基于人工免疫和證據(jù)理論的旋轉機械并發(fā)故障診斷的研究.pdf

1、旋轉機械是應用于工業(yè)部門的主要生產工具，它是由旋轉運動來完成的機械設備，通常是由多個機械組成的復雜機組。隨著科學技術的發(fā)展，設備性能越來越高，其結構也越來越復雜，旋轉機械設備正在向大型化、高速化、復雜化方向發(fā)展，在此基礎上，并發(fā)故障發(fā)生的概率也隨著系統(tǒng)和機械設備復雜性的增加而增大。目前，并發(fā)故障已經成為故障診斷的常見問題。由于多重故障并發(fā)時，其表現(xiàn)形式是多種多樣的，而且故障和征兆之間并不是一一對應的，不同故障特征相互混雜呈現(xiàn)出多耦合、模

2、糊性等特征，有些故障并非多個單故障的簡單線性疊加，很難用準確的數(shù)學模型加以描述，也難以完全依靠確定性判據(jù)進行故障診斷，這給診斷帶來了極大的困難?；诓l(fā)故障的復雜性，本文提出多種智能診斷技術相結合的思路，以構建多重并發(fā)故障的診斷機理，經過試驗驗證，對故障的診斷精確度有重大的突破。
　　 近幾年來，利用生物免疫系統(tǒng)的仿生機理，依據(jù)無量綱指標對并發(fā)缺陷不敏感的特性，再結合免疫網絡的思想，已經探索了一種將無量綱指標與免疫算法相結合，用

3、于旋轉機械的故障診斷的人工免疫系統(tǒng)。系統(tǒng)給出了用于并發(fā)故障的適用指標的類型及其取值范圍，為并發(fā)故障的診斷帶來了一種新的依據(jù)。本文的試驗是通過傳感器獲得故障診斷信號的時域波形等數(shù)據(jù)，并對各個參量進行無量化處理，結合人工免疫的陰性選擇算法，在線生成免疫檢測器，根據(jù)免疫學習機制得到故障信息空間，最后通過與故障范圍進行對比，判斷故障類型。人工免疫系統(tǒng)通過對多重并發(fā)故障時域無量綱指標進行分析研究，得到了一條基于無量綱指標并發(fā)故障診斷普遍適用的規(guī)律

4、。以人工免疫為基礎的故障診斷的研究，在并發(fā)故障方面還存在許多不足，針對診斷結果存在的模糊性，以及進一步提高故障診斷結果的精確度，本文通過對國內外眾多學者對證據(jù)理論的的研究，把證據(jù)理論引入到旋轉機械綜合故障診斷中來。針對大型旋轉機械故障診斷的特點和難點以及目前存在的某些不足，分別提出該理論在旋轉機械并發(fā)故障診斷中的系統(tǒng)模型和應用方法。本文把證據(jù)理論和人工免疫故障診斷技術相結合，提出了一種基于人工免疫和證據(jù)理論的復雜旋轉機械綜合智能診斷策略

5、，并對該診斷策略中的綜合決策模塊進行試驗仿真。為了克服無量綱指標對故障判斷的局限性，本文根據(jù)遺傳算法原理得出新的優(yōu)化無量綱指標，并對其診斷效果進行了驗證,新指標提高了對并發(fā)故障的識別能力。由于每個無量綱指標對不同故障的判斷能力不同，本文在后續(xù)的試驗中，逐步檢驗各個無量綱指標對復合故障的敏感程度和診斷能力，進而得到加權系數(shù)，故對數(shù)據(jù)進行證據(jù)理論的加權組合，最終判斷故障類型，仿真結果表明，在很大程度上提高了并發(fā)故障診斷的準確度，使得診斷結果