基于神经网络的故障检测与诊断技术研究

２００８年３月　农机化研究　第３期　

基于概率神经网络的水泵故障诊断研究　

李铁军，朱成实，吕　营，王　丹，王学平　

（沈阳化工学院机械工程学院，沈阳　１１０１４２）　

摘　要：介绍了概率神经网络（ＰＮＮ）的基本原理，并将其应用于水泵的故障诊断，以征兆诊断法为理论基　

础，以信号频谱中各阶倍频和分频作为智能诊断的特征因子，提取故障样本，进行ＰＮＮ网￣ｉＪＩＩ练。结果表　

明，ＰＮＮ可以克服反向传播神经网络（ＢＰＮＮ）学习收敛速度慢、易陷入局部极小值等缺点，对传感器测量噪　

声具有较强的诊断鲁棒性，能够满足故障诊断快速和准确的要求，适用于在线检测，具有实际应用价值。　

关键词：机械设计；概率神经网络；理论研究；水泵；故障诊断　中图分类号：ＴＨ１７　文献标识码：Ａ　文章编号：１ＯＯ３—１８８Ｘ（２００８）０３－－００５３－－０３　

０　引言　１　ＰＮＮ神经网络理论　

随着信息检测技术、信号处理技术、模式识别　

理论以及机械动力学理论的发展，设备故障诊断技　

术近年来受到国内外众多科研和工程技术人员的广　

泛关注。大型旋转机械（如水泵），在工农业生产中　

应用非常广泛。对这类设备进行经常性的状态监测　和故障诊断，是提高设备的利用率和延长其运行周　

期的必要手段，具有巨大的经济效益和社会效益。　

神经网络之所以适合于故障诊断，是因为神经　

网络具有以下优越性：自组织和自学习能力可以根　

据对象的正常历史数据训练神经网络，然后将此信　

息与当前测量数据进行比较，以确定故障；联想记　

忆神经网络具有滤出噪声及在有噪声情况下得出正　

确结论的能力，可以训练神经网络来识别故障信息，　

使其能够在噪声环境中有效地工作（这种滤除噪声　

的能力使得神经网络适合在线故障检测和诊断）；非　

线性映射能力神经网络对于高维空间模式识别和非　线性模式识别问题的分类精度高，具有分辨故障原　

因及类型的能力，这为实现故障诊断奠定了基础。　

因此，神经网络理论在故障诊断领域显示出了极大　

精密制造与自动化　２０１１年第１期　

。　。・∈≥’ｏ　。・∈　。・∈　。◇。∈≥。＜＞Ｏ∈　ｏ　

《制造业信息化《　

◇　。◇Ｏ◇。◇。◇Ｏ◇。　。◇ｏ◇Ｏ◇ｏ　

基于改进ＢＰ　神经网络的机器故障诊断技术研究　

于胜男郑永前　

同济大学机械工程学院（２０００９２）　

摘要机器故障诊断技术进入智能化阶段，利用人工神经网络诊断故障模式的优势十分明显。传统ＢＰ神经网　

络存在收敛慢，容易陷入局部最小等缺陷，提出了基于批处理的变速率的ＢＰ求解方法。根据问题描述，改进了　

ＢＰ网络故障识别模型，并以拖拉机的减速箱为例，建立模型进行故障模式识别，比较改进ＢＰ与传统ＢＰ的误差　

曲线，论证方法有效。　

关键词机器故障诊断ＢＰ神经网络批处理变速率　

现代制造业企业中，整个生产运作系统都处于　

高速、相互连接、相互制约的状态，设备故障的突　

然发生，不仅会增加企业的维护成本，而且会严重　

影响企业的生产效率，使企业蒙受巨大损失。因此，　

及时诊断出机器故障变得十分重要。机械故障诊断　

是一种了解和掌握机器在运行过程的状态，确定其　

整体或局部正常或异常，早期发现故障及其原因，　

并能预报故障发展趋势的技术。故障诊断技术经历　

了主要依靠专家或维修人员的感觉器官、个人经验　

及简单仪表进行故障的诊断与排除，工作传感器技　

术、动态测试技术及信号分析技术等阶段。近年来　

随着计算机技术、人工智能技术特别是专家系统的　

发展，诊断技术进入智能化阶段　’　。人工智能作为　

当前控制界的发展热点，相应地也被应用到故障检　

测中来。基于专家系统和神经网络的故障诊断方　

法，已经在工业中获得了较为成功的应用¨　。　

ＢＰ网络是当前所应用的最为普遍也较为成功的　

神经网络之一，本文利用改进ＢＰ网络方法通过对故　

障样本集训练，成功地将ＢＰ网络应用到故障检测　

中来。　

１　机器故障诊断的ＢＰ神经网络方法　

１．Ｉ　ＢＰ神经网络　

ＢＰ（Ｂａｃｋ　Ｐｒ０ｐａｇａｔｉｏｎ）神经网络，即误差反传的　

《装备制造技术）２０１０年第１期　

基于神经网络的焊接故障诊断研究　

李舒展　（西安船舶工程研究院技术中心，陕西西安７１００７７）　

摘要：针对焊接时容易产生气孔这个缺陷，引入了神经网络技术对气孔缺陷进行诊断，结果表明基于神经网络算法的焊接诊断稳定　性好，诊断速度快，这说明该诊断技术具有很大的应用价值。　关键词：神经网络；焊接；故障　中图分类号：ＴＰ１８３；ＴＧ４４１．７　文献标识码：Ａ　

焊接是一种将材料永久连接成为具有特定功能结构的制　造技术，由于具有成本低、质量稳定、生产周期短、效率高、市　场反应速度快、适合制成形状复杂的结构等各种优点，在工业　中得到了广泛的应用。　焊接质量的好坏，直接影响产品质量、可靠性以及生产成　本、效率和市场反应速度，但是焊接是一个极其复杂的高温动　态瞬时过程。焊接材料在高温时，由于气孔缺陷所发生的塑性　变形在冷却后被保留下来，在构件内部形成了一个自相平衡　的内应力场，即残余应力场。残余应力的峰值，往往达到或超　过基体材料的屈服点应力，当这些焊接构件投入使用时，工作　应力与其内部的焊接残余应力相叠加，将导致焊接构件产生　二次变形和焊接残余应力的重新分布，从而降低焊接构件的　刚性和尺寸稳定性。焊接构件在焊接残余应力和工作温度、工　作介质共同作用下，其疲劳强度、抗脆断能力、抵抗应力腐蚀　开裂和高温蠕变开裂的能力将大大降低。焊接缺陷产生的原　因，需要具备大量生产实践经验的工程师做系统分析，但是这　种人为的判断方式缺乏准确率。针对这种情况，需要研究焊接　缺陷诊断方法，由于传统的缺陷诊断方法基于符号运算，事先　需要建立规则知识库，已不能适应诊断要求。　计算机技术、信息处理等技术的高速发展，为焊接缺陷的　研究提供了有效的工具和手段。神经网络技术，具有突出的预　测和分类功能，鉴于神经网络在非线性逼近方面的巨大优势，　利用其极强的非线性映射能力和容错性能，可将焊接缺陷产　生的原因由训练样本学习后，存储在网络的连接权值中。借助　神经网络缺陷诊断，可以追求其诊断误差的最小化，必将带来　诊断精度及可信度的大幅度提高，这对提高神经网络缺陷诊　断的实际应用效果，具有重要现实意义。　

Ｍ　军事物流　

基于神经网络的传感器故障诊断方法研究　

文／任延广王建磊刘臻　

摘要：为了提高控制系统的可靠性，提出了一种基于神经网络观测器的传感器故障诊断方法。通过　

构造神经网络模型代替解析系统建模，利用神经网络的非线性映射能力在线检测传感器故障。最后，通过　

液位模糊控制系统的仿真实例，说明将观测器与神经网络结合用于传感器的故障诊断是切实可行的　

关键词：ＧＲ神经网络：传感器：故障诊断　

随着现代科学技术的发展和自动　

化水平的提高，控制系统的复杂性大大　增加，提高控制系统的可靠性尤为重　

要，而故障检测和诊断技术是提高控制　

系统可靠性的有效途径。在控制系统　

中，传感器的故障是比较典型的故障之　

０　目前针对控制系统中传感器的故　

障诊断大致分为两种：依赖于模型的故　

障诊断方法和不依赖于模型的故障诊　

断方法。　

基于模型的故障诊断技术是最早　

发展起来的，其核心思想是用解析冗余　

取代硬件冗余（物理冗余）。解析冗佘是　

１９７１年由美国麻省理工学院的Ｂｅａｒｄ　

首先提出的，用于代替硬件冗余。文献　『１］将卡尔曼滤波应用于飞行器发动机　

的传感器故障检测，该方法需系统的精　

确数学模型，由于实际中很难建立控制　

系统的精确解析数学模型，当存在建模　

误差时，基于模型的故障诊断方法将出　

现误报、漏报等现象。于是就需要寻求　

种不依赖系统模型的故障诊断方法　

解决这个问题。如文献『２１提出用主元分　析法检测传感器故障，但此方法要求采　

集的数据服从正态分布。　

而神经网络由于其不依赖于系统　

的数学模型，具有良好的非线性映射能　力、强鲁棒性及对数据的泛化能力，如　

文献［３ｌ采用基于ＢＰ网络的观测器方　法，对飞控系统的传感器进行故障诊　

断。但ＢＰ网络具有收敛速度慢、容易　

陷入局部极小值点等缺点，而基于径向　

基函数的ＧＲ神经网络是～种典型的　

局部逼近网络，克服了ＢＰ网络固有的　

缺点，是一种性能良好的网络，所以选　

用ＧＲ神经网络作为观测器。　

本文采用基于ＧＲ网络的观测器