计算机仿真技术作业

仿真技术在机械故障诊断中的应用机制1121班齐彦坤201150616133摘要作为信息技术核心的计算机技术自其诞生之日起经历60多年的发展，已广泛应用于国民经济和社会生活中。

并与仿真技术相结合，形成了计算机仿真技术这一新的研究方法。

计算机仿真作为分析和研究系统运行行为、揭示系统动态过程和运动规律的一种重要手段和方法, 随着系统科学研究的深入、控制理论、计算技术、计算机科学与技术的发展而形成的一门新兴学科。

近年来, 随着信息处理技术的突飞猛进, 使仿真技术得到迅速发展。

随着机械行业的发展，各个院校相继开设了机械故障诊断专业。

但普遍存在重理论而轻实践的现象，不利于机械故障诊断人才的培养。

将仿真技术应用在机械故障诊断教学中，可以组建机械故障诊断仿真实验室,将计算机类的课程与机械类的课程有机结合起来，注重培养学生的动手能力。

本文系统全面地介绍了计算机仿真技术在机械故障诊断中的应用，阐述了计算机仿真技术的概念、原理、优点，简要介绍了计算机仿真技术的发展历程，文章最后重点探讨了现代仿真技术在机械故障诊断中的实例分析，即计算机仿真技术在机械故障诊断中的应用实例。

关键词：仿真机械故障诊断发展应用一．概述仿真技术(simulation Technology)已有半个多世纪的发展史了，在这半个多世纪里，仿真技术的发展从简单到复杂、从理论到实践、从辅助学科到解决重大工程问题的必要手段。

仿真技术在计算机技术、网络技术、图形图像技术、多媒体技术、软件工程、信息处理技术、控制论、系统工程等相关技术和理论的支持、交叉、融合下，逐渐形成了一门交叉科学,成为认识客观世界的一种重要的方法。

仿真技术最早主要应用于军事方面，比如航天器、航海模拟、高能武器等。

随着机械行业的发展，仿真技术被迅速地推广应用到机械故障诊断领域，成为机械工程中的科学方法和有力工具。

计算机仿真技术的核心是按系统工程原理建立真实系统的计算机仿真模型，然后利用模型代替真实系统在计算机上进行实验和研究。

由于近年来信息技术的发展特别是高性能海量并行处理技术，可视化技术，分布处理技术，多媒体技术，虚拟现实技术的发展，使得建立人机环境一体化的分布的多维信息交互的仿真模型和仿真环境成为可能，从而使仿真方法有了一些新的发展，形成了一些新的研究仿真方法热点。

仿真技术可以提供虚拟的仿真情境，创设一种开放的、主动的、发现式的探索式的学习环境，发展高级思维能力和问题解决能力，从而通过对该情境的操纵、观察和思考得出合理的结论。

计算机仿真可以在很大程度上激发高水平思维活动，并通过反省性的、高水平的思维活动来建构深层的、灵活的、真正的知识。

近几年，计算机模拟在国内外的机械故障诊断中屡见不鲜，将计算机模拟应用于机械故障诊断中，往往能够收到事半功倍的效果。

二．实例分析2. 1柴油机运行故障计算机仿真图1 船用柴油机故障诊断原理框图现代船用柴油机正朝着大型化、高增压和高经济性发展,使得故障征兆与故障原因的关系更复杂,专家系统通过领域专家的实践积累知识库耗时较长。

随着数值计算技术的迅猛发展,模拟柴油机各种运行工况下的工作过程已成为可能,能够实现对发动机进行燃烧分析及性能分析模拟。

不仅可用来计算无故障下各种运行工况的过程参数,也可对柴油机某些增压系统、气缸活塞组件与燃烧系统、燃油系统等故障进行仿真。

然后根据特征参数,参照相应规范,运用各种知识和经验,对机器状态进行识别,对早期故障进行诊断,对故障的部位、原因和程度作出判断,对机器技术状态的发展趋势进行预测,为确定维修决策提供技术依据。

开发的船用二冲程涡轮增压柴油机运行性能预测程序,不仅可以模拟一个气缸有故障,而且可以模拟某几个气缸有故障下的工作状态和性能。

在给定工况和设置故障状态下对涡轮增压柴油机的工作过程和运行性能进行仿真,获得发动机在此故障和工况下各处运行参数,建立相应的故障样本集,并实现船用柴油机故障诊断。

2. 2 柴油机运行故障诊断策略用于故障诊断的方法称为故障诊断策略,故障诊断策略包括被测系统是否存在故障、识别故障的征兆和故障的性质。

故障诊断实际上就是根据测量所获得的某些故障特征,以及系统故障源与故障特征之间的映射关系,找出系统的故障源的过程。

人工神经网络作为一种自适应的模式识别技术,能够通过自身的学习机制自动形成所要求的决策区域。

把仿真计算所获得的状态参数,经过特征选择,找出对于故障反映最敏感的特征信号作为神经网络的输入向量,建立故障模式训练样本集,对网络进行训练;当网络训练完毕,对于每一个新输入的状态信息,网络将迅速给出分类结果。

基于神经网络的故障诊断仿真步骤是:首先对柴油机工作过程进行仿真计算,获得给定工况在设定故障下和无故障下的过程参数,经预处理提取征兆集数据,归一化为网络输入模式;第二步用已知的样本集训练网络,再实时输入征兆向量进行测试,获得该工况网络输出模式;然后对网络输出进行后处理获得诊断结果,即故障发生的位置及其严重程度,以提供作进一步处理 (如趋势分析或提出处理措施) 的依据。

2. 3网络输入变量归一化处理对数据的预处理就是要使得经变换后的数据对于神经网络更容易训练和学习,因为原始数据幅值大小不一,相差太大。

如果不进行处理,大的测量值的波动就垄断了神经网络的学习过程,不能反映小的测量值的变化。

而且网络是通过调整各权值的大小以保证能学习到变量相对的重要性,若输入变量之间幅值相差很大,使得网络完成学习时,权值之间的大小相差亦很大。

事实上,许多学习算法对权值范围都有限制,不能适应如此之宽广的数据变化范围。

为此,需通过把输入数据归一化到能使网络所有权值都在一个不太大的范围之内,以此来减轻网络训练时的难度。

在对船用柴油机工作过程进行仿真计算之后,获得给定工况和设置故障下的过程参数的测量值，同时计算该工况无故障下各处的参数值作为基准值。

实测值与基准值的偏差经过处理,获得诊断用的征兆集数据,并经归一化为网络的输入模式。

2. 4 柴油机故障诊断实例如前所述，实船使用中由于使用条件的变化、操作维修不当,柴油机及其增压系统的污阻、损坏等均会使发动机性能恶化,严重时会发生故障,从而影响船舶营运的正常进行.为了及时处理消除故障, 必须准确判断出柴油机性能恶化的原因, 当采用人工神经网络方法时,要求给出发动机症状与故障样本集,作为专家知识库.根据航区的不同和船舶航行过程中的实际状况,在不同的环境温度及不同的柴油机负荷条件下, 采用该程序对给定故障状态下的柴油机运行工况性能参数的模拟计算，建立船舶柴油机症状与故障样本集,作为神经网络故障诊断系统的专家知识库。

根据船用低速增压柴油机工作过程的理论分析和实际运行经验,可以确定各个子系统主要部件可能出现故障的原因,作为故障变量即输出变量；同时确定用于区别各种故障的征兆变量作为网络输入变量.因此,用船舶二冲程增压柴油机运行性能预测程序,对装船量最多的MAN2B&WL2MC型柴油机工作过程进行数值模拟计算,对其涡轮增压系统各部件故障进行模拟计算,获得各征兆变量偏离基准值的偏差。

仿真实验结果可以得出故障原因与故障征兆之间的相互关系,以此建立涡轮增压系统的征兆/故障样本集.用于模拟计算增压系统故障的变量有:空气滤清器堵塞、增压器效率下降、中冷器传热恶化、透平保护格栅堵塞、透平通流部分堵塞、废热锅炉流阻增大或气缸进排气道堵塞等.征兆/故障样本集的正确确定是神经网络进行准确故障诊断的关键.涡轮增压系统一种故障对应一个样本,为进一步诊断故障的严重程度,对每一个故障变量取2个样本,其目标值分别为0.5和1.为了反映机组运行负荷范围的征兆与故障的对应关系,对额定负荷(100%MCR)、部分负荷(90%MCR、75%MCR)和半负荷(50%MCR)四种工况给出样本.因此这部分的样本数为36个。

考虑到远洋船舶的航行范围属于无限航区,因此把大气环境温度分为三段,即283～294K、294～306K、306～318K。

并分别以288K、300K、312K为样本中心,通过大量的仿真计算,得出相应的样本集(总的样本数为108个),用于训练径向基函数R BF神经网络诊断模型,从而可以实现船船舶柴油机运行故障的诊断。

网络测试结果与分析表明,给定故障分别为Ⅰ 级(严重故障),Ⅱ 级(中等故障)的输入征兆量,用训练过的RBF 网络测试:1)发动机负荷变化,大气环境温度不变 ;2)环境温度变化,如船舶航行在不同的海区,柴油机负荷不变;3)柴油机负荷改变,同时环境温度也改变.网络对给定故障所在工况的诊断识别率很高,几乎达到100%,可见采用这种诊断方法是成功而且快捷有效的,不仅对柴油机故障模式有很高的识别率,并能对故障严重程度进行定量的预测。

同时,对各输入变量偏离样本值+10%或其中某个变量偏离样本值较大时(例如个别传感器有故障或数据处理有误)进行仿真实验,它们的输出向量与目标向量很接近，不会影响总的输出模式,即对征兆信号的噪声不敏感,表明这样的网络有较强的容错和抗干扰能力。

2. 风力发电机齿轮箱故障诊断及信号仿真2.1 齿轮箱振动信号模型齿轮箱正常工作时振动信号模型为：齿轮箱发生故障时振动信号模型为：0()cos(2))M m z m m x t x f mt πφ==+∑(1),,0()cos(2)Nm m n n m n n a t A f nt a π==+∑()360z N f Z =(2),,00()[1cos(2)]cos(2)M N M Nm n m n m n z m x t x A f t a f mt ππφ===++⨯+∑∑()4 经调制后的信号模型为（公式4）： 式中,m n A -幅值调制函数的第n 阶分量的幅值；,m n a -幅值调制函数的第n 阶分量的相位；n f -缺陷齿轮所在轴的转动频率。

对x(t)进行傅里叶变换得到的谱是以啮合频率（z f ）及其倍频(z Kf ，k=2，3，… )为中心，以调制频率(转频n f )及其倍频(z Kf ，k=2，3，…)为间隔形成的多对调制边频带。

2.2 MATLAB 信号仿真图2齿轮箱轮箱内部结构简图图2是一个风力发电机齿轮箱内部结构简图，该齿轮箱采用的是一级行星加上两级圆柱齿轮传动方式。

它主要具有如下特点：低速级为行星传动，传动效率高，体积小，重量轻，有效减轻枫舱重量；行星轮结构简单，制造方便；多个行星使功率分流。

可以传递较大的功率；合理使用了内啮合，轴向尺寸小，采用无多余约束浮动，浮动效果好。

对齿轮箱和主轴信号的采集是通过振动传感器来实现的。

在风力发电机正常运行时进行信号采集，将采集到的信号处理保存，在某一次风力发电机运行异常时对信号进行采集。

根据查明故障的严重等级确定适当的报警限，通过对正常运行和异常运行时的频谱进行对比，找出发生故障频谱的变化情况。