基于EMD樣本熵和BP神經(jīng)網(wǎng)絡(luò)的乳化機(jī)故障診斷系統(tǒng)研究.pdf

1、乳化炸藥作為一種新式環(huán)保型炸藥，具有爆轟猛度強(qiáng)、抗水性良好等特點(diǎn)。同時(shí)乳化炸藥生產(chǎn)工藝簡(jiǎn)單、產(chǎn)能大、生產(chǎn)成本低使得它在我國(guó)民爆行業(yè)得到了廣泛應(yīng)用。乳化機(jī)是乳化炸藥連續(xù)化、自動(dòng)化生產(chǎn)線的核心設(shè)備，它是一種改良的旋轉(zhuǎn)機(jī)械設(shè)備，且具有高速旋轉(zhuǎn)的特性。要是內(nèi)部器械運(yùn)轉(zhuǎn)異常，不僅會(huì)破壞生產(chǎn)工序的連續(xù)性能，影響產(chǎn)能和質(zhì)量，嚴(yán)重情況下還會(huì)發(fā)生機(jī)毀人亡的安全事故，造成巨大的經(jīng)濟(jì)損失和社會(huì)影響。為了能準(zhǔn)確地檢測(cè)出乳化機(jī)潛藏的故障，提高維修效率，保證設(shè)備安

2、全，本文研制了一套乳化機(jī)故障檢測(cè)和診斷系統(tǒng)，并在實(shí)際生產(chǎn)中得到成功應(yīng)用。
　　本文主要針對(duì)轉(zhuǎn)子故障、軸承故障等常見(jiàn)故障類型，在研究各類型的故障機(jī)理和發(fā)生征兆的基礎(chǔ)上，首先提出基于樣本熵的振動(dòng)信號(hào)故障特征提取方法。針對(duì)樣本熵對(duì)原始信號(hào)獲取有限，故障特征區(qū)分度不高的缺陷，提出經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒?Empirical Mode Decomposition，簡(jiǎn)稱EMD)預(yù)處理樣本熵的故障特征提取方法。該方法利用EMD先把振動(dòng)信號(hào)分解為若干個(gè)固

3、有模態(tài)函數(shù)(Intrinsic Mode Function，簡(jiǎn)稱IMF)，然后選取若干具有代表性的IMF分量，將這些分量的樣本熵組成向量作為故障特征。EMD方法能將蘊(yùn)藏在信號(hào)內(nèi)部的信息挖掘出來(lái)，有效克服樣本熵對(duì)信息獲取的局限性。結(jié)果表明，EMD結(jié)合樣本熵的方法不僅能夠區(qū)分不同類型的故障種類，還能提高了識(shí)別系統(tǒng)的容錯(cuò)率。神經(jīng)網(wǎng)絡(luò)具備強(qiáng)非線性映射，以及自學(xué)習(xí)、自組織和自適應(yīng)的能力。將提取的故障特征作為BP神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)整理乳化機(jī)正常和

4、故障的振動(dòng)歷史數(shù)據(jù)，分別構(gòu)造了振動(dòng)特征參數(shù)的正常及故障狀態(tài)的訓(xùn)練樣本，并用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行故障類型識(shí)別。結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)能快速地識(shí)別出滾動(dòng)軸承的故障類型，診斷效果良好。
　　在乳化炸藥生產(chǎn)線現(xiàn)有設(shè)備的基礎(chǔ)上完成硬件配置，基于工業(yè)控制軟件組態(tài)王平臺(tái)實(shí)現(xiàn)對(duì)PLC的數(shù)據(jù)交互，通過(guò)VB調(diào)用MATLAB神經(jīng)網(wǎng)絡(luò)功能實(shí)現(xiàn)上位機(jī)故障診斷系統(tǒng)的開(kāi)發(fā)。實(shí)踐結(jié)果表明，本文構(gòu)建的乳化機(jī)故障診斷系統(tǒng)能夠根據(jù)實(shí)際數(shù)據(jù)準(zhǔn)確地識(shí)別出乳化機(jī)的故障類型，