luò)。如果運(yùn)用得當(dāng)，隱層可以提供在復(fù)雜的、線(xiàn)性的和非線(xiàn)性的培訓(xùn)模式之間更精 6 確的相互關(guān)系。網(wǎng)絡(luò)的輸出層包括 14個(gè)節(jié)點(diǎn)。圖 4和其相應(yīng)的輸入 /輸出參數(shù)是這種單一的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)類(lèi)型的一個(gè)代表。請(qǐng)注意，由于空間限制， 24個(gè)輸入和隱層節(jié)點(diǎn)減少到適合頁(yè)面的大小。 圖 4 單一的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 輸出層第 6節(jié)點(diǎn)用于確定：（ 1）可能存在的不平衡的概率，（ 2）不平衡的規(guī)模的確定（ 3）在非平 衡磁盤(pán)上的不平衡階段位置。下兩個(gè)輸出節(jié)點(diǎn)確定整個(gè)剛性耦合上是否存在錯(cuò)位。有錯(cuò)位的概率隨著偏移的程度確定的。 網(wǎng)絡(luò)的 4 個(gè)輸出節(jié)點(diǎn)專(zhuān)用于 “虛擬 ”遙感。虛擬遙感指使用有限元模型通過(guò)直接遙感數(shù)據(jù)（如軸承位移）的匹配模式間接測(cè)量參數(shù)如軸壓力或軸承力，得到一個(gè)不可測(cè)量參數(shù)的精確尺寸。示范轉(zhuǎn)子系統(tǒng)使用一個(gè)轉(zhuǎn)子詳細(xì)的有限元模型特別是轉(zhuǎn)子條件計(jì)算軸彎曲應(yīng)力和軸承力。這樣做的結(jié)果是神經(jīng)網(wǎng)絡(luò)（訓(xùn)練有素的測(cè)量和有限元模型），它能夠在現(xiàn)實(shí) “虛擬 ”遙感壓力和反應(yīng)力在特殊組成部分上，而不必實(shí)際安裝了應(yīng)變計(jì)或力傳感器板上。輸出層上最后兩個(gè) 節(jié)點(diǎn)診斷轉(zhuǎn)子摩擦和軸承游隙問(wèn)題的概率和結(jié)構(gòu)支撐松動(dòng)。 7 分解的網(wǎng)絡(luò)架構(gòu) 。分裂的多層網(wǎng)絡(luò)架構(gòu)已開(kāi)發(fā)使用了同樣的四個(gè)軸承振動(dòng)輸入測(cè)量（包括幅度和相位）作為以往的架構(gòu)。然而，在這種情況下，新的網(wǎng)絡(luò)配置是分成更小，更專(zhuān)業(yè) 單位。圖 圖 5 分解的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 這個(gè)新的網(wǎng)絡(luò)配置的第一部分診斷嚴(yán)重故障條件 (1) 1號(hào)磁盤(pán)上的不平衡， (2) 2號(hào)磁盤(pán)上的不平衡， (3) 整個(gè)剛性耦合錯(cuò)位， (4) 軸承磨損或清除的問(wèn)題， (5) 結(jié)構(gòu) /機(jī)械松動(dòng)問(wèn)題。第二層采用了相同的軸承振動(dòng)的投輸入，以確定有關(guān)特別 確定故障的不平衡和 /或失調(diào)的具體等級(jí)，而不僅僅是提供關(guān)于軸上力和軸承徑向力的重要的 “虛擬遙感 ''信息。 8 在第二層頂端的網(wǎng)絡(luò)架構(gòu)決定具體關(guān)于磁盤(pán) 1號(hào)不平衡的故障細(xì)節(jié)。第一個(gè)輸出節(jié)點(diǎn)確定了那個(gè)不平衡的嚴(yán)重性。 輸出值的嚴(yán)重程度從 0到 1， 1代表最嚴(yán)重的狀況。第二個(gè)和第三個(gè)輸出節(jié)點(diǎn)確定不平衡狀況的規(guī)模和階段，以便在任何時(shí)候可采取措施進(jìn)行糾正。診斷不平衡的嚴(yán)重性是不斷監(jiān)測(cè)和跟蹤，以確定情況惡化。在磁盤(pán) 2號(hào)上網(wǎng)絡(luò)結(jié)構(gòu)在第二層診斷出一個(gè)不平衡狀況。對(duì)于與磁盤(pán)第 1號(hào)相關(guān)的診斷網(wǎng)絡(luò)輸出節(jié)點(diǎn)的細(xì)節(jié)都是相同的。 第二層的第三個(gè)網(wǎng) 絡(luò)是用來(lái)確定整個(gè)耦合任何失調(diào)的嚴(yán)重性和程度。嚴(yán)重性值介于 0和 1之間，如同以往情況下，失調(diào)偏移量以米為單位表示。在振動(dòng)模式下第二層的最后一個(gè)網(wǎng)絡(luò)的致力于其在傳感器的位置 “虛擬 ”感知的最大軸力和軸承反作用力。 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和咨詢(xún) 訓(xùn)練神經(jīng)網(wǎng)絡(luò)的過(guò)程中涉及在許多互連之間的輸入和輸出層之間的評(píng)估權(quán)重和閾值。訓(xùn)練神經(jīng)利用兩個(gè)無(wú)人看管和監(jiān)督程序?qū)嵤Ｔ跓o(wú)人監(jiān)督的培訓(xùn)被用來(lái)把輸入模式分來(lái)，以便處理大批使用的訓(xùn)練模式。監(jiān)管培訓(xùn)技術(shù)用于指定從輸入模式產(chǎn)生的目標(biāo)。神經(jīng)網(wǎng)絡(luò)變量（權(quán)重和閾值）自我調(diào)整，以產(chǎn)生這一目標(biāo)產(chǎn)量。在這個(gè) 項(xiàng)目中利用這兩個(gè)培訓(xùn)程序的結(jié)合，以實(shí)現(xiàn)理想的網(wǎng)絡(luò)準(zhǔn)確性。 一旦建設(shè)內(nèi)部結(jié)構(gòu)的網(wǎng)絡(luò)，它們接受基于實(shí)驗(yàn)案例歷史和來(lái)自轉(zhuǎn)子動(dòng)力學(xué)計(jì)算機(jī)模型衍生的輸入 /輸出對(duì)的訓(xùn)練。發(fā)展這個(gè)包含神經(jīng)網(wǎng)絡(luò)輸入 /輸出的培訓(xùn)模式的數(shù)據(jù)庫(kù)代表本文的努力一個(gè)主要部分。 非監(jiān)督訓(xùn)練 。鑒于了一套培訓(xùn)模式，一個(gè)無(wú)監(jiān)督學(xué)習(xí)的算法將自我組織輸入模式到模式群也稱(chēng)為集群?；跉W幾里德距離相似性度量，有大量的模式可分為幾組。在培訓(xùn)過(guò)程中， 網(wǎng)絡(luò)權(quán)重和閾值被修改，集束中心被確定了。通過(guò)調(diào)整聚類(lèi)中心半徑值控制形成的集群的數(shù)量。培訓(xùn)過(guò)程結(jié)束后，該網(wǎng)絡(luò)可與任何已知 或未知輸入模式相接。 9 監(jiān)督訓(xùn)練 。監(jiān)督學(xué)習(xí)，而不是無(wú)監(jiān)督學(xué)習(xí)，這利用成對(duì)的相關(guān)輸入 /輸出模式。這一方法通常與錯(cuò)誤的反向傳播使用的是廣義德?tīng)査?guī)則網(wǎng)絡(luò)結(jié)構(gòu)。訓(xùn)練集用來(lái)指定目標(biāo)產(chǎn)出應(yīng)導(dǎo)致輸入模式，以及自動(dòng)學(xué)習(xí)網(wǎng)絡(luò)的參數(shù)設(shè)置（重量和閾值），它將產(chǎn)生此期望輸出。在這學(xué)習(xí)過(guò)程中，網(wǎng)絡(luò)學(xué)習(xí)一套單一的網(wǎng)絡(luò)參數(shù)，這些參數(shù)能滿(mǎn)足所有的培訓(xùn)的輸入 /輸出對(duì)。學(xué)習(xí)是并不完美，但最小均方錯(cuò)誤的基礎(chǔ)上是最佳的。在咨詢(xún)模式中，該網(wǎng)絡(luò)能夠歸納并為任何輸入模式創(chuàng)造適用于網(wǎng)絡(luò)的適當(dāng)?shù)妮敵瞿Ｊ健Ｔ跔顟B(tài)監(jiān)測(cè)中應(yīng)用中利用神經(jīng)網(wǎng)絡(luò)是此屬性的主要優(yōu)勢(shì)。 特定的網(wǎng)絡(luò)訓(xùn)練和咨詢(xún) 。這兩個(gè)網(wǎng)絡(luò)架構(gòu)以同樣的 232輸入 /輸培訓(xùn)模式進(jìn)行了培訓(xùn)，它們是從實(shí)驗(yàn)測(cè)量和有限元模型分析設(shè)計(jì)的。培訓(xùn)模式網(wǎng)絡(luò)數(shù)據(jù)庫(kù)側(cè)重于診斷不平衡條件、失調(diào)、軸承反應(yīng)力和軸壓力。作為一個(gè)例子，實(shí)驗(yàn)數(shù)據(jù)收集平臺(tái)，以訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)區(qū)分失調(diào)和不平衡狀態(tài)的區(qū)別。這兩個(gè)條件展示了轉(zhuǎn)速振動(dòng)特性。相角度測(cè)量對(duì)于網(wǎng)絡(luò)作出這一區(qū)別顯然非常重要的。 為了識(shí)別數(shù)量的微小變化和施加不平衡力的階段，推導(dǎo)出大部分的訓(xùn)練集。由于這一事實(shí)，即關(guān)鍵相位信號(hào)只精確到 ±10度的變化，在被施加的不平衡力上每 確定不平衡的地點(diǎn)。由于 不平衡度變化只產(chǎn)生了極少 轉(zhuǎn)子系統(tǒng)所施加的實(shí)際的限制內(nèi)這個(gè)值被用來(lái)作為最好的決議。 在眾多的不平衡力和軸偏心條件下該轉(zhuǎn)子動(dòng)力學(xué)有限元模型廣泛應(yīng)用。針對(duì)這些迫使條件，從每個(gè)運(yùn)行的有限元模型產(chǎn)生的結(jié)果（大約每 1/2小時(shí)）產(chǎn)生穩(wěn)態(tài)軸彎曲應(yīng)力和軸承反應(yīng)力。與實(shí)測(cè)數(shù)據(jù)相結(jié)合，使用這些數(shù)據(jù)建立數(shù)據(jù)庫(kù)的培訓(xùn)模式。 組件壽命累積 疲勞壽命算法的開(kāi)發(fā)是利用了實(shí)測(cè)軸壓力和軸承反應(yīng)力，以此為基礎(chǔ)計(jì) 10 算疲勞萌生壽命。在不考慮裂紋擴(kuò)展情況下，該算法 的估計(jì)裂紋發(fā)生所需的時(shí)間。諾伊貝爾的規(guī)則是用來(lái)計(jì)算真實(shí)應(yīng)力和應(yīng)變的裂紋萌生區(qū)域。摩洛的方法是將應(yīng)力的結(jié)合壽命中的計(jì)算， 這是基于應(yīng)變振幅和逆轉(zhuǎn)數(shù)目。 應(yīng)變壽命方程 。局部的應(yīng)變方法是從給定的應(yīng)力狀態(tài)和材料的疲勞性能用來(lái)計(jì)算總應(yīng)變 ε，包括彈塑性組成部分： 2(/)2)(( '' ???? ? ??? 其中 ?是真正的平均應(yīng)力或真正穩(wěn)定的壓力，和右邊的 方程，第一任期內(nèi)的一個(gè)彈性應(yīng)變和第二個(gè)任期內(nèi)代表塑性應(yīng)變。該方程是為了基于循環(huán)應(yīng)變的方法來(lái)預(yù)測(cè)疲勞而建立的，這就是所謂應(yīng)變壽命方程。 循環(huán)計(jì)數(shù)和累積損傷 。根據(jù)光譜載入中，動(dòng)態(tài)應(yīng)變條件下，在關(guān)鍵位置的部分可能有非常復(fù)雜的波形。在處理這種情況的幾個(gè)程序中，雨流循環(huán)計(jì)數(shù)程序是眾所周知的。簡(jiǎn)單地說(shuō)，這程序包括把復(fù)雜的波形劃分成有序的簡(jiǎn)單循環(huán)，然后清點(diǎn)某一特定應(yīng)變范圍內(nèi)應(yīng)變周期數(shù)量。由此產(chǎn)生的數(shù)據(jù)與在這樣的壓力水平下測(cè)試的材料的疲勞壽命相比較，以確定損害程度的程度。最有名的累積損傷評(píng)估程序是 中指出， 累積損傷等于在各種應(yīng)變范圍內(nèi)增量破壞總和： ? ?1這個(gè)程序是用于疲勞壽命算法。發(fā)生在某一應(yīng)變等級(jí)的循環(huán)次數(shù) 個(gè)應(yīng)變等級(jí)內(nèi)故障循環(huán)數(shù)目 是從應(yīng)變壽命方程。在此應(yīng)變水平下?lián)p壞部分變成了 n/N。在此定律中求和方程表明，累積損傷是由所有現(xiàn)有的應(yīng)變等級(jí)下產(chǎn)生的損害部分的總和。因此，當(dāng)累積損傷是等于或大于 1時(shí)，預(yù)測(cè)到裂紋產(chǎn)生。 11 軸和軸承壽命結(jié)果 。在圖 6給出了從用于評(píng)估軸和軸承生命的疲勞壽命算法中推出的一 個(gè)例子。在圖上方給出簡(jiǎn)要的軸疲勞壽命，而軸承壽命在下方給出。人們可以從軸壽命計(jì)算結(jié)果中看到不平衡狀態(tài)下與轉(zhuǎn)子啟動(dòng) /停止循環(huán)相關(guān)的低循環(huán)疲勞導(dǎo)致了軸疲勞。另一方面，軸承壽命被高周疲勞與轉(zhuǎn)子速度所主導(dǎo)。這種現(xiàn)象是由于這樣一個(gè)事實(shí)，即在不平衡力下的軸運(yùn)動(dòng)，而與不平衡振動(dòng)相關(guān)的力量固定了套筒軸承。在這個(gè)例子中， 不平衡力量太低，無(wú)法產(chǎn)生任何重大損害。 但是，基于 圖 6 輸出軸疲勞算法 系統(tǒng)驗(yàn)證和結(jié)果 幾個(gè)適用于實(shí)驗(yàn)室的轉(zhuǎn)子系統(tǒng)、涉及種子故障條件的參數(shù)進(jìn)行了試驗(yàn)。正如以前 所討論的，使用神經(jīng)網(wǎng)絡(luò)調(diào)查輸出的百分率完成神經(jīng)網(wǎng)絡(luò)診斷輸出和種子故障之間的比較。例如， 如果在 1號(hào)磁盤(pán)上施加大規(guī)模的不平衡，則網(wǎng)絡(luò)診斷輸出應(yīng)該是 “1號(hào)磁盤(pán)完全不平衡 ”。然而，這個(gè)百分比從來(lái)都不是百分之百準(zhǔn)確。因此，不確定性的措施可在此基礎(chǔ)上計(jì)算。本文件中，通過(guò)網(wǎng)絡(luò)把具體的故障診斷與實(shí)際的種子故障狀態(tài)進(jìn)行比較。此外，在實(shí)的測(cè)軸應(yīng)力和那些通過(guò)有限元模型預(yù)測(cè)的數(shù)據(jù)的比較就產(chǎn)生了。 表 1中為網(wǎng)絡(luò)配置隨機(jī)挑選的 12個(gè)測(cè)試案件給出了結(jié)果。從培訓(xùn)過(guò)程中 12 未使用的一組轉(zhuǎn)子平衡 /對(duì)齊條件下選定每個(gè)測(cè)試案例。在表 1第一欄描述了種 子或?qū)嶋H過(guò)失條件對(duì)轉(zhuǎn)子系統(tǒng)的演示。第二欄給出了從單一網(wǎng)絡(luò)架構(gòu)產(chǎn)生的結(jié)果。第三欄給出了使用作為適用于單一網(wǎng)絡(luò)架構(gòu)的同一轉(zhuǎn)子測(cè)量提供的分解網(wǎng)絡(luò)架構(gòu)產(chǎn)生的結(jié)果。 分解網(wǎng)絡(luò)結(jié)構(gòu)的劃分比全包容型網(wǎng)絡(luò)更準(zhǔn)確。用任一網(wǎng)絡(luò)配置總是正確的診斷總體的故障（即不平衡、不對(duì)中、軸承、機(jī)械松動(dòng)）。然而，使用較小的專(zhuān)用的網(wǎng)絡(luò)診斷故障細(xì)節(jié)問(wèn)題（即規(guī)模和相位不平衡或一定程度的錯(cuò)位）更準(zhǔn)確。這個(gè)趨勢(shì)在降低網(wǎng)絡(luò)復(fù)雜性和需要確定故障細(xì)節(jié)的一些培訓(xùn)模式基礎(chǔ)上是可以理解的。 結(jié)論 使用的微型轉(zhuǎn)子系統(tǒng)證明了以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的健康檢測(cè)，它執(zhí)行機(jī)械的診斷 和組件壽命的預(yù)測(cè)。轉(zhuǎn)子系統(tǒng)遭到幾個(gè)不同的機(jī)械故障的影響其中包括：質(zhì)量不平衡，錯(cuò)位，轉(zhuǎn)子摩擦，和結(jié)構(gòu)松動(dòng)，以便檢測(cè)利用神經(jīng)網(wǎng)絡(luò)技術(shù)監(jiān)測(cè)旋轉(zhuǎn)機(jī)械的好處。在第一階段項(xiàng)目中開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò)分類(lèi)器，能夠根據(jù)從桌面系統(tǒng)得到的有關(guān)振動(dòng)測(cè)量準(zhǔn)確地診斷機(jī)械故障。此外，神經(jīng)網(wǎng)絡(luò)所提供的診斷結(jié)果證明了對(duì)部件壽命估測(cè)的算法。特別是，在訓(xùn)練后使用轉(zhuǎn)子動(dòng)態(tài)有限元模型和系統(tǒng)測(cè)量的結(jié)果的診斷網(wǎng)絡(luò)對(duì)軸應(yīng)力和軸承力進(jìn)行預(yù)測(cè)。 在可使用狀況監(jiān)測(cè)應(yīng)用中，使用轉(zhuǎn)子系統(tǒng)的測(cè)量和詳細(xì)的有限元模型培訓(xùn)診斷神經(jīng)網(wǎng)絡(luò)分類(lèi)器的概念被顯現(xiàn)。該轉(zhuǎn)子動(dòng)力學(xué)有限元模型， 用于訓(xùn)練診斷網(wǎng)絡(luò)認(rèn)識(shí)故障模式及其在軸和軸承應(yīng)力中產(chǎn)生的影響。這種軸應(yīng)力和軸承徑向力實(shí)時(shí)、 “虛擬 ”傳感使組件壽命監(jiān)測(cè)及時(shí)完成。換句話(huà)說(shuō)，神經(jīng)網(wǎng)絡(luò)識(shí)別特定的震動(dòng)標(biāo)示以及與其相關(guān)的軸應(yīng)力的能力具有特別重要的意義。在這個(gè)項(xiàng)目中轉(zhuǎn)子動(dòng)力學(xué)使用計(jì)算得到的感知數(shù)據(jù)的結(jié)果證明每個(gè)數(shù)據(jù)源的最有效利用。 最后，根據(jù)這一計(jì)劃開(kāi)發(fā)的兩個(gè)主要的分類(lèi)診斷網(wǎng)絡(luò)對(duì)構(gòu)架的敏感性和 13 準(zhǔn)確度進(jìn)行審查。毫不奇怪，一直以來(lái)分解網(wǎng)絡(luò)構(gòu)架比全包容型的結(jié)構(gòu)在診斷故障的細(xì)節(jié)上更準(zhǔn)確。換言之，在分解網(wǎng)絡(luò)中更多的專(zhuān)用小規(guī)模網(wǎng)絡(luò)構(gòu)架為具體的故障診斷提供了一個(gè)更好的 “調(diào)諧器 ”，比如在錯(cuò)位情況下不平衡相位角和異常的偏移量。使用任一個(gè)網(wǎng)絡(luò)配置對(duì)不平衡、失調(diào)等總體故障進(jìn)行精確的診斷。目前，用于旋轉(zhuǎn)機(jī)械以知識(shí)為基礎(chǔ)的專(zhuān)業(yè)系統(tǒng)只能夠診斷這些顯著的故障。有關(guān)這些故障的具體的細(xì)節(jié)沒(méi)有考慮。 參考資料 [1] H.． 1990年．神經(jīng)計(jì)算的介紹．查普曼和霍爾出版社，紐約 , [2] W. E., E. L., M.． 1989．發(fā)動(dòng)機(jī)故障實(shí)時(shí)診斷．神經(jīng)網(wǎng)絡(luò)計(jì)算雜志，第二卷， 1989 [3] C. A., 1991．分析和替代． [4] C． 1993. 引擎壽命監(jiān)測(cè) ,性能趨勢(shì)以及診斷 . [5] 1993 ． “先進(jìn)軟件的發(fā)展的根本原因調(diào)查 ”．調(diào)查報(bào)告 [6] B． 1989． “ ．