基于RBF神經(jīng)網(wǎng)絡(luò)的空壓機(jī)性能預(yù)測研究

陳長宇

(海軍工程大學(xué)武漢，430033)

摘要現(xiàn)代化的設(shè)備狀態(tài)檢測和故障診斷理論已經(jīng)把設(shè)備的壽命預(yù)測作為一個重要的組成部分。隨著科學(xué)技術(shù)的發(fā)展，設(shè)備運(yùn)行狀況的復(fù)雜化程度越來越明顯，對于往復(fù)式空壓機(jī)而言，這種信息的復(fù)雜性、不確定性程度反映更加強(qiáng)烈，傳統(tǒng)的數(shù)學(xué)建模預(yù)報方法已不能滿足設(shè)備的復(fù)雜化和現(xiàn)代化要求。提出一種基于RBF神經(jīng)網(wǎng)絡(luò)的振動信號在線預(yù)測模型，以空壓機(jī)振動信號為基礎(chǔ)，選取合適的特征參量，提高了性能預(yù)測精度，結(jié)果表明該模型是可行和有效的。

關(guān)鍵詞：故障診斷;空壓機(jī);性能預(yù)鍘;神經(jīng)網(wǎng)絡(luò);RBF

機(jī)械設(shè)備故障診斷在現(xiàn)代工業(yè)生產(chǎn)中已經(jīng)起到非常重要的作用，開展機(jī)械設(shè)備故障診斷技術(shù)的研究具有重要的現(xiàn)實意義。近幾年來，機(jī)械設(shè)備故障診斷技術(shù)迅猛發(fā)展，已逐步形成以振動診斷、油樣分析、溫度監(jiān)測和無損檢測等技術(shù)和方法。隨著科學(xué)技術(shù)的發(fā)展，人工智能技術(shù)進(jìn)入故障診斷領(lǐng)域，形成全新的故障診斷方法。由于傳統(tǒng)的空壓機(jī)故障診斷方法是建立在系統(tǒng)的數(shù)學(xué)模型基礎(chǔ)上，其數(shù)學(xué)模型依賴于被診斷系統(tǒng)的結(jié)構(gòu)，而很多故障往往會造成系統(tǒng)結(jié)構(gòu)的變化，缺乏現(xiàn)場數(shù)據(jù)就更難以建立新的數(shù)學(xué)模型。對于空壓機(jī)這樣一個大型復(fù)雜系統(tǒng)而言，要對其運(yùn)行狀況建立完整的數(shù)學(xué)模型并做出客觀地評價和估計十分困難。而人工神經(jīng)網(wǎng)絡(luò)的基本思想是不完全依靠檢測到的信號進(jìn)行診斷，而是運(yùn)用神經(jīng)網(wǎng)絡(luò)的綜合運(yùn)算、邏輯推理、模式識別等進(jìn)行判斷，為此簡化檢測硬件電路，使診斷更加可靠。本文嘗試提出一種基于RBF神經(jīng)網(wǎng)絡(luò)的振動信號在線預(yù)測模型，以空壓機(jī)振動信號為基礎(chǔ)，實現(xiàn)空壓機(jī)的性能預(yù)測。

更多內(nèi)容詳見附件：資料下載