《本科毕业论文---燃气轮机故障诊断.doc》由会员分享，可在线阅读，更多相关《本科毕业论文---燃气轮机故障诊断.doc（54页珍藏版）》请在金锄头文库上搜索。
1、舰用燃气轮机某关键部件故障诊断方法研究系 别信息工程系专 业测控技术与仪器班 级B141401学 号B14140129姓 名袁斌指导教师崔建国负责教师崔建国沈阳航空航天大学北方科技学院2015年6月沈阳航空航天大学北方科技学院毕业设计（论文）摘 要燃气轮机的关键部件之一滚动轴承是机械设备运行过程中产生最易产生故障的零件，它运行的正常与否直接影响到整台机器的性能。防止故障升级，发生灾难性事故。所以对滚动轴承故障诊断技术进行探讨和学习就具有十分重要的意义。本文主要以燃气轮机的滚动轴承为研究对象，利用测量的轴承振动信号参数来进行故障诊断，利用神经网络技术对某一动态的模拟原理，应用到对滚动轴承故障诊断
2、的具体方面，设计并构建了基于BP神经网络和自适应模糊神经网络（Adaptive Network Fuzzy Inference System）的滚动轴承故障诊断系统，在MATLAB软件里对构造的训练样本进行训练，利用训练完成后的神经网络我们就可以对滚动状态故障进行诊断。关键词：滚动轴承；BP神经网络；模糊神经网络AbstractRolling bearing is one of the most ordinary parts in mechanical machine, its running state can influence the performance of the whole m
3、achine directly, the aircraft stabilizer health status need to be monitored in real time to ensure the aircraft fly safety. so it is important to study the technology of fault diagnosis for rolling bearing.On the basis of analyzing the fault mechanism and vibration signal characteristics of rolling
4、bearing systematically, and after analyzing and processing the vibration signals of right and fault state of rolling bearing, partial appropriate feature parameters are selected as the input of the neural network according to the time and frequency domain characteristics of parameters in this thesis
5、. and the fault diagnosis system for rolling bearing based on BP neural network is built up. Finally,and fuzzy artificial neural network diagnosis technique the training set of right and fault states of rolling bearing is built up by using the measuring data of rolling bearing from former research,
6、the neural network model is trained on the platform of Matlab software.the operating state of rolling bearing has been diagnosed by using the above network which has been trained well.Keywords: rolling bearing; BP neural network; fuzzy artificial neural network目 录1 绪 论11.1 课题背景和研究的意义11.1.1 研究背景11.1.
7、2 研究意义21.2 国内外故障诊断技术研究现状31.2.1 国外现状31.2.2 国内现状41.3 研究内容52 燃气轮机关键部件故障诊断的总体方案设计72.1 滚动轴承故障的总体方案设计72.2 滚动轴承机理及故障类型72.2.1 滚动轴承基本结构82.2.2 滚动轴承故障类型92.3 滚动轴承参数选取及处理103故障诊断方法133.1 BP神经网络133.1.1 BP神经网络原理133.1.2 BP神经网络诊断方法143.2 自适应模糊神经网络（ANFIS）173.2.1 自适应模糊神经网络（ANFIS）结构183.2.2 自适应模糊神经网络（ANFIS）原理203.2.3 自适应模糊神
8、经网络（ANFIS）诊断方法214 滚动轴承BP神经网络故障诊断试验研究254.1 故障诊断模型建立254.1.1 各层节点数确定254.1.2 初始权值的选择274.1.3 期望误差和学习率选取274.2 轴承故障诊断的仿真试验研究274.2.1 样本选取274.2.2 神经网络的训练294.2.3 神经网络的测试305 基于自适应模糊神经网络（ANFIS）的故障诊断试验研究325.1 诊断模型的建立325.1.1 样本的选取325.1.2 输入样本的模糊化处理335.1.3 输出结果的去模糊化处理345.2 轴承故障诊断仿真与结果346 不同神经网络故障诊断结果与分析387 结 论39结束
9、语40致 谢41参考文献42附录 BP神经网络故障诊断源程序清单43附录 自适应模糊神经网络（ANFIS）诊断源程序清单48I1 绪 论 1.1 课题背景和研究的意义1.1.1 研究背景 作为新型的动力设备，燃气轮机具有结构紧凑、安全可靠、运行平稳，具有较高的热效率，可以快速启动并带动负载等优点，而日益受到人们的重视，应用范围也越来越广。燃气轮机在陆上和航海交通领域中也占有越来越重要的地位，由于其较高的热效率和较小的排气污染，在能源和电力部门也日益成为动力设备的主流产品，它们一旦发生事故或出现故障就会给生产经营造成极其严重的影响。因此维护燃气轮机在正常状态下运行，避免或及时诊断处理燃气轮机运行
10、故障就显得尤为重要。由于燃气轮机故障诊断和状态监控能大大提高机组运行的安全性和可靠性，大幅度降低维护和维修成本，所以燃气轮机故障诊断模型的研究有着重要的理论意义和较高的应用价值。滚动轴承是燃气轮机最重要的零件之一，其运行状态直接影响整台燃气轮机的性能，同时对燃气轮机和操作人员的安全也会造成重大影响。轴承的故障会导致燃气轮机设备的剧烈振动，产生刺耳的噪声，严重时会引起设备损坏、动力停止甚至机械事故，且燃气轮机滚动轴承造成的事故往往是突发的，若在交通运输中还会引发重大的交通事故，造成人员伤亡。据统计，约45%的燃气轮机故障是由于轴承的故障所引起的。因此，对滚动轴承进行故障诊断和状态预测具有重要的实
11、际意义，也是燃气轮机故障诊断领域的重点之一。此外，与其他机械零部件相比，滚动轴承有一个很大的特点，其寿命离散性很大。有的轴承已大大超过设计寿命而依然完好地工作，而有的轴承远未达到设计寿命就出现了各种故障。所以，如果按照设计寿命对轴承进行定时维修，则势必出现以下情形:一方面，把超过设计寿命而完好工作的轴承拆下来作为报废处理，造成浪费。另一方面，把未达到设计寿命而出现故障的轴承坚持使用到定时维修时拆下来作为报废处理，使得机械在轴承出现故障后和拆下前这段时间内工作精度下降，或者未到维修时间就出现严重故障，导致整个机械出现严重事故。由此看来，滚动轴承故障的准确诊断可以减少或杜绝事故的发生，最大限度地发
12、挥轴承的工作潜力，节约开支，具有重大意义。1.1.2 研究意义 作为一个典型的复杂机械系统，燃气轮机是由大量相互联系但工作过程又彼此不同的部件组成，在恶劣的工作条件（高温、高压、强腐蚀、高密度的能量释放）使其成为整个动力系统中故障的敏感多发部位，其故障的发生和发展具有快速和破坏性极大的特点。因此，对燃气轮机进行故障诊断方法及其应用进行研究，有效判断故障类型，准确确定故障位置，从而节省了大量时间和资金，具有较高的经济应用价值。其研究的主要意义。(1) 增加设备的安全性有效的燃气轮机故障诊断系统可以帮助燃气轮机维护人员提前发现异常，迅速查明故障，并给出合理的解决方案，从而保证燃气轮机正常运行，避免
13、发生重大故障，进而造成巨大经济损失甚至人员伤亡。(2) 推动燃气轮机维修理念的改革传统的燃气轮机维修思想是经验性，即“以预防为主”的思想，维修方式是按预先规定的周期进行定时维修。开展燃气轮机故障诊断方法及其应用研究可以实现维修思想和维修方式的改变，将维修思想从“以预防为主”转变为“以可靠性为中心”，维修方式从“定时维修”转向“视情维修”。(3) 提高经济效益燃气轮机故障诊断系统能够在零部件、劳动力、燃油、使用时间和后勤保障方面节省支出，具有较高的经济应用价值。目前，对燃气轮机的故障诊断大多基于振动信号分析。采用振动信号分析法对滚动轴承系统相关故障诊断效果较好。为了及时发现和排除各种故障，必须对
14、燃气轮机常见故障以及常见故障的特征有深刻了解，才能设计出有效的燃气轮机故障诊断系统。通过建立适合的燃气轮机故障模型，可以为故障诊断系统的开发提供基础。因此，研究的主要目的是建立起测量参数与故障类型之间的映射，进而准确的判定故障类型。在动力系统中燃气轮机有着重要地位，而燃气轮机故障诊断技术也是国内外研究的一个热点。由于燃气轮机故障诊断和状态监控能大大提高机组运行的安全性和可靠性，同时也能大幅度降低维修成本，所以燃气轮机故障诊断模型的研究有重要的理论意义和较强的经济应用价值。目前研究比较多且相对来说较为成熟的是应用人工神经网络方法为燃气轮机的关键部件进行故障诊断，但是神经网络方法往往需要大量的训练
15、样本才会获得比较好的效果，在小样本情况下的其效果往往不尽如人意。然而在一般情况下，燃气轮机的故障样本很有限，这就使得其应用有一定难度。针对这一点，本次课题主要以BP 神经网络故障诊断算法为研究对象进行研究和设计。1.2 国内外故障诊断技术研究现状1.2.1 国外现状在故障诊断技术理论研究方面，被认为是故障诊断的起源之一的是1971年Mehra和Peschon发表在Automatic上的论作An innovation approach to fault detection and diagnosis in dynamics。而1976年，Willsky在发表于Automatic上的论文A survey of sedign methods for failure detection in dynamic systems则被认为是世界上第一篇故障检测和诊断方面的综述性文章。1978年，一本名为Fault detection and diagnosis in chemical and petrochemical process的著作，是国际上首部关于故障诊断方面的专著
