神經(jīng)網(wǎng)絡(luò)下的齒輪箱故障診斷

前言：想要寫(xiě)出一篇引人入勝的文章？我們特意為您整理了神經(jīng)網(wǎng)絡(luò)下的齒輪箱故障診斷范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要：煤礦機(jī)械齒輪傳動(dòng)系統(tǒng)在低速重載等惡劣工況下極易發(fā)生故障，齒輪箱部分尤為突出。因此展開(kāi)對(duì)惡劣工況下的齒輪箱故障診斷研究具有重要的意義。以齒輪箱中齒輪為研究對(duì)象，通過(guò)提取與齒輪箱振動(dòng)相關(guān)的故障特征，經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練實(shí)現(xiàn)對(duì)齒輪箱故障的分類。經(jīng)檢驗(yàn)，該診斷神經(jīng)網(wǎng)絡(luò)對(duì)齒輪箱故障有很高的辨識(shí)度。

關(guān)鍵詞：齒輪傳動(dòng)系統(tǒng)；齒輪箱；神經(jīng)網(wǎng)絡(luò)；故障診斷

引言

煤礦機(jī)械作為煤礦生產(chǎn)中的核心設(shè)備，承擔(dān)著煤炭開(kāi)采、運(yùn)輸?shù)闹匾蝿?wù)。由于煤礦機(jī)械的傳動(dòng)系統(tǒng)的結(jié)構(gòu)復(fù)雜性、工作環(huán)境的惡劣性導(dǎo)致煤礦機(jī)械的傳動(dòng)系統(tǒng)極易發(fā)生故障。據(jù)統(tǒng)計(jì)，在煤礦機(jī)械傳動(dòng)系統(tǒng)中，齒輪故障占63%，軸承故障占16%，軸類故障占13%，其他故障占8%，由此可知，決定煤礦機(jī)械傳動(dòng)系統(tǒng)壽命的關(guān)鍵部件是齒輪箱中的齒輪。

1煤礦機(jī)械設(shè)備的故障分析

煤礦機(jī)械通常工作在強(qiáng)振動(dòng)、高負(fù)載、重腐蝕的惡劣環(huán)境中，且需要長(zhǎng)時(shí)間持續(xù)運(yùn)行，這樣的工況條件會(huì)導(dǎo)致煤礦機(jī)械故障的產(chǎn)生。根據(jù)某礦區(qū)2015～2017年煤礦機(jī)械的關(guān)鍵設(shè)備故障統(tǒng)計(jì)表，在采煤機(jī)和刮板輸送機(jī)上發(fā)生故障的比例超過(guò)60%。采煤機(jī)和刮板輸送機(jī)均屬于大型綜合類煤礦機(jī)械裝備，任何部件出現(xiàn)故障，都會(huì)迫使采煤工作停止。通過(guò)研究煤礦機(jī)械的故障特征，找到更好的解決措施，以此來(lái)降低機(jī)械設(shè)備的故障率。某礦區(qū)3a內(nèi)采煤機(jī)、刮板輸送機(jī)故障類型統(tǒng)計(jì)分別如表1、表2所示。根據(jù)表1、表2可知，采煤機(jī)和刮板輸送機(jī)在3a中共出現(xiàn)570起故障。通過(guò)對(duì)故障進(jìn)一步細(xì)化，發(fā)現(xiàn)由齒輪傳動(dòng)系統(tǒng)故障引起的設(shè)備故障占很高的比例。結(jié)合采煤機(jī)和刮板輸送機(jī)的工況對(duì)該類故障進(jìn)行簡(jiǎn)要分析：采煤機(jī)的截割部一直以懸臂狀態(tài)工作，且負(fù)載變化不均勻?qū)е略O(shè)備在運(yùn)行過(guò)程會(huì)出現(xiàn)劇烈振動(dòng)，會(huì)對(duì)傳遞動(dòng)力的齒輪箱造成極大的損害，同時(shí)由于牽引部的彈性變形及摩擦引起的采煤機(jī)負(fù)載變化也會(huì)加劇零部件的振動(dòng)，很大程度上也會(huì)導(dǎo)致采煤機(jī)故障；采煤機(jī)工作在刮板輸送機(jī)的軌道上，采煤機(jī)的劇烈振動(dòng)會(huì)直接作用在刮板輸送機(jī)上，并且在開(kāi)采過(guò)程中，煤塊的掉落也會(huì)對(duì)刮板輸送機(jī)齒輪箱產(chǎn)生沖擊，這些因素都會(huì)導(dǎo)致刮板輸送機(jī)出現(xiàn)故障。據(jù)統(tǒng)計(jì)，在煤礦機(jī)械的齒輪傳動(dòng)系統(tǒng)中，齒輪故障、軸承故障、軸類故障、箱體故障、其他類型故障分別占比為62%、17%、10%、7%和4%。由此可知，齒輪箱故障是影響齒輪傳動(dòng)系統(tǒng)正常運(yùn)行的關(guān)鍵性因素。

2影響煤礦機(jī)械齒輪箱壽命的因素

根據(jù)齒輪箱的故障成因，可將影響齒輪箱壽命的因素分為內(nèi)部因素、外部因素和其他因素。（1）內(nèi)部因素內(nèi)部因素包括齒輪損傷、軸承損傷以及傳動(dòng)系統(tǒng)的載荷特性。齒輪箱的齒輪在傳動(dòng)時(shí)，輪齒會(huì)受到周期性交變載荷的作用，最大應(yīng)力發(fā)生在輪齒根部。在實(shí)際生產(chǎn)中，齒輪傳動(dòng)系統(tǒng)會(huì)長(zhǎng)期超負(fù)荷運(yùn)行，加劇了齒輪和軸承的損傷。（2）外部因素齒輪箱有效的潤(rùn)滑不僅可以提高傳動(dòng)系統(tǒng)的傳動(dòng)效率，而且可以減弱傳動(dòng)過(guò)程中直接接觸對(duì)齒輪齒面造成的損傷，降低傳動(dòng)系統(tǒng)的溫度，改善傳動(dòng)系統(tǒng)的運(yùn)行狀況。由于煤礦機(jī)械的惡劣工況，通常在潤(rùn)滑劑中會(huì)混入雜質(zhì)，使?jié)櫥瑒┌l(fā)生變質(zhì)造成潤(rùn)滑效果降低，最終導(dǎo)致齒輪傳動(dòng)系統(tǒng)產(chǎn)生齒輪膠合、軸承腐蝕、點(diǎn)蝕等故障。（3）其他因素齒輪的加工誤差會(huì)造成齒輪傳動(dòng)壽命降低，影響齒輪傳動(dòng)系統(tǒng)的穩(wěn)定性；齒輪箱的裝配誤差會(huì)產(chǎn)生偏心現(xiàn)象，在齒輪嚙合時(shí)導(dǎo)致受力不均，使齒輪根部的應(yīng)力集中現(xiàn)象更為明顯；沖擊載荷會(huì)使傳動(dòng)系統(tǒng)速度劇烈變化；維護(hù)不及時(shí)同樣會(huì)影響齒輪箱的壽命。

3神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)齒輪箱故障的智能診斷

煤礦機(jī)械的齒輪箱在無(wú)故障狀態(tài)下也會(huì)產(chǎn)生振動(dòng)，若齒輪箱的齒輪發(fā)生斷齒、點(diǎn)蝕、膠合和磨損或者傳動(dòng)系統(tǒng)缺少潤(rùn)滑、軸承故障，會(huì)導(dǎo)致煤礦機(jī)械設(shè)備的振動(dòng)頻率發(fā)生變化，齒輪箱結(jié)構(gòu)如圖1所示。在齒輪箱齒輪的故障診斷中，通常都是通過(guò)安裝在設(shè)備上的傳感器采集振動(dòng)信號(hào)，然后對(duì)采集到的信號(hào)進(jìn)行處理，評(píng)估設(shè)備狀態(tài)，確定設(shè)備的故障位置和類型，診斷流程圖如圖2所示。齒輪箱故障診斷從本質(zhì)上而言就是提取內(nèi)部各元件的敏感參數(shù)，形成與故障模型的非線性映射關(guān)系。由于BP神經(jīng)網(wǎng)絡(luò)模型的具有小樣本預(yù)測(cè)的能力及模式識(shí)別等優(yōu)越特性，故在齒輪故障診斷中采用BP神經(jīng)網(wǎng)絡(luò)模型。（1）BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)的確定①輸入層、輸出層的確定在構(gòu)建神經(jīng)網(wǎng)絡(luò)時(shí)，若輸入層參數(shù)過(guò)多，會(huì)造成診斷網(wǎng)絡(luò)結(jié)構(gòu)臃腫，產(chǎn)生過(guò)多的噪聲；若輸出層參數(shù)過(guò)少，則無(wú)法保證診斷網(wǎng)絡(luò)所需信息量。選取與齒輪箱振動(dòng)相關(guān)的6個(gè)敏感特征作為診斷網(wǎng)絡(luò)的輸入；將齒輪箱正常、故障、嚴(yán)重故障（斷齒）運(yùn)轉(zhuǎn)的3種狀態(tài)作為診斷網(wǎng)絡(luò)輸出量。②隱含層數(shù)和隱含層節(jié)點(diǎn)數(shù)的確定由于采用2層或更多的中間層會(huì)耗費(fèi)更多的訓(xùn)練時(shí)間而益處極少，故選擇了3層結(jié)構(gòu)網(wǎng)絡(luò)。最佳隱含層節(jié)點(diǎn)數(shù)（2）BP神經(jīng)網(wǎng)絡(luò)齒輪箱故障診斷在BP神經(jīng)網(wǎng)絡(luò)的故障模式識(shí)別中，選用峭度X1、脈沖X2、峰值X3、裕度X4、一階與二階旋轉(zhuǎn)頻率比X5和一階與二階嚙合頻率比X6作為診斷網(wǎng)絡(luò)的輸入，部分訓(xùn)練數(shù)據(jù)如表3所示。將正常M1、故障M2和嚴(yán)重故障M3種模式作為網(wǎng)絡(luò)輸出，如表4所示。為提高訓(xùn)練網(wǎng)絡(luò)的收斂速度與精度，將完整訓(xùn)練數(shù)據(jù)進(jìn)行歸一化至[0,1]進(jìn)行訓(xùn)練。通過(guò)MATLAB完成診斷網(wǎng)絡(luò)的訓(xùn)練，具體訓(xùn)練參數(shù)設(shè)置：采用tansig函數(shù)作為神經(jīng)元激活函數(shù)，學(xué)習(xí)速率0.1，動(dòng)量因子0.95，期望誤差0.0001，訓(xùn)練次數(shù)1000。模型訓(xùn)練誤差如圖3所示，經(jīng)過(guò)247次訓(xùn)練后均方差小于0.009%，說(shuō)明擬合效果良好。在神經(jīng)網(wǎng)絡(luò)模型達(dá)到期望后，用表5中的檢測(cè)樣本對(duì)診斷網(wǎng)絡(luò)進(jìn)行檢測(cè)。診斷結(jié)果如表6所示，由表6可知，實(shí)際數(shù)據(jù)與理想數(shù)據(jù)誤差很小，可以將3種故障識(shí)別；通過(guò)計(jì)算均方差可知，該網(wǎng)絡(luò)具有很高的故障辨識(shí)度，達(dá)到了對(duì)齒輪箱故障診斷的要求。

4結(jié)語(yǔ)

基于神經(jīng)網(wǎng)絡(luò)對(duì)煤礦機(jī)械的齒輪箱進(jìn)行故障診斷研究，得到以下結(jié)果：（1）振動(dòng)信號(hào)的變化可以很好地反映齒輪箱狀態(tài)，通過(guò)提取與振動(dòng)相關(guān)的敏感參數(shù)，如峭度、脈沖等，可以更具針對(duì)性地對(duì)齒輪箱進(jìn)行故障診斷；（2）將與振動(dòng)相關(guān)的6種敏感特征作為神經(jīng)網(wǎng)絡(luò)的輸入層，將齒輪箱3種狀態(tài)作為神經(jīng)網(wǎng)絡(luò)的輸出層。實(shí)驗(yàn)證明，采用BP神經(jīng)網(wǎng)絡(luò)形成的診斷網(wǎng)絡(luò)達(dá)到了對(duì)齒輪箱的故障狀態(tài)診斷的要求，且具有很高的辨識(shí)度。

參考文獻(xiàn)：

［1］韓洋.煤礦機(jī)械齒輪傳動(dòng)系統(tǒng)壽命評(píng)價(jià)體系研究［D］.太原：太原理工大學(xué)，2018.

［2］韓蕓芳.煤礦機(jī)械傳動(dòng)齒輪質(zhì)量及使用壽命研究［J］.煤炭技術(shù)，2014，33(2):7-9.

［3］劉婷.煤礦機(jī)械齒輪和軸承故障診斷研究［J］.煤炭技術(shù)，2018，37(9):307-309.

［4］張華杰.煤礦機(jī)械齒輪和軸承故障診斷研究［D］.西安：西安科技大學(xué),2013.

［5］王建都.齒輪及軸承振動(dòng)信號(hào)測(cè)試及故障診斷［J］.機(jī)械研究與應(yīng)用，2018，31(6):182-184.

［6］王勇,師款.基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)的采煤機(jī)齒輪箱早期故障診斷［J］.煤礦機(jī)械，2019，40(4):158-160.

［7］黃秋勇.基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的提升機(jī)制動(dòng)系統(tǒng)故障診斷［J］.煤炭技術(shù)，2016，35(10):284-286.

作者：李瑞君 武利生 單位：太原理工大學(xué)