基于RBF神經(jīng)網(wǎng)絡的空壓機性能預測研究

陳長宇

(海軍工程大學武漢，430033)

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

關鍵詞：故障診斷;空壓機;性能預鍘;神經(jīng)網(wǎng)絡;RBF

機械設備故障診斷在現(xiàn)代工業(yè)生產(chǎn)中已經(jīng)起到非常重要的作用，開展機械設備故障診斷技術的研究具有重要的現(xiàn)實意義。近幾年來，機械設備故障診斷技術迅猛發(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和方法。隨著科學技術的發(fā)展，人工智能技術進入故障診斷領域，形成全新的故障診斷方法。由于傳統(tǒng)的空壓機故障診斷方法是建立在系統(tǒng)的數(shù)學模型基礎上，其數(shù)學模型依賴于被診斷系統(tǒng)的結構，而很多故障往往會造成系統(tǒng)結構的變化，缺乏現(xiàn)場數(shù)據(jù)就更難以建立新的數(shù)學模型。對于空壓機這樣一個大型復雜系統(tǒng)而言，要對其運行狀況建立完整的數(shù)學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)絡的基本思想是不完全依靠檢測到的信號進行診斷，而是運用神經(jīng)網(wǎng)絡的綜合運算、邏輯推理、模式識別等進行判斷，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)絡的振動信號在線預測模型，以空壓機振動信號為基礎，實現(xiàn)空壓機的性能預測。

更多內容詳見附件：資料下載