減速器故障診斷方法的應(yīng)用分析

第1章緒論故障診斷，是指對(duì)目標(biāo)設(shè)備或者裝置的運(yùn)行狀態(tài)進(jìn)行檢測(cè)，發(fā)現(xiàn)其是否存在著某種功能失調(diào)或者潛在的危險(xiǎn)，判定造成這些功能失調(diào)或者潛在危險(xiǎn)的原因及其性質(zhì)，并對(duì)機(jī)器的運(yùn)行狀態(tài)的趨勢(shì)進(jìn)行預(yù)判。故障診斷的目的和意義。隨著計(jì)算機(jī)數(shù)的不斷發(fā)展，各種理論研究和工程應(yīng)用的發(fā)展速度也相應(yīng)地被帶動(dòng)起來(lái)，其中在機(jī)械工程方面最顯著的表現(xiàn)特征為：各不同性質(zhì)的工廠的生產(chǎn)機(jī)械設(shè)備不斷地趨向于大型化，連續(xù)化，高速化，系統(tǒng)化及自動(dòng)化，伴隨著機(jī)械生產(chǎn)設(shè)備在功能方面越來(lái)越快的發(fā)展，這些設(shè)備的工作強(qiáng)度也不斷增大，機(jī)械設(shè)備的結(jié)構(gòu)和組成越來(lái)越復(fù)雜，各零部件甚至是各系統(tǒng)之間的相互關(guān)聯(lián)更加密切，最終使得機(jī)械生產(chǎn)系統(tǒng)本身的規(guī)模進(jìn)一步增大，功能進(jìn)一步增強(qiáng)，性能進(jìn)一步提高，各生產(chǎn)部門之間的關(guān)聯(lián)度也進(jìn)一步地密切，形成了一個(gè)鏈?zhǔn)降恼w結(jié)構(gòu)；在這種情況下，該生產(chǎn)線的任意環(huán)節(jié)或部件出現(xiàn)工作異常，就會(huì)導(dǎo)致“鏈?zhǔn)椒磻?yīng)”，造成生產(chǎn)癱瘓和經(jīng)濟(jì)損失，更有甚者，還有可能造成毀滅性的事故，傷及生產(chǎn)人員，造成惡劣的社會(huì)影響，由此可見(jiàn)，保證機(jī)器的安全運(yùn)行已經(jīng)成為一個(gè)十分迫切的問(wèn)題。機(jī)械生產(chǎn)設(shè)備的檢測(cè)與故障診斷是了解和掌握其在使用過(guò)程中的狀態(tài),確定其整體或局部是正?；虍惓＃皶r(shí)地發(fā)現(xiàn)早期故障及原因，并預(yù)報(bào)故障發(fā)展趨勢(shì)的一門綜合技術(shù)⑴。也正是為了滿足上述生產(chǎn)要求，才衍牛了機(jī)械生產(chǎn)設(shè)備工況檢測(cè)與故障診斷這一學(xué)科，并不斷地促進(jìn)其向前發(fā)展；工況檢測(cè)與故障診斷技術(shù)是了解和掌握機(jī)械牛產(chǎn)設(shè)備的運(yùn)行狀態(tài)，區(qū)分并識(shí)別其異常表現(xiàn)，及早發(fā)現(xiàn)其潛在的故障，并對(duì)其故障發(fā)展趨勢(shì)進(jìn)行預(yù)報(bào)的新興的應(yīng)用科學(xué)技術(shù)。機(jī)械設(shè)備運(yùn)行的安全性和可靠性取決于兩方面：一、設(shè)計(jì)制造的各項(xiàng)性能指標(biāo)的實(shí)現(xiàn)；二、安裝、運(yùn)行、管理、維修和診斷措施的實(shí)施。工況檢測(cè)與故障診斷為機(jī)械設(shè)備的安全正常運(yùn)行提供了有力的支持，創(chuàng)造了巨大的經(jīng)濟(jì)效益和社會(huì)效益，從而越來(lái)越受到人們的重視。實(shí)踐證明：工況檢測(cè)和故障診斷技術(shù)在預(yù)防故障發(fā)牛、保障設(shè)備安全運(yùn)行，實(shí)現(xiàn)設(shè)備從定期維修到預(yù)知維修，提高設(shè)備利用率等方面具有重大作用Z叫設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)是用于判斷動(dòng)態(tài)系統(tǒng)是否處于正常的工作狀態(tài)，監(jiān)視其工作狀態(tài)的發(fā)展趨勢(shì)、預(yù)測(cè)其漸變故障的發(fā)生時(shí)間。而診斷是指當(dāng)生產(chǎn)設(shè)備中的某個(gè)環(huán)節(jié)發(fā)生異常的時(shí)候，查明異常產(chǎn)生的部位及其原因的過(guò)程。因此設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)是故障診斷的基礎(chǔ)；隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，由計(jì)算機(jī)輔助進(jìn)行監(jiān)測(cè)的監(jiān)測(cè)系統(tǒng)也已經(jīng)迅速發(fā)展起來(lái)，為牛產(chǎn)系統(tǒng)的故障診斷提供了更為可靠的依據(jù)。保證設(shè)備無(wú)故障，工作可靠保證物盡其用，設(shè)備要發(fā)揮最大的效益機(jī)械設(shè)備故障診斷的目的保證設(shè)備在將有故障或者已有故障時(shí)，能隨時(shí)診斷出來(lái)，正確加以維修，以減少維修時(shí)間，提\高維修質(zhì)量、節(jié)約維修費(fèi)用；圖1.1機(jī)械設(shè)備故障診斷的目的機(jī)械設(shè)備故障診斷的目的是保證生產(chǎn)系統(tǒng)可靠地、高效地發(fā)揮其應(yīng)有的功能,主要可分為三個(gè)方面，如圖1」所示。通過(guò)應(yīng)用設(shè)備診斷技術(shù)，可以使生產(chǎn)故障診斷的內(nèi)容確取量量備及量置正選測(cè)加測(cè)設(shè)以測(cè)位析征號(hào)設(shè)狀的系

分特信與備態(tài)聯(lián)斷爸仃況

判設(shè)広狀確取量量備及量置正選測(cè)加測(cè)設(shè)以測(cè)位析征號(hào)設(shè)狀的系

分特信與備態(tài)聯(lián)斷爸仃況

判設(shè)広狀圖1.2設(shè)備故障診斷的內(nèi)容設(shè)備能夠在重要程度明了的前提下，按照其運(yùn)行狀態(tài)進(jìn)行維修，改善現(xiàn)有的維修體制機(jī)制。從這個(gè)角度來(lái)講,機(jī)械設(shè)備故障診斷技術(shù)就是維修服務(wù)叫進(jìn)行設(shè)備故障診斷，其根木任務(wù)是通過(guò)對(duì)傳感器測(cè)得的信號(hào)進(jìn)行分析，實(shí)現(xiàn)對(duì)運(yùn)行設(shè)備的狀態(tài)識(shí)別，進(jìn)而完成對(duì)設(shè)備的故障診斷工作。設(shè)備的故障診斷包括兩部分：一是初期診斷，故障預(yù)測(cè)；二是精密診斷，其主要內(nèi)容如圖1.2所示。1.1國(guó)內(nèi)外研究現(xiàn)狀分析由于現(xiàn)代化大生產(chǎn)的迫切需要，機(jī)械設(shè)備的故障診斷及其維修技術(shù)得以迅猛發(fā)展，隨著科學(xué)技術(shù)尤其是計(jì)算機(jī)技術(shù)的高速發(fā)展而形成一門新型的技術(shù)學(xué)科，基于其在生產(chǎn)過(guò)程中的重要性，使其已成為很多研究所和高校的熱點(diǎn)研究課題。機(jī)械設(shè)備故障診斷與維修的目的通過(guò)對(duì)生產(chǎn)系統(tǒng)的運(yùn)行狀態(tài)的判斷確定、故障有無(wú)及其部位的確定、發(fā)展趨勢(shì)的預(yù)測(cè)、故障性質(zhì)的分析、對(duì)策信息的提供，最終實(shí)現(xiàn)提高生產(chǎn)安全性能、降低企業(yè)的生產(chǎn)設(shè)備等方面的成本，增加國(guó)民收入等目標(biāo)。故障診斷技術(shù)的研究與開(kāi)發(fā)最早在1967在美國(guó)開(kāi)始進(jìn)行研究，故障診斷及其預(yù)防的標(biāo)準(zhǔn)規(guī)程，以及相應(yīng)的機(jī)械設(shè)備的設(shè)計(jì)、制造和試驗(yàn)等的標(biāo)準(zhǔn)，聲發(fā)射診斷技術(shù)是目前正在研究推行的比較前沿的診斷技術(shù)；在應(yīng)用于軍工、航天飛機(jī)、原子能行業(yè)等工業(yè)方面的故障診斷技術(shù)以美國(guó)占據(jù)優(yōu)勢(shì)地位，而一些基礎(chǔ)工業(yè)方而如汽車等方而則以日本居于領(lǐng)先的位置；為了能夠積極地推動(dòng)故障診斷技術(shù)的進(jìn)一步發(fā)展與完善，在上述兩個(gè)國(guó)家的許多科研單位和高等院校都在積極地進(jìn)行故障診斷的基礎(chǔ)理論及其工程應(yīng)用的研究設(shè)備故障診斷技術(shù)的研究起步較晚，是在改革開(kāi)放前后才開(kāi)始起步，但是由于是基于美國(guó)和日本等國(guó)家的研究基礎(chǔ)上，所以發(fā)展速度較快，尤其以高校和科研單位的研究工作為我國(guó)設(shè)備故障診斷技術(shù)的基礎(chǔ)研究和工程應(yīng)用的貢獻(xiàn)居主要，并取得了相當(dāng)?shù)难芯砍晒?，如西安交通大學(xué)研制的“大型旋轉(zhuǎn)機(jī)械計(jì)算機(jī)狀態(tài)監(jiān)視及故障診斷系統(tǒng)”，哈爾濱工業(yè)大學(xué)研制的“微計(jì)算機(jī)機(jī)組狀態(tài)監(jiān)視與故障診斷裝置MMD?III”初］,以及東南大學(xué)研制的“MFD型系列工況監(jiān)視與故障診斷系統(tǒng)”等。FI前機(jī)械設(shè)備工況監(jiān)測(cè)與故障診斷裝置的分類如圖1.3所示叫下而將分別詳細(xì)介紹這三類裝置。以檢測(cè)儀表為主體的監(jiān)視裝置:這類裝置必須依賴于操作人員進(jìn)行即使的操作與判斷，不能自動(dòng)分析；主要是用傳感器測(cè)量振動(dòng)信號(hào)，并在數(shù)據(jù)顯示窗口進(jìn)行顯示，最典型的就是本特利(bently)公司的產(chǎn)品；（1.以檢測(cè)儀表為主體的監(jiān)測(cè)裝置2.檢測(cè)儀表配備軟硬件分析裝置3.計(jì)算機(jī)輔助監(jiān)測(cè)與診斷系統(tǒng)圖1.3機(jī)械設(shè)備工況監(jiān)測(cè)與故障診斷裝置分類圖2）監(jiān)測(cè)儀表配備軟硬件分析裝置：為了便于操作人員進(jìn)行診斷工作，提高診斷工作效率，針對(duì)上一代產(chǎn)品進(jìn)行了進(jìn)一步的完善，增加了頻譜分析儀；典型的代表產(chǎn)品有bent丨y（木特利）公司早期的ADR3及ENTEK（恩泰克）公司的PM系統(tǒng),這些都具有頻譜分析等功能，提高了故障診斷的準(zhǔn)確率；其缺點(diǎn)是不具有自動(dòng)診斷決策的功能，故障信息保存困難，缺乏對(duì)突發(fā)性事件（故障）的預(yù)測(cè)，系統(tǒng)的兼容性比較差、維護(hù)不方便，而且費(fèi)用也比較高；3）計(jì)算機(jī)輔助監(jiān)視與診斷系統(tǒng):主要硬件包括傳感器、接口裝置及計(jì)算機(jī)；傳感器用于采集設(shè)備的信號(hào)，并通過(guò)接口將測(cè)得的實(shí)時(shí)數(shù)據(jù)傳遞到計(jì)算機(jī)，交由計(jì)算機(jī)進(jìn)行處理，以實(shí)現(xiàn)對(duì)設(shè)備的監(jiān)測(cè)，便于診斷實(shí)時(shí)性故障；是未來(lái)該學(xué)科的主要發(fā)展方向；盡管國(guó)內(nèi)外都在致力于第三代故障診斷產(chǎn)品的開(kāi)發(fā)，目前卻還不能實(shí)現(xiàn)普遍的應(yīng)用推廣；其原因有二，一是技術(shù)還不夠成熟，二主要是由于大型機(jī)械設(shè)備的故障類型比較復(fù)雜，無(wú)法有針對(duì)性地建立知識(shí)庫(kù)來(lái)使用該類產(chǎn)品；和前兩代產(chǎn)品相比，第三代產(chǎn)品的功能更齊全，不僅能對(duì)設(shè)備進(jìn)行實(shí)時(shí)監(jiān)測(cè)與診斷，提高自動(dòng)分析、診斷和報(bào)警的能力，而且便于對(duì)測(cè)量數(shù)據(jù)、故障類型、對(duì)策信息等進(jìn)行管理，系統(tǒng)兼容性強(qiáng)，有良好的推廣前景。第三代產(chǎn)品分為遠(yuǎn)程型和便攜式現(xiàn)場(chǎng)型，遠(yuǎn)程型診斷系統(tǒng)功能齊全，診斷方便，自動(dòng)化程度高，但是費(fèi)用大，因此主要用于大型、重型生產(chǎn)系統(tǒng)；而便攜式則更適用于巡檢和點(diǎn)檢，配合遠(yuǎn)程型系統(tǒng)使用。但是由于第二類產(chǎn)品比較成熟，商品化程度高，因此目前國(guó)內(nèi)普遍采用的還是以第二類以檢測(cè)儀表為主體的監(jiān)視裝置和檢測(cè)儀表配備軟硬件分析裝置陰。1?2研究目標(biāo)故障診斷是一門新發(fā)展的科學(xué)領(lǐng)域，迄今其科學(xué)體系還尚未完全形成。因此不同工程領(lǐng)域內(nèi)的技術(shù)人員由于他們的專業(yè)、專長(zhǎng)等方面的局限性，使得他們彼此之間對(duì)故障診斷研究的理解存在著明顯的領(lǐng)域性或?qū)I(yè)性叭為了及早發(fā)現(xiàn)并及時(shí)地解決設(shè)備潛在的故障，降低意外事故發(fā)牛幾率，提高生產(chǎn)效率，就必須大力開(kāi)發(fā)故障診斷系統(tǒng)。通過(guò)傳感器對(duì)設(shè)備進(jìn)行信號(hào)采集，然后對(duì)采集到的信號(hào)進(jìn)行分析與處理，辨識(shí)岀系統(tǒng)當(dāng)前所處的狀態(tài)，提示相應(yīng)的對(duì)策信息，幫助相關(guān)工作人員及時(shí)地做出對(duì)應(yīng)的處理。同時(shí)，對(duì)故障相關(guān)的信號(hào)數(shù)據(jù)進(jìn)行歸類存儲(chǔ)，建立相應(yīng)的故障信息數(shù)據(jù)庫(kù)，為將來(lái)的進(jìn)一步研究提供數(shù)據(jù)資料。1?3研究?jī)?nèi)容隨著各種設(shè)備狀態(tài)監(jiān)測(cè)技術(shù)的進(jìn)一步發(fā)展，根據(jù)對(duì)所采集到的信號(hào)進(jìn)行分析處理，發(fā)現(xiàn)表征故障類型的特征參數(shù)，并對(duì)設(shè)備的狀態(tài)進(jìn)行判斷，是設(shè)備狀態(tài)監(jiān)測(cè)技術(shù)的基本步驟。本文基于蟻群算法，對(duì)設(shè)備的所有參數(shù)，進(jìn)行聚類分析，以實(shí)現(xiàn)對(duì)設(shè)備狀態(tài)的準(zhǔn)確判斷。木文的工作主要包括以下幾個(gè)方面：1） 介紹減速器的故障類型，并分別從初級(jí)診斷和精密診斷兩個(gè)切入點(diǎn)分析了相應(yīng)的故障診斷的方法。2） 蟻群算法的研究，建立基于蟻群算法的適用于故障診斷的模型，討論并確定其參數(shù)的選取及參數(shù)最優(yōu)組合。3） 簡(jiǎn)單介紹神經(jīng)網(wǎng)絡(luò)，并利用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。將基于蟻群算法的診斷結(jié)果與之相對(duì)比。4） 建立基于蟻群算法的故障診斷模型，通過(guò)試驗(yàn)確認(rèn)其最優(yōu)的參數(shù)組合，并在此基礎(chǔ)上開(kāi)發(fā)出減速器故障診斷系統(tǒng)。第2章基本蟻群優(yōu)化算法蟻群算法是模擬螞蟻群體的覓食行為的一種仿生優(yōu)化算法，采用正反饋機(jī)制,并行尋優(yōu)；其特點(diǎn)是適應(yīng)性強(qiáng)，具有較強(qiáng)的魯棒性，易與其他算法相結(jié)合等。2.1蟻群算法的起源意大利學(xué)者多里哥(M.Dorigo,V.Maniczzo)等人通過(guò)對(duì)螞蟻群體在覓食過(guò)程中總是能夠找到蟻穴與食物源之間的最短路徑，并對(duì)此進(jìn)一步的研究，發(fā)現(xiàn)，螞蟻的這種群體合作功能，是通過(guò)它們自身在其覓食與返回蟻穴的過(guò)程中在經(jīng)過(guò)的路徑上釋放響應(yīng)的化學(xué)物質(zhì)來(lái)進(jìn)行相互之間的交流與通信合作的，這種物質(zhì)就是Pheromone即信息素，信息素是螞蟻所采取的最基本的信息通信方式，不僅對(duì)螞蟻?zhàn)陨淼纳钇鸬搅酥匾淖饔?，同時(shí)也對(duì)人類解決實(shí)際問(wèn)題提供了非常重要的啟發(fā)2。通過(guò)對(duì)蟻群覓食行為的長(zhǎng)期研究，多里哥等專家學(xué)者發(fā)現(xiàn)，信息素在整個(gè)蟻群進(jìn)行和互協(xié)作，形成正反饋，最終使得螞蟻越來(lái)越多地聚集到蟻穴與食物源之間最短的那條路徑上，起到了決定性的作用問(wèn)。由此，多里哥等專家學(xué)者于1991年最先提出了蟻群算法(AntColonyAlgorithm)o蟻群算法充分體現(xiàn)了在基于每個(gè)螞蟻個(gè)體通過(guò)信息素的釋放，進(jìn)行螞蟻與螞蟻之間的信息交流，從而最終搜索到蟻穴與食物源之間的最短路徑的集體尋優(yōu)特征。該過(guò)程恰好與著名的TSP有著驚人的相似性，因此蟻群算法最早應(yīng)用于解決著名的TSP冋。2.2蟻群算法的基本原理蟻群算法是數(shù)學(xué)、計(jì)算機(jī)方面的專家學(xué)者將生物學(xué)家為了研究蟻群中螞蟻個(gè)體之間的互相作用而提出的蟻群系統(tǒng)，轉(zhuǎn)化而成的。它是受真實(shí)的螞蟻的群體合作行為的啟發(fā)而提出的一種隨機(jī)搜索算法，是一種應(yīng)用前景非常好的優(yōu)化算法。蟻群優(yōu)化(AntColonyOptimization,ACO)是蟻群算法的核心，其基本原理是：在螞蟻覓食的整體過(guò)程中，每只螞蟻個(gè)體的所做的貢獻(xiàn)是非常的小，但是整個(gè)蟻群在尋找最短路徑方面所表現(xiàn)出來(lái)的優(yōu)越性卻是非常的明顯；在搜索路徑的過(guò)程中，螞蟻個(gè)體若是遇到了岔路口，它就會(huì)根據(jù)前面螞蟻在各個(gè)路徑上的信息素強(qiáng)度，來(lái)進(jìn)行選擇自己的下一路徑，如果各個(gè)路徑上的信息素強(qiáng)度相等，或者均沒(méi)有信息素，那么螞蟻就會(huì)隨機(jī)地選擇一條路徑繼續(xù)進(jìn)行搜索；隨著時(shí)間的推移，各個(gè)路徑上的信息素也會(huì)逐漸揮發(fā)，而且路徑的長(zhǎng)短對(duì)螞蟻釋放的信息素量的多少產(chǎn)牛影響；由此可見(jiàn)，螞蟻的群體行為具有較強(qiáng)的自組織性，信息素強(qiáng)度在覓食過(guò)程中指導(dǎo)螞蟻個(gè)體進(jìn)行路徑選擇，而反過(guò)來(lái)，螞蟻乂會(huì)在其所經(jīng)過(guò)的路徑上釋放信息素，二者之間是相互作用，相互影響，通過(guò)這種信息交流，形成了蟻群的正反饋?zhàn)饔茫罱K促使蟻群搜索到最短路徑問(wèn)。下面引用多里哥所舉的例子來(lái)具體說(shuō)明蟻群算法的原理：圖2.1中，設(shè)A是蟻穴，E是食物源，HC為障礙物，距離為〃；假設(shè)BH、DH的長(zhǎng)度均為d,BC、DC的長(zhǎng)度均為0.5；若螞蟻以“1個(gè)單位長(zhǎng)度/單位時(shí)間”的速度往返于A和E,每隔一個(gè)單位時(shí)間各有30只螞蟻離開(kāi)A和E到達(dá)B和D（圖a）；初始階段，各有30只螞蟻在B和D點(diǎn)遇到障礙物，并做出路徑選擇，由于此時(shí)路徑上的信息素強(qiáng)度均為0,所以螞蟻以相同的概率進(jìn)行路徑選擇，即選擇路徑BC,BH,DC,DH的螞蟻數(shù)目均為15（圖b）,經(jīng)過(guò)一個(gè)單位時(shí)間之后，路徑BCD上通過(guò)的螞蟻數(shù)目為30,而路徑BHD上通過(guò)的螞蟻數(shù)目則只有15（原因是BCD的距離為1,而B(niǎo)HD距離為2）,BCD上的信息量是BHD上的信息素量的2倍（這個(gè)過(guò)程中，不考慮信息素的揮發(fā)）；此時(shí)，B和D又各有30只螞蟻進(jìn)行選擇，其中分別有20只螞蟻選擇了BC和DC,分別有10只螞蟻選擇了路徑BH和DH（圖c）；于是就造成了路徑BCD上的信息素多于路徑BHD,隨著時(shí)間的推移，上述過(guò)程不斷重復(fù)，較短的路徑BCD±的信息素量增長(zhǎng)越來(lái)越快，促使越來(lái)越多的螞蟻選擇該路徑，形成止反饋?zhàn)饔?，并最終使得所有的螞蟻都選擇了較短的路徑BCD叫根據(jù)上述例子，可以得出蟻群算法的基本機(jī)制：（1） 隨機(jī)選擇機(jī)制螞蟻個(gè)體在路徑搜索過(guò)程中的路徑選擇是按照隨機(jī)機(jī)制來(lái)進(jìn)行選擇的；（2） 信息素更新機(jī)制螞蟻會(huì)在其經(jīng)過(guò)的路徑上留下信息素，以此來(lái)影響后來(lái)者的路徑選擇；（3） 協(xié)作機(jī)制從群體行為上來(lái)看，螞蟻個(gè)體的行為屬于隨機(jī)行為，但是蟻群整體可以通過(guò)白組織進(jìn)行協(xié)作，最終找到最短路徑;2.3蟻群算法的模型蟻群優(yōu)化算法最先應(yīng)用于解決旅行商問(wèn)題（TSP）,而且也是最成功的應(yīng)用。因此，接下來(lái)，我們將利用旅行商問(wèn)題作為例子，對(duì)蟻群優(yōu)化算法進(jìn)行闡述，并在后續(xù)的章節(jié)中利用該模型解決故障數(shù)據(jù)的分類問(wèn)題。2.3.1旅行商問(wèn)題的描述旅行商問(wèn)題屬于典型的組合優(yōu)化問(wèn)題之一。在闡述這個(gè)之前，首先根據(jù)參考文獻(xiàn)［13］引入幾個(gè)定義：定義2.3.1有向圖給定一個(gè)有向圖D的三元組為其中V是一個(gè)非空集合，其元素稱為有向圖的節(jié)點(diǎn)；E是一個(gè)集合，其元素稱為有向圖的弧段（邊）；/是從￡到W的一個(gè)映射（函數(shù)）。由定義231可知，E中的元素總是和V中的元素有對(duì)應(yīng)關(guān)系，因此，可用U中的元素代替E中的元素；一個(gè)有向圖D,可簡(jiǎn)記為（V,E）o定義2.3.2TSP 設(shè)C=｛q,6,...,q｝是斤個(gè)城市的集合，L二仏匕心,…心C｝是集合C中元素（城市）兩兩鏈接的集合，心（門二1,2,…屮）是Iq的Euclidean距離,即式中：Xj,Xj——分別為C‘,Cj的橫坐標(biāo)；兒兀一一分別為q,勺的縱坐標(biāo)。G=（C,L）是一個(gè)有向圖，旅行商的目的是從有向圖G中尋出長(zhǎng)度最短的

Hamilton圈，此即一條對(duì)C={c15c2?.中〃個(gè)元素(城市)訪問(wèn)且只訪問(wèn)一次的最短封閉曲線。參考文獻(xiàn)［13］中將旅行商問(wèn)題的簡(jiǎn)單形象的描述為：給定刃個(gè)城市，有一個(gè)旅行商從某一城市出發(fā)，訪問(wèn)各個(gè)城市一次且僅訪問(wèn)一次后再回到原出發(fā)城市，要求找出一條最短的巡回路徑。TSP可分為對(duì)稱TSP(symmetrictravelingsalesmanproblem)和非對(duì)稱TSP(asymmetrictravelingsalesmanproblem)兩大類，若兩城市往返的距離相同則為對(duì)稱TSP,否則為非對(duì)稱TSP。2.3.2旅行商問(wèn)題的求解由前面的描述可知，螞蟻k伙=在/時(shí)刻的時(shí)候處于城市i,在進(jìn)行選擇下一步路徑的時(shí)候，螞蟻是根據(jù)路徑(門)上的信息素濃度來(lái)決定的，其中/吋刻路徑億力上的信息素濃度用打⑴來(lái)表示；由此我們得岀，每只螞蟻在進(jìn)行了斤次這樣的選擇Z后，就會(huì)又重新回到起始點(diǎn)，即完成了一個(gè)周期的循環(huán)。此時(shí)，對(duì)所有路徑上的信息素濃度進(jìn)行更新，即對(duì)原有的信息素進(jìn)行削弱(信息素的揮發(fā))，同時(shí)對(duì)螞蟻在此次循環(huán)過(guò)程中經(jīng)過(guò)的路徑增加新的信息素，具體的信息素更新可按照下而的公式來(lái)進(jìn)行：I,十)=〉I??(/)+□打 (2?2)式中:1出+防——(t+n)時(shí)刻，路徑Q,j)上的信息素量;〉一一信息素的揮發(fā)率，其取值范圍在0到1之間，表示殘留信息的保留部分；I'/)——/時(shí)刻，路徑的信息素量；□丨”一一路徑(4J)±的信息素變化量;(2-3)antnum(2-3)□1"=□□厲式中：口匕一一第比只螞蟻在/到(+77時(shí)刻之間，路徑(門)上釋放的信息素量?！鮅d%If□Id%If0,(2-4)若第k只螞蟻在本次循環(huán)中經(jīng)過(guò)(i,j)(2-4)否則

式中：Q——信息素強(qiáng)度；它在一定程度上影響算法的收斂速度；4——第￡只螞蟻在本次循環(huán)中所走路徑的總長(zhǎng)度；由式（2?4）可以看出，螞蟻在搜索過(guò)程屮，所經(jīng)過(guò)的路徑長(zhǎng)度越長(zhǎng)，那么在該路徑上釋放的信息素的濃度就越低；為了拓展蟻群算法的應(yīng)用范圍，以適應(yīng)各種不同的工程應(yīng)用場(chǎng)合，在參考文獻(xiàn)［13］中多里哥還另外提出了兩種信息素的更新策略，他們之間的主要區(qū)別在于匚|"?的計(jì)算方法的差異，并據(jù)此將其分別命名為Ant-Quantity模型和Ant-Density模型，具體計(jì)算公式如下：Ant-Quantity模型的信息素更新方式:(2-5)(2-6)〉&/,若第k只螞蟻在t和t+l之間經(jīng)過(guò)（i,mWj）(2-5)(2-6)If0,否則Ant-Density模型的信息素更新方式：）2,若第k只螞蟻在t和t+1之間經(jīng)過(guò)（i,j）否則為了避免螞蟻在一次循環(huán)中兩次甚至多次訪問(wèn)同一個(gè)城市，我們將為每只螞蟻設(shè)置一個(gè)禁忌表加加，在該禁忌表中存儲(chǔ)了該只螞蟻到目前為止已經(jīng)訪問(wèn)過(guò)的城市列表，于此同時(shí)，規(guī)定每只螞蟻在搜索路徑的過(guò)程中，不能訪問(wèn)其禁忌列表屮的城市，直至本次循環(huán)結(jié)束Z后；在結(jié)束一次循環(huán)Z后，利用禁忌列表進(jìn)行此次路徑搜索的總長(zhǎng)度，計(jì)算完成之后，清空禁忌列表，此時(shí)螞蟻就可以重新自由選擇路徑，開(kāi)始新的循環(huán)；0=1/d0=1/di}式中：jj 啟發(fā)函數(shù)；(2-7)dti一一路徑（i,j）込間的距離；在搜索過(guò)程屮，路徑上的累積的信息素強(qiáng)度和該路徑所對(duì)應(yīng)的啟發(fā)信息用來(lái)計(jì)算狀態(tài)轉(zhuǎn)移概率，指導(dǎo)螞蟻選擇路徑；P*⑴表示在/時(shí)刻螞蟻￡由城市i轉(zhuǎn)移到城市j的狀態(tài)轉(zhuǎn)移概率 ’

tallowed^0,其它tallowed^0,其它(2-8)式屮：allowed,.={CDtabuk},表示螞蟻￡下一步可選擇的城市；〈一一信息啟發(fā)式因子，反映出在螞蟻的運(yùn)動(dòng)過(guò)程中，路徑上已經(jīng)積累的信息素量對(duì)螞蟻的運(yùn)動(dòng)所產(chǎn)生的作用;?——期望啟發(fā)因子，反映出在螞蟻運(yùn)動(dòng)過(guò)程中，啟發(fā)信息對(duì)螞蟻的路徑選擇的影響程度[13]02.4參數(shù)選取蟻群算法中，螞蟻個(gè)體之間的信息交流通信是通過(guò)信息素來(lái)實(shí)現(xiàn)的，其最終搜索到最優(yōu)解的過(guò)程，實(shí)際上是信息素的正反饋?zhàn)饔玫慕Y(jié)果；在應(yīng)用蟻群算法進(jìn)行搜尋最優(yōu)解的過(guò)程屮，如何能夠在使螞蟻的搜索空間范圍盡可能打的前提下，充分利用螞蟻群體當(dāng)前搜索過(guò)程中已有的信息素，使螞蟻搜索的重心放在那些可能具有可能性較高的最優(yōu)解上，盡快地搜索到最短路徑；即在盡可能打的求解最優(yōu)解的空間范圍內(nèi)，以最快的速度，較大的概率收斂到全局最優(yōu)解冋。在蟻群算法中，〈，?,〉等參數(shù)對(duì)算法性能的影響很大，〈值越大，則螞蟻選擇該路徑的可能性就越大，但是過(guò)大，會(huì)造成搜索過(guò)程過(guò)早陷入局部最小解；?值越大，則螞蟻選擇離它近的城市的可能性就越大；〉表示信息素?fù)]發(fā)率，如果它的值選取不當(dāng)，得到的結(jié)果也會(huì)很差。因此，研究〈，?,〉三個(gè)參數(shù)的最佳配置，對(duì)蟻群算法在實(shí)際應(yīng)用中的效果起著至關(guān)重要的作用。（1）啟發(fā)因子〈,?的設(shè)置啟發(fā)因子〈反應(yīng)了在螞蟻的搜索過(guò)程中，路徑上所積累的信息素量（殘留信息量I"）所起的指導(dǎo)作用的重要程度，同時(shí)它也反應(yīng)了在搜索過(guò)程中，路徑選擇的隨機(jī)性的程度，其值越大，螞蟻選擇以前走過(guò)的路徑的可能性就越大，那么就會(huì)使得搜索的隨機(jī)性減弱，當(dāng)它的值過(guò)大時(shí)，就會(huì)直接導(dǎo)致螞蟻的搜索過(guò)程過(guò)早地陷入局部最優(yōu)解;啟發(fā)因子?反應(yīng)了在螞蟻的搜索過(guò)程中，啟發(fā)信息（期望值J）對(duì)螞蟻的指導(dǎo)作用的重要程度，同時(shí)它也反應(yīng)了在螞蟻搜索過(guò)程中，確定性因素對(duì)其搜索過(guò)程的影響程度，其值越大，螞蟻在搜索過(guò)程屮選擇路徑最短的可能性就越大，可以加快搜索最優(yōu)解的速度，但同時(shí)也會(huì)降低搜索的隨機(jī)性，而使得最終的結(jié)果陷入局部最優(yōu)解冋。蟻群算法的全局尋優(yōu)性能，要求蟻群在搜索過(guò)程中必須要有較強(qiáng)的隨機(jī)性；同時(shí)，蟻群算法的快速收斂性能，又要求蟻群在搜索過(guò)程中必須要有良好的確定性。二者相輔相成，相互作用，對(duì)蟻群算法的性能起到了重要作用。信息素?fù)]發(fā)率〉的設(shè)置在一群算法中，人工螞蟻是具有人類記憶功能的，隨著時(shí)間的推移，路徑上原有的信息素逐漸揮發(fā)。在算法模型屮，用參數(shù)〉來(lái)表示信息素?fù)]發(fā)率；它的值的大小直接關(guān)系到蟻群算法的收縮快慢，和模型整體的性能；它的值越大，則已有信息素的影響程度就響應(yīng)地降低，增加了螞蟻搜索的隨機(jī)性，提高了全局搜索的能力，避免了可能出現(xiàn)的局部最優(yōu)解，但是同時(shí)也會(huì)減慢模型的收斂速度；它的值越小，雖然提高了收斂速度，卻降低了隨機(jī)性能，并會(huì)導(dǎo)致搜索過(guò)程過(guò)早地陷入局部最優(yōu)，而無(wú)法得到全局最優(yōu)解另外，蟻群算法的其他啟發(fā)參數(shù)的設(shè)置也會(huì)對(duì)模型的性能其到很大的作用，如螞蟻的數(shù)目等。2.5性能評(píng)價(jià)指標(biāo)任何的算法的求解結(jié)果都有其各自不同的優(yōu)缺點(diǎn)，我國(guó)著名的學(xué)者段海濱為了比較全面地衡量基本蟻群算法性能的優(yōu)劣程度，引入了評(píng)價(jià)它的三個(gè)基本性能指標(biāo)。最佳性能指標(biāo)定義相對(duì)誤差勵(lì)為最佳性能指標(biāo)，其公式如下Eo=ChLc".100% (2-9)c*式中：Q一一算法多次運(yùn)行所得到的最佳優(yōu)化值；C*——所求問(wèn)題的理論最優(yōu)值，若理論最優(yōu)值未知，可用最佳優(yōu)化值代替;最佳性能指標(biāo)用來(lái)衡量最佳優(yōu)化值的優(yōu)化程度，其值越小，則表示該算法的優(yōu)化性能越好。時(shí)間性能指標(biāo)定義時(shí)間性能指標(biāo)咼,公式如下：

E=也?100% （2-10）7匸式中：/ ——多次運(yùn)行求解后，滿足中止條件吋的迭代次數(shù)平均值；/ ——最大迭代次數(shù)；1max片一一迭代一次所需的平均時(shí)間；時(shí)間性能指標(biāo)用以衡量算法的收斂快慢程度，在最大迭代次數(shù)一定的情況下，d越小，則求解速度越快；（3）魯棒性能指標(biāo)是義魯棒性能指標(biāo)為Er,公式如下：E=51211-100% （2-11）Rc*式中：一一算法多次運(yùn)行求得的平均值。魯棒性能指標(biāo)用以衡量算法對(duì)隨機(jī)初值和操作的依賴程度。由此，基木蟻群算法的綜合性能指標(biāo)E可表示為上述三個(gè)性能指標(biāo)的加權(quán)組合：(2-12)(2-13)E=〈°Eo+GEr+〈rEr(2-12)(2-13)式中：c——最佳性能指標(biāo)的加權(quán)系數(shù);G——時(shí)間性能指標(biāo)的加權(quán)系數(shù);G——魯棒性能指標(biāo)的加權(quán)系數(shù)。而且三者滿足C+G+G=1參考文獻(xiàn)［13］表明，E的值越小，則說(shuō)明算法的綜合性能越好。2.6蟻群算法的特點(diǎn)ACO（蟻群算法）是基于牛物蟻群系統(tǒng)的集體覓食行為而發(fā)展起來(lái)的一類仿牛優(yōu)化算法，也就自然具有真實(shí)群體的許多優(yōu)點(diǎn)，由參考文獻(xiàn)［13］和［15］可知，經(jīng)過(guò)大量的研究和實(shí)驗(yàn)，可以發(fā)現(xiàn)蟻群優(yōu)化系統(tǒng)具有如下兒個(gè)特點(diǎn)：（1）適應(yīng)性強(qiáng)：蟻群算法能夠適應(yīng)任何搜索空間一一目標(biāo)函數(shù)的連續(xù)性、可導(dǎo)性以及目標(biāo)函數(shù)和約束函數(shù)的精確數(shù)學(xué)描述。（2） 易于與其它算法結(jié)合：蟻群算法解是逐步構(gòu)造完成的，在其最優(yōu)解的構(gòu)造過(guò)程中可以結(jié)合該領(lǐng)域的先驗(yàn)知識(shí)；諸如貪婪算法等一些啟發(fā)式算法，能夠與蟻群算法相結(jié)合，提高自身的優(yōu)化性能；另外一個(gè)優(yōu)勢(shì)是，在利用蟻群算法構(gòu)造最優(yōu)解的過(guò)程屮，螞蟻可以根據(jù)不同的約束條件，動(dòng)態(tài)地調(diào)整每一步構(gòu)造過(guò)程，避免無(wú)解的情況出現(xiàn)。（3） 分布式計(jì)算：利用蟻群算法構(gòu)造最優(yōu)解的過(guò)程中，所有的螞蟻均處于獨(dú)立狀態(tài)，它們同時(shí)進(jìn)行最優(yōu)解的搜索工作，是一種理想的并行求解機(jī)制，從本質(zhì)上來(lái)講，是一種高效的并行搜索算法；蟻群算法的分布式計(jì)算特點(diǎn)體現(xiàn)在兩個(gè)方面：一是信息素分布在構(gòu)造圖的各條路徑上，螞蟻個(gè)體都是根據(jù)當(dāng)前所處的位置的當(dāng)前信息素情況選擇路徑，不需要人為地進(jìn)行控制；二是即便有螞蟻個(gè)體出現(xiàn)異常狀況，也不會(huì)影響蟻群系統(tǒng)的正常搜索工作。（4） 較強(qiáng)的魯棒性：在需要將蟻群算法應(yīng)用于其他優(yōu)化問(wèn)題時(shí)，不需要對(duì)基本蟻群優(yōu)化算法的模型進(jìn)行過(guò)多的修改心。（5） 多解性：由于蟻群算法是基于生物一群系統(tǒng)的集體覓食行為而發(fā)展起來(lái)的一類仿生優(yōu)化算法，因此當(dāng)種群完成一次搜索后，可以提供多個(gè)近似解，有利于多目標(biāo)搜索或者近似解Z間的相互參照。（6） 結(jié)果的優(yōu)越性：由于蟻群算法采用了正反饋原理，在一定程度上加快了搜索進(jìn)程，再結(jié)合其螞蟻個(gè)體相互之間不斷進(jìn)行信息交流和傳遞，這樣就能夠大大地提高解的優(yōu)越性。（7） 搜索速度慢：求解初期，信息素積累較慢，從而導(dǎo)致在搜索過(guò)程中，解的收斂速度的降低。（8） 容易出現(xiàn)停滯現(xiàn)象：停滯現(xiàn)象是指在搜索過(guò)程中，螞蟻不能夠?qū)崿F(xiàn)全局搜索，而是所有螞蟻提前收斂到某一局部最優(yōu)解，從而造成搜索停滯問(wèn)。2.7蟻群算法的典型應(yīng)用蟻群算法主要用于求解各種優(yōu)化組合問(wèn)題，主要包括靜態(tài)組合優(yōu)化問(wèn)題和動(dòng)態(tài)組合優(yōu)化問(wèn)題。靜態(tài)問(wèn)題是指一次性給出問(wèn)題的特征，在解決問(wèn)題的過(guò)程中，問(wèn)題的特征不會(huì)發(fā)生改變；經(jīng)典的旅行商問(wèn)題（TSP）就屬于這種靜態(tài)組合優(yōu)化問(wèn)題；動(dòng)態(tài)問(wèn)題被定義為一些變量的函數(shù)，在進(jìn)行優(yōu)化過(guò)程中，變量的值由隱含系統(tǒng)動(dòng)態(tài)設(shè)置，即問(wèn)題本身在解決過(guò)程中也在不斷地發(fā)生變化，其典型的應(yīng)用為網(wǎng)絡(luò)路由問(wèn)題［叫2.7.1蟻群算法在靜態(tài)組合優(yōu)化中的應(yīng)用旅行商問(wèn)題旅行商問(wèn)題是蟻群優(yōu)化算法最先應(yīng)用解決的問(wèn)題，同時(shí)也是組合優(yōu)化研究中研究最多的NP-hard問(wèn)題之一。許多研究表明，相比于模擬退火法、遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、禁忌算法等，蟻群算法在解決旅行商問(wèn)題上具有一定的優(yōu)勢(shì)何。車間任務(wù)調(diào)度問(wèn)題(Job-shopSchedulingPToblem,JSP)JSP問(wèn)題是指已知一組M臺(tái)機(jī)器和一組T個(gè)任務(wù)，任務(wù)由一系列在機(jī)器上完成的操作序列完成。它既是實(shí)際生產(chǎn)中的一個(gè)重耍問(wèn)題，也是一個(gè)典型的NP-hard問(wèn)題卩2〕?；炝餮b配線卩習(xí)(sequencingmixedmodelsonanassemblyline,SMMAL)：混流裝配線是指在一定時(shí)間內(nèi)，在一條生產(chǎn)線上生產(chǎn)出多種不同型號(hào)的產(chǎn)品，產(chǎn)品的品種可以隨顧客需求的變化而變化，它是JSP的具體應(yīng)用之一；它可以在不增加庫(kù)存的條件下，實(shí)現(xiàn)產(chǎn)品的多樣化，滿足不同客戶的不同要求2。車輛路徑問(wèn)題(vehicleroutingproblem,VRP)車輛路徑問(wèn)題實(shí)際上就是指常見(jiàn)的物流配送優(yōu)化問(wèn)題一一給定客戶的具體地點(diǎn)、貨物需求，給定供應(yīng)商的可派送車輛及其運(yùn)載能力，最終實(shí)現(xiàn)以最少的車輛數(shù)目，最短的車倆總行程完成客戶的貨物配送的優(yōu)化問(wèn)題；針對(duì)這一常見(jiàn)的問(wèn)題，國(guó)內(nèi)外學(xué)者己經(jīng)取得了一定的研究成果，但是仿真模擬效果與實(shí)際生產(chǎn)生活應(yīng)用還有差距問(wèn)。2.7.2蟻群算法在動(dòng)態(tài)組合優(yōu)化中的應(yīng)用網(wǎng)絡(luò)路由選擇問(wèn)題(NetworkRoutingProblem,NRP)：該問(wèn)題是動(dòng)態(tài)組合優(yōu)化中最典型的例子。路由是網(wǎng)絡(luò)控制中最為關(guān)鍵的組件之一，它涉及到在網(wǎng)絡(luò)范圍內(nèi)，數(shù)據(jù)通信量的分配活動(dòng)，路由性能的優(yōu)劣，直接關(guān)系到網(wǎng)絡(luò)的性能；NRP問(wèn)題，就是要在網(wǎng)絡(luò)中尋找一條路徑，使其能夠滿足帶寬、吋延、吋延抖動(dòng)和費(fèi)用的限制；蟻群優(yōu)化算法最先是由schoonder-werd等人引入，用于解決網(wǎng)絡(luò)路由問(wèn)題，后來(lái)，意大利學(xué)者多里哥將蟻群算法應(yīng)用于擁塞規(guī)避路由的研究，以實(shí)現(xiàn)迅速地探索到兩點(diǎn)之間的最優(yōu)路徑，同時(shí)預(yù)測(cè)鏈路的擁塞狀況，并迅速尋找其他的路徑，分散流量，疏通擁塞冋。2.8小結(jié)闡述了基本蟻群算法的產(chǎn)生背景，介紹了基本蟻群算法的基本原理及其模型。以TSP作為例子，對(duì)蟻群算法進(jìn)行了詳細(xì)闡述，敘述了它的求解步驟，并以偽代碼的形式描述了其求解過(guò)程。簡(jiǎn)要地介紹了蟻群算法中的參數(shù)選取、性能評(píng)價(jià)指標(biāo)及其特點(diǎn)和應(yīng)用范圍。本章的出發(fā)點(diǎn)是研究螞蟻的行為特征，分析岀利用蟻群算法進(jìn)行尋優(yōu)的邏輯思路，隨后分析了基本蟻群算法在自組織、正反饋等方面的系統(tǒng)學(xué)特征。針對(duì)解決聚類問(wèn)題，討論自然界中螞蟻的行為特性，特別是覓食行為的特性，并對(duì)這些行為進(jìn)行分析，找出其在覓食過(guò)程中的內(nèi)在機(jī)制，與此同吋，對(duì)蟻群算法基本原理進(jìn)行詳細(xì)的闡述，并建立相應(yīng)的數(shù)學(xué)模型。針對(duì)其他專家學(xué)者在蟻群算法研究過(guò)程中所遇到的一些問(wèn)題，如參數(shù)選擇的隨機(jī)性等，介紹對(duì)算法影響較大的主要參數(shù)的一些選擇依據(jù)準(zhǔn)則和范圍，進(jìn)而為進(jìn)一步進(jìn)行數(shù)據(jù)聚類打下夯實(shí)的基礎(chǔ)。第3章初期診斷減速器中的主要零部件都是旋轉(zhuǎn)類零件，它們通過(guò)旋轉(zhuǎn)來(lái)傳遞機(jī)械運(yùn)動(dòng)。在這些旋轉(zhuǎn)件中，齒輪是其最核心的部分，它直接影響到設(shè)備能否正常工作運(yùn)行。同時(shí)，齒輪的運(yùn)行和其它旋轉(zhuǎn)和非旋轉(zhuǎn)零件有著一定的聯(lián)系，它是通過(guò)軸承（滾動(dòng)軸承或者滑動(dòng)軸承）支撐在軸承座以及機(jī)體上，構(gòu)成了轉(zhuǎn)子一一支撐系統(tǒng)?？傮w上說(shuō)，減速器的絕大多數(shù)機(jī)械故障都與轉(zhuǎn)子及其組件（軸承、齒輪）直接相關(guān),其它部位發(fā)現(xiàn)的故障較少。本章將首先介紹減速器的常見(jiàn)故障類型，然后在此基礎(chǔ)上，對(duì)其初期診斷進(jìn)行研究。3.1減速器常見(jiàn)故障類型介紹及其分析減速器的常見(jiàn)故障有齒輪損傷、軸承損壞、斷軸等。3.1.1齒輪損傷在機(jī)械傳動(dòng)設(shè)備中，由于齒輪的工作條件不同，齒輪的損壞形式也不盡相同,存在沖擊載荷的工況下，容易發(fā)牛輪齒折斷，轉(zhuǎn)速高的工況下，齒面易于磨損；存在有害介質(zhì)等情況下，齒面易發(fā)生腐蝕等。另外影響齒輪損傷的因素還主要包括材料選擇、尺寸設(shè)計(jì)計(jì)算、加工、熱處理等刪。一、齒面疲勞齒面疲勞的主要表現(xiàn)形式有齒面點(diǎn)蝕（早期點(diǎn)蝕和破壞性點(diǎn)蝕）和齒面剝落等；其中，導(dǎo)致齒面嚴(yán)重?fù)p傷，甚至?xí)斐奢嘄X斷裂的齒面疲勞表現(xiàn)形式是破壞性點(diǎn)蝕。參考文獻(xiàn)［9］中介紹了齒面疲勞的形成機(jī)理：輪齒在循環(huán)應(yīng)力（包扌舌接觸剪應(yīng)力在內(nèi)）的作用下，其表面或內(nèi)部會(huì)產(chǎn)生疲勞裂紋，隨著應(yīng)力的循環(huán)作用，疲勞裂紋進(jìn)一步擴(kuò)展，所引起的齒面損傷。如圖3.1、3.2和3.3所示，分別為齒面疲勞、齒面點(diǎn)蝕和齒面嚴(yán)重磨損。正確進(jìn)行齒輪強(qiáng)度計(jì)算，合理選擇材料，保證熱處理質(zhì)量，合理選擇配合精度，提高安裝精度，改善潤(rùn)滑條件等，是解決齒面疲勞的根本措施。

圖3.1齒面疲勞圖圖3.1齒面疲勞圖3.2齒面點(diǎn)蝕圖3.3齒面嚴(yán)重磨損 圖3.4輪齒折斷二、輪齒斷裂（斷齒）斷齒一般是由細(xì)微裂紋逐步擴(kuò)展而成。根據(jù)其形成的機(jī)理過(guò)程，可將斷齒分為疲勞折斷、過(guò)載斷齒（包括沖擊斷齒）以及隨機(jī)折斷等。參考文獻(xiàn)［9］介紹了輪齒斷裂的形成機(jī)理及其特征。當(dāng)輪齒上受到的作用力超過(guò)其材料的極限應(yīng)力的時(shí)候，齒輪上的疲勞裂紋就會(huì)迅速擴(kuò)展，軸承損壞、較大硬質(zhì)物體擠入嚙合部位、軸變彎曲、突然沖擊超載等情況都可能造成過(guò)載折斷，有時(shí)斷口處有平整的塑性變形，斷口處可拼合；從斷面處，可以通過(guò)仔細(xì)觀察發(fā)現(xiàn)其材料的缺陷，齒面精度低，輪齒根部未作精細(xì)處理等。如圖3.4所示即為輪齒折斷現(xiàn)彖。在設(shè)計(jì)過(guò)程中，應(yīng)當(dāng)考慮減速器在運(yùn)行過(guò)程中可能會(huì)出現(xiàn)過(guò)載等現(xiàn)象，釆取相應(yīng)的預(yù)防措施；安裝過(guò)程中也應(yīng)該注意防止碩界物進(jìn)入箱體內(nèi)以及箱體的變形。疲勞折斷發(fā)生的根本原因是輪齒在過(guò)高的交變應(yīng)力重復(fù)作用下，從危險(xiǎn)截面（如齒根）的疲勞源其實(shí)的疲勞裂紋不斷擴(kuò)展，造成輪齒剩余截面上的應(yīng)力超過(guò)其極限應(yīng)力，導(dǎo)致瞬時(shí)折斷；在疲勞折斷的發(fā)源處，是貝殼狀紋路擴(kuò)展到出發(fā)點(diǎn),并向外輻射；產(chǎn)生的原因是設(shè)計(jì)時(shí)對(duì)載荷的估計(jì)較低，材料選取不當(dāng)，齒輪精度過(guò)低，熱處理裂紋，磨削燒傷，齒根部位應(yīng)力集中等等；因此在設(shè)計(jì)階段，要充分考慮傳動(dòng)的動(dòng)載荷，優(yōu)選齒輪參數(shù)，正確選用材料和齒輪精度，充分保證加工精度，消除應(yīng)力集中等因素叫材料的缺陷、齒面點(diǎn)蝕或剝落、齒根等部位的應(yīng)力集中或者較大的硬質(zhì)異物進(jìn)入到捏合區(qū)都有可能造成隨機(jī)斷裂。三、膠合膠合是相互嚙合的齒面在捏何處的邊界膜受到破壞，導(dǎo)致接觸齒面金屬熔焊而撕落齒面上的金屬的現(xiàn)彖，如圖3.5所示。膠合故障很可能是由于潤(rùn)滑條件不好或有干涉而引起的，膠合產(chǎn)生的溝痕會(huì)對(duì)齒輪的繼續(xù)運(yùn)轉(zhuǎn)造成更大的損傷；適當(dāng)改善潤(rùn)滑條件和及吋排除干涉起因，調(diào)整傳動(dòng)件參數(shù)等措施，均可用于減輕或消除膠合現(xiàn)象。圖3.5齒輪膠合

四、齒面磨損齒輪傳動(dòng)中潤(rùn)滑不良、潤(rùn)滑油被污染或齒輪本身低質(zhì)量的熱處理等問(wèn)題都是造成磨損或劃痕的原因，齒而磨損的情況可分為粘著磨損、磨粒磨損、劃痕(一種很嚴(yán)重的磨粒磨損)和腐蝕磨損等。粘著磨損粘著磨損在很大程度上要受到潤(rùn)滑效果的影響，在低速、重載、高溫、齒面粗糙、潤(rùn)滑油供油不足或是潤(rùn)滑油粘度過(guò)低等情況下，齒輪表面的潤(rùn)滑油油膜極易遭到破壞，導(dǎo)致粘著磨損的發(fā)牛；如果齒輪表面有完整且有一定的厚度均勻的潤(rùn)滑油，就可以避免輪齒表面金屬之間的直接接觸，也就會(huì)降低磨損發(fā)生的幾率;隨著潤(rùn)滑油的粘度的升高，粘著磨損發(fā)生的概率就會(huì)相應(yīng)地降低。磨粒磨損與劃痕由于齒輪嚙合過(guò)程中，節(jié)圓處及其附近是滾動(dòng)接觸，在齒頂和齒根的位置是滑動(dòng)接觸，當(dāng)潤(rùn)滑油被污染或含有雜質(zhì)顆粒進(jìn)入以及在開(kāi)式齒輪傳動(dòng)中的外來(lái)砂礫或在磨損過(guò)程中產(chǎn)生的金屈磨屑，都可以產(chǎn)生磨粒磨損與劃痕；所以齒輪齒頂、齒根部摩擦與節(jié)圓部位相比更為嚴(yán)重。腐蝕磨損齒面損傷的產(chǎn)生與潤(rùn)滑油中的酸堿或水等化學(xué)成分與齒輪的齒面發(fā)生化學(xué)反應(yīng)有著直接的關(guān)系叫3.1.2軸承損壞軸承是減速器中最重要的零件。其工作失效將直接導(dǎo)致減速器的運(yùn)轉(zhuǎn)，嚴(yán)重時(shí)甚至?xí)?dǎo)致生產(chǎn)上其他更危險(xiǎn)的事故。由于交變載荷反復(fù)地作用在軸承的套圈與滾動(dòng)環(huán)的表面，以及安裝、潤(rùn)滑、維護(hù)等方面的原因，都會(huì)造成點(diǎn)蝕、裂紋、表面剝落等缺陷，導(dǎo)致軸承的工作失效最終使齒輪副的損壞［8］。據(jù)統(tǒng)計(jì)，造成軸承失效的各因素所占比例如下表3」所示，而且在實(shí)際生產(chǎn)生活中，70%的軸承不能達(dá)到預(yù)定的設(shè)計(jì)使用壽命。表3.1軸承失效因素比例失效因索WWW安裝不正確16%失效因索WWW安裝不正確16%潤(rùn)滑失效34%因此，軸承合理的選材、選型，保證充分潤(rùn)滑條件，嚴(yán)格按照安裝操作規(guī)范進(jìn)行安裝調(diào)試，加強(qiáng)對(duì)軸承運(yùn)轉(zhuǎn)的監(jiān)控是非常必要的。通常在減速器身上設(shè)置了軸承溫控報(bào)警點(diǎn)，對(duì)軸承異常高溫現(xiàn)象進(jìn)行監(jiān)控，同一箱體不同軸承之間的溫度差一般也不超過(guò)15°C[8]o3.1.3斷軸斷軸也是減速器最常見(jiàn)的重大故障之一。主要原因是軸在制造中沒(méi)有消除集中應(yīng)力，在過(guò)載或交變應(yīng)力作用下，超出了材料的疲勞極限所致；因而對(duì)軸上易產(chǎn)生應(yīng)力集中的部位，要改進(jìn)軸的結(jié)構(gòu)設(shè)計(jì)，提高軸頸變化處的光潔度；避免切削刀具的刀尖在圓角處留下痕跡；設(shè)計(jì)時(shí)，為了不影響軸的強(qiáng)度，應(yīng)該避免讓軸上的鍵槽，花鍵等結(jié)構(gòu)降低軸的強(qiáng)度；同時(shí)，保證相關(guān)零件的剛度，防止軸的變形，也是提高軸的可靠性的措施叫3.1.4故障分析我們將機(jī)械設(shè)備的功能失效，稱之為故障。機(jī)械設(shè)備的工作轉(zhuǎn)速發(fā)生變化，某些零部件的溫度，壓力，流量等出現(xiàn)異常狀況，產(chǎn)牛異常的振動(dòng)、噪聲等，都屬于故障的范疇。不同的故障原因，其表現(xiàn)出來(lái)的故障特征也不盡相同，故障診斷的基礎(chǔ)就是根據(jù)這些特征因素的差異表現(xiàn)，對(duì)設(shè)備進(jìn)行故障診斷。但是設(shè)備的故障通常都是由多種因素引起的，或者說(shuō)故障的特征并不是只表現(xiàn)為某個(gè)特征因素的異?；蜃兓?；因此，在進(jìn)行故障診斷時(shí)，需要對(duì)機(jī)械的運(yùn)行狀態(tài)進(jìn)行全方位的分析。由于減速器的零件的材料選擇、尺寸等方面的設(shè)計(jì)計(jì)算、加工、熱處理、潤(rùn)滑、安裝調(diào)試和使用維護(hù)等方面的原因，都會(huì)造成減速器屮的零部件出現(xiàn)問(wèn)題；減速器的常見(jiàn)故障來(lái)源及其主要原因如表3.2所示。表3.2減速器常見(jiàn)故障來(lái)源及其主要原因故陣米源 主要原因設(shè)計(jì)制造1.2.設(shè)計(jì)不當(dāng)，動(dòng)態(tài)特性不良結(jié)構(gòu)不合理，有應(yīng)力集中3.工作轉(zhuǎn)速接近或進(jìn)入臨界轉(zhuǎn)速區(qū)4.零部件加工制造精度個(gè)夠5.選材不正確，強(qiáng)度不夠安裝維修1.安裝不當(dāng)，零部件錯(cuò)位，預(yù)載荷大2.軸系對(duì)屮不良3.兒何參數(shù)（配合間隙、過(guò)盈量等）調(diào)整不當(dāng)4.安裝維修過(guò)程中破壞了原有的配合性質(zhì)和精度運(yùn)行操作1.性機(jī)器在非設(shè)計(jì)狀態(tài)下運(yùn)行（超速、超負(fù)荷等），改變了機(jī)器的工作特

潤(rùn)滑不良冷卻不良暖機(jī)不夠機(jī)器裂化回轉(zhuǎn)體局部損壞、脫落或產(chǎn)生裂紋零部件磨損、點(diǎn)蝕等配合性質(zhì)劣化，配合精度降低3.2減速器故障的初步診斷初步診斷是直接對(duì)數(shù)據(jù)進(jìn)行計(jì)算其有效值、哨度、峰峰值、欲度、脈沖、歪度等指標(biāo)，并相應(yīng)地以溫度計(jì)式的柱狀圖顯示均方根值、欲度指標(biāo)、歪度指標(biāo)等,以實(shí)現(xiàn)對(duì)減速器故障的初步判斷。一旦其中的指標(biāo)超過(guò)其相應(yīng)的警告閥值或報(bào)警閥值，系統(tǒng)將會(huì)自動(dòng)區(qū)分，并進(jìn)行的不同程度的預(yù)警報(bào)警，并分別在相應(yīng)的故障描述信息框內(nèi)顯示設(shè)備的運(yùn)行特征，在對(duì)策信息框中顯示相應(yīng)的提示信息，幫助操作人員進(jìn)行快速?zèng)Q策。3.2.1減速器故障特征分析減速器的頻率特點(diǎn)如圖3.6所示“叫軸頻及其高次諧波齒輪嚙合頻率及其高次諧波減速器的頻率特點(diǎn)以齒輪嚙合頻率及其諧波為載波頻率，齒輪所在軸轉(zhuǎn)頻及其倍頻為調(diào)制頻率的嚙合頻率邊頻帶減速器的頻率特點(diǎn)以齒輪固有頻率及其諧波為載波頻率，齒輪所在軸及其倍頻為調(diào)制頻率的邊頻帶以減速器固有頻率及其諧波頻率為載波頻率，齒輪所在軸及其倍頻為調(diào)制頻率的邊頻帶以外圈的各階固有頻率為載波頻率，產(chǎn)生剝落元件的通過(guò)頻率為調(diào)制頻率圖3.6減速器頻率特點(diǎn)減速器正常運(yùn)轉(zhuǎn)時(shí)，采集卡采集到的振動(dòng)信號(hào)基本上是平穩(wěn)信號(hào)，為各軸的轉(zhuǎn)動(dòng)頻率和齒輪的嚙合頻率。當(dāng)岀現(xiàn)故障狀況時(shí)，其振動(dòng)信號(hào)的頻率和幅值就會(huì)隨之發(fā)生變化，具體特征如下：1）穩(wěn)態(tài)性若故障狀況為齒輪均勻磨損，則對(duì)應(yīng)的信號(hào)特征的變化是幅值和振動(dòng)能量的變化。2） 周期平穩(wěn)性若故障狀況為齒輪點(diǎn)蝕、疲勞剝落、齒形誤差、安裝誤差、不平衡、不對(duì)中、軸彎曲等情況，則會(huì)出現(xiàn)有規(guī)律的沖擊、調(diào)制現(xiàn)象。3） 非周期性若故障狀況為齒輪或軸承出現(xiàn)嚴(yán)重故障，則信號(hào)就會(huì)變得無(wú)規(guī)律,且伴隨有沖擊、調(diào)制現(xiàn)彖。3.2.2傳統(tǒng)故障診斷方法簡(jiǎn)介首先介紹一些傳統(tǒng)的故障診斷方法，如圖3.7所示。參考文獻(xiàn)［8］簡(jiǎn)單地對(duì)這幾種診斷方法分別進(jìn)行介紹：圖3.7傳統(tǒng)故障診斷方法直接觀察法“聽(tīng)、摸、看、聞”是最先使用的故障診斷法，并一直沿用到現(xiàn)在，雖然在一些情況下仍然能夠起到準(zhǔn)確診斷的作用。但是，由于其對(duì)機(jī)械設(shè)備的信息來(lái)源的主觀性，因此受到很大的制約。振動(dòng)噪聲測(cè)定法振動(dòng)和噪聲是機(jī)械設(shè)備運(yùn)行過(guò)程中不可避免的現(xiàn)象，而且其中包含了大量的設(shè)備運(yùn)行狀態(tài)的信息一一振動(dòng)信號(hào)的強(qiáng)弱及其相關(guān)的頻率位置，都與設(shè)備的運(yùn)行狀態(tài)息息相關(guān)。例如在減速器屮，其齒輪的振動(dòng)頻率與其齒數(shù)、所在軸的轉(zhuǎn)速及與其相嚙合的齒輪的齒數(shù)有著密切的聯(lián)系；齒輪的振動(dòng)頻率就是齒輪的特征頻率，通過(guò)對(duì)齒輪振動(dòng)頻率處的振動(dòng)幅度的觀察，就可以了解齒輪的運(yùn)行狀態(tài)或者故障程度。無(wú)損檢測(cè)法無(wú)損檢測(cè)是無(wú)損檢驗(yàn)技術(shù)的一個(gè)衍生技術(shù)（或者說(shuō)衍生品），主要用于檢測(cè)由裂紋、砂眼、縮孔等缺陷造成的設(shè)備故障。其檢測(cè)手段主要包括超聲波、紅外線、X射線、丫射線、聲發(fā)射、磁粉探傷、滲透染色等。其局限性主要是某些如超聲波、射線等檢測(cè)手段不便在動(dòng)態(tài)下采用。磨損殘余物測(cè)定法該診斷方法是通過(guò)分析設(shè)備的潤(rùn)滑系統(tǒng)或液壓系統(tǒng)的循環(huán)油路中攜帶的金屬渣滓的成分、大小和數(shù)量進(jìn)行分析，確定出設(shè)備的磨損部位、程度和性質(zhì)，由此可以判斷出設(shè)備所處的工作狀態(tài)及相應(yīng)部位的磨損狀態(tài)。設(shè)備性能參數(shù)測(cè)定法設(shè)備的性能參數(shù)測(cè)定法是通過(guò)讀取設(shè)備顯示儀上的相關(guān)數(shù)據(jù)，對(duì)設(shè)備進(jìn)行運(yùn)行狀態(tài)監(jiān)測(cè)，主要是用于狀態(tài)監(jiān)測(cè)或者作為故障診斷的輔助手段。323初步診斷的實(shí)現(xiàn)過(guò)程肓接對(duì)數(shù)據(jù)進(jìn)行計(jì)算其有效值、峭度、峰峰值、欲度、脈沖、歪度等指標(biāo)，并相應(yīng)地以溫度計(jì)式的柱狀圖顯示均方根值、欲度指標(biāo)、歪度指標(biāo)等，以實(shí)現(xiàn)對(duì)減速器故障的初步判斷。一旦其中的指標(biāo)超過(guò)其相應(yīng)的警告閥值或報(bào)警閥值，系統(tǒng)將會(huì)自動(dòng)區(qū)分，并進(jìn)行的不同程度的預(yù)警報(bào)警。實(shí)踐表明：用振動(dòng)烈度的相對(duì)變化來(lái)表示設(shè)備的運(yùn)行狀態(tài)是一種比較準(zhǔn)確可靠的診斷方法，通常選取設(shè)備的正常運(yùn)行狀態(tài)作為基準(zhǔn)（參考值），在此基礎(chǔ)上都增大2.5倍，表明設(shè)備的運(yùn)行狀態(tài)已經(jīng)發(fā)生了比較大的變化，此時(shí)，設(shè)備可能還能繼續(xù)運(yùn)行，但是某些部位可能已經(jīng)處于不止常狀態(tài)，一旦設(shè)備的振動(dòng)烈度相對(duì)于正常運(yùn)行狀態(tài)增大了5倍，表明設(shè)備的故障狀況己經(jīng)到了非修不可的地步，如果不及時(shí)進(jìn)行故障處理，就有可能造成嚴(yán)重事故；該振動(dòng)烈度的相對(duì)變化與機(jī)器運(yùn)行狀態(tài)的關(guān)系常用于以振動(dòng)信號(hào)進(jìn)行故障診斷的判據(jù)冋。減速器故障診斷的初步實(shí)現(xiàn)可用如下步驟簡(jiǎn)單描述：1） 對(duì)通過(guò)傳感器釆集到的數(shù)據(jù)進(jìn)行歸一化處理，以避免不同量綱單位、不同數(shù)量級(jí)的數(shù)據(jù)或者特征量對(duì)診斷結(jié)果產(chǎn)生負(fù)面影響；2） 選擇用于故障診斷的特征量或者特征指標(biāo)（常用的判斷指標(biāo)有：振幅值指標(biāo)、波峰因數(shù)指標(biāo)、峭度指標(biāo)、欲度指標(biāo)等）；3） 根據(jù)選取的指標(biāo)，設(shè)置警告值和報(bào)警值；4） 計(jì)算根據(jù)步驟2所選定的某一個(gè)或幾個(gè)指標(biāo)，并根據(jù)步驟3所設(shè)置的警告值和報(bào)警值，對(duì)設(shè)備（減速器）的運(yùn)行狀態(tài)進(jìn)行初步診斷；5） 將上述診斷結(jié)果及其相應(yīng)的故障描述和對(duì)策消息顯示到減速器故障診斷系統(tǒng)的相應(yīng)的界面上。下面首先介紹簡(jiǎn)單歸一化處理：歸一化處理是為了避免不同量綱或不同數(shù)量級(jí)的數(shù)據(jù)對(duì)診斷結(jié)果產(chǎn)生消極影響。它的基木思路是：分別將不同量綱不同數(shù)量級(jí)的數(shù)據(jù)映射到0?1范圍內(nèi)，一方面可以實(shí)現(xiàn)不同量綱或不同數(shù)量級(jí)的影響，另一方面又可以加快數(shù)據(jù)處理速度，即提高了故障診斷的實(shí)時(shí)性。接下來(lái)介紹一下與設(shè)備（減速器）的磨損、點(diǎn)蝕等相關(guān)特征指標(biāo)。1?振幅值故障診斷中常用到的振動(dòng)特征值包括峰值P,均值A(chǔ)（對(duì)于簡(jiǎn)諧振動(dòng)為半個(gè)周期內(nèi)的平均值，對(duì)于沖擊振動(dòng)為絕對(duì)值處理后的平均值）以及均方根值（有效值）Pnns；這是一種最簡(jiǎn)單，最常用的簡(jiǎn)易診斷法，直接將檢測(cè)到的振動(dòng)信號(hào)的振值與判定標(biāo)準(zhǔn)中的基準(zhǔn)值進(jìn)行比較，做出診斷結(jié)果㈤峰值反映的是某一波形中的最大的峰值，因此適合于判斷故障信號(hào)的特征為瞬時(shí)沖擊的故障，比如點(diǎn)蝕損傷等；另外，峰值檢測(cè)也適用于在轉(zhuǎn)速低于300RPM的低轉(zhuǎn)速的情況下冋。均值所表征的故障信號(hào)的特征與峰值相似，但是比較平穩(wěn)，變化幅度較小，因此適用于轉(zhuǎn)速較高的情況下的故障診斷，可以與峰值互補(bǔ)使用。均方根值又稱為有效值，它的物理參數(shù)是速度（mm/s）,可用于判定機(jī)械狀態(tài)等級(jí)的振動(dòng)烈度指標(biāo)，圖3.8所示即為振動(dòng)烈度的檢測(cè)結(jié)果。郴：33故障指述-郴：33thereducerworkspeac^tullyl對(duì)甌信鳥(niǎo)?尸_ _th^rei$noneedIodoanyjobofFAULTDIAGNOSIS?圖3.8振動(dòng)烈度診斷圖中左側(cè)表示的是振動(dòng)烈度的實(shí)際檢測(cè)值，及其單位等信息；右側(cè)分別對(duì)設(shè)備（減速器）的運(yùn)行狀態(tài)及其對(duì)策信息進(jìn)行了播述。在減速器故障診斷系統(tǒng)中，用戶可以根據(jù)實(shí)際情況對(duì)振動(dòng)烈度的報(bào)警值和危險(xiǎn)值進(jìn)行設(shè)置，以方便不同的檢測(cè)機(jī)器部件，柱狀視圖也可以用不同的顏色來(lái)表示監(jiān)測(cè)部位的運(yùn)行狀態(tài)，綠色表示正常，黃色表示已經(jīng)處于警報(bào)狀態(tài)，需要對(duì)該部件進(jìn)行隨時(shí)監(jiān)測(cè)，以防出現(xiàn)重大故障，紅色則表示該部位己經(jīng)處于損壞狀態(tài)，應(yīng)盡快對(duì)其進(jìn)行處理。圖中表示該部件所處的運(yùn)行狀態(tài)為止常狀態(tài)。波峰因數(shù)診斷法波峰因數(shù)定義為峰值與均方根值Z比（P/P”），由于峰值p的不穩(wěn)定性，不同時(shí)刻的波峰因數(shù)也隨之發(fā)生變動(dòng)；當(dāng)齒輪無(wú)故障時(shí)，P/pn）ls的值比較小，且穩(wěn)定；如果齒輪出現(xiàn)故障，則測(cè)得的峰值P就會(huì)突然增大，而均方根值的變化并不明顯，所以波峰因數(shù)P/prms的變化也不明顯，隨著故障的進(jìn)一步發(fā)展，峰值也將進(jìn)一步増大，均方根值也隨Z增大，波峰因數(shù)P!Pnns,也隨Z減小到與正常運(yùn)行時(shí)的示值的大小；圖3.9所示為沖擊檢測(cè)結(jié)果。數(shù)據(jù)顯示報(bào)誓懂丁沖擊諭斷故障描述數(shù)據(jù)顯示報(bào)誓懂丁沖擊諭斷thereducerisonitswaytothebadrunningsituation!對(duì)策信息 ilneedtob$watchedinordertoavo泊someworsesituation^happening!圖3.9沖擊診斷界血圖中左側(cè)的表示的是沖擊診斷的數(shù)據(jù)顯示，右側(cè)分別顯示了此刻設(shè)備所處的運(yùn)行狀態(tài)，及其所對(duì)應(yīng)的對(duì)策信息。在減速器故障診斷系統(tǒng)中，用戶可以對(duì)沖擊診斷屮所對(duì)應(yīng)的報(bào)警值和危險(xiǎn)值分別進(jìn)行設(shè)置，以適應(yīng)不同的場(chǎng)合，柱狀視圖的表示與振動(dòng)烈度診斷過(guò)程中所表示的意義基本相同，即可以顯示讀數(shù)、并通過(guò)其顏色的變化區(qū)分設(shè)備的運(yùn)行狀態(tài)的不同。圖屮顯示設(shè)備已經(jīng)處于報(bào)警狀態(tài)，需要對(duì)其進(jìn)行嚴(yán)密的監(jiān)測(cè)，以免設(shè)備狀態(tài)突然發(fā)生惡化，造成事故。悄度指標(biāo)用峭度指標(biāo)進(jìn)行故障診斷，通常是通過(guò)對(duì)峭度指標(biāo)的概率密度曲線的分析來(lái)進(jìn)行診斷。設(shè)備正常運(yùn)行的狀態(tài)下，傳感器檢測(cè)到信號(hào)的振幅的概率密度曲線是服從正態(tài)分布的；其概率密度曲線會(huì)隨著信號(hào)的變化(故障信號(hào)的出現(xiàn))而出現(xiàn)偏斜或者分散的現(xiàn)象；峭度(kurtosis)是反映振動(dòng)信號(hào)分布特性的數(shù)值統(tǒng)計(jì)量，為歸一化的四階中心距：(3-1)J(兀⑴-汀P(x)dx(3-1)K=r 式中:x(t)CT4式中:x(t)X 振幅均值;p(x)__概率密度;(J 標(biāo)準(zhǔn)差。在正常運(yùn)行狀態(tài)下，從齒輪上檢測(cè)到的信號(hào)的振幅的概率密度曲線服從正態(tài)

分布，隨著減速器的不斷運(yùn)行，di肖度值在故障出現(xiàn)時(shí)增大，隨著故障程度的加深卻又逐漸降低，達(dá)到正常運(yùn)行時(shí)的值，采用這種方法進(jìn)行故障診斷，可以不受載荷和轉(zhuǎn)速的影響，因此比較適合與點(diǎn)蝕類故障的診斷冋。據(jù)參考文獻(xiàn)［1］介紹，使用峭度和有效值共同監(jiān)測(cè)齒輪的振動(dòng)情況，診斷準(zhǔn)確率可達(dá)到96%以上。沖擊脈沖的檢測(cè)也可以使用峭度指標(biāo)，其診斷示例圖如圖3.9所示；正常運(yùn)行狀態(tài)下，峭度值約為3,—旦山肖度值超過(guò)4,則說(shuō)明齒輪的運(yùn)行中出現(xiàn)了沖擊性振動(dòng)。欲度指標(biāo)欲度指標(biāo)是用于診斷機(jī)械設(shè)備是否存在磨損故障的指標(biāo)。它的計(jì)算公式如下：「_rms (3-2)式中：C，——表示欲度指標(biāo)；pnns——表示均方根值；A——表示平均值。在不存在摩擦碰撞的情況下，使用渦流傳感器測(cè)得的信號(hào)的平均值，反映了機(jī)械設(shè)備的磨損量情況。均方根值與平均值的比值增大，則說(shuō)明磨損導(dǎo)致的間隙增大，均方根值代舟比平均值A(chǔ)增加的快，則裕度指標(biāo)將會(huì)增大。圖3.10為磨損診斷的一個(gè)結(jié)果。危險(xiǎn)值|—報(bào)警九潘?確映數(shù).危險(xiǎn)值|—報(bào)警九潘?確映數(shù).38故障描述 1hereducerisworkingbadly!alarming!!!ithavetoberepaired!!!oritmayleadtoaccident!!!圖3.10磨損診斷界面圖中左側(cè)的表示的是磨損診斷的數(shù)據(jù)顯示，右側(cè)分別顯示了此刻設(shè)備所處的運(yùn)行狀態(tài)，及其所對(duì)應(yīng)的對(duì)策信息。在減速器故障診斷系統(tǒng)中，用戶也可以對(duì)磨損診斷中所對(duì)應(yīng)的報(bào)警值和危險(xiǎn)值分別進(jìn)行設(shè)置，以適應(yīng)不同的零部件，柱狀視圖的表示與前而所介紹的振動(dòng)烈度和沖擊診斷過(guò)程中所表示的意義基本相同，即可以顯示讀數(shù)、并通過(guò)其顏色的變化區(qū)分設(shè)備的運(yùn)行狀態(tài)的不同。圖中顯示設(shè)備已經(jīng)處于危險(xiǎn)狀態(tài)，必須立即對(duì)其進(jìn)行維修，以免造成更嚴(yán)重的后果，甚至導(dǎo)致停產(chǎn)。3.3小結(jié)本章在簡(jiǎn)要介紹減速器常見(jiàn)故障的基礎(chǔ)上，分析了其產(chǎn)生的原因，并著重對(duì)減速器的初期故障診斷的振動(dòng)烈度、沖擊故障、磨損故障等進(jìn)行了深入研究，并應(yīng)用到了減速器故障診斷系統(tǒng)屮，以便于工作人員對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，實(shí)現(xiàn)對(duì)故障的初步診斷。第4章基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷N(神經(jīng)網(wǎng)路)是為了模擬大腦的基木特性，在牛物神經(jīng)科學(xué)研究的基礎(chǔ)上，所提出的一種仿生模型，它的基本組成單元是神經(jīng)元，神經(jīng)元具有處理功能，因此也稱之為處理單元，神經(jīng)網(wǎng)絡(luò)是由這些神經(jīng)單元相互連接構(gòu)成的一種網(wǎng)絡(luò)結(jié)構(gòu)；是對(duì)生物神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象、簡(jiǎn)化和模擬，它并不能完全地反映大腦的各項(xiàng)功能。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的信息處理單元，通過(guò)神經(jīng)元的相互作用，最終完成對(duì)信息的處理。4.1神經(jīng)元模型神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基木處理單元，一般表現(xiàn)為一個(gè)多輸入、單輸出的非線性器件，通用的結(jié)構(gòu)模型如圖4」所示。圖4.1神經(jīng)元結(jié)構(gòu)模型神經(jīng)元模型常用一階微分方程來(lái)描述，它可以模擬牛物神經(jīng)網(wǎng)絡(luò)突觸膜電位隨吋間變化的規(guī)律：|〉|%=□“(/)+wxJ擊i口UJi (4-1)⑴］式中：?jiǎn)帷窠?jīng)元i的內(nèi)部狀態(tài)；L-——閥值；

Xj第Xj第4章基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷輸入信號(hào);Wjj一一與神經(jīng)元勺連接的權(quán)值；?——某一外部輸入的控制信號(hào)。神經(jīng)元的輸岀由函數(shù)/?表示，一般利用以下函數(shù)表達(dá)式來(lái)表現(xiàn)網(wǎng)絡(luò)的非線性特征：/(?)=?(2)分段線性型'fO\1(1)閥值型ui￡0 (4-2)Uj<0w,8u2/(wz)=\aUj+bUj80<u2 (4-3)"0 Uj<W|(3)S型函數(shù)/(?)= ] (4-4)'1+expS其中c為常數(shù)。S型函數(shù)反映了神經(jīng)元的飽和特性，由于其函數(shù)連續(xù)可導(dǎo)，調(diào)節(jié)曲線的參數(shù)可以得到類似閥值函數(shù)的功能，因此，該函數(shù)被廣泛應(yīng)用于徐達(dá)神經(jīng)元的輸岀特性中叫4.2BP網(wǎng)絡(luò)設(shè)計(jì)目前在故障診斷領(lǐng)域內(nèi)應(yīng)用比較廣泛的神經(jīng)網(wǎng)絡(luò)主要是BP神經(jīng)網(wǎng)絡(luò)，它是一種有教師型的學(xué)習(xí)算法，具有良好的推廣前景。BP網(wǎng)絡(luò)采用的是后向傳播學(xué)習(xí)算法，即BP學(xué)習(xí)算法，是一種多層前饋神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)是前向網(wǎng)絡(luò)的核心部分，它在實(shí)際生產(chǎn)中獲得了非常廣泛的應(yīng)用叫圖4.2所示為對(duì)傳感器采集到的數(shù)據(jù)進(jìn)行處理、分析的基礎(chǔ)上，建立的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖。由圖可知：BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)通常都是三層(或者三層以上),可以分為輸入層、中間層(隱層)和輸出層；層與層之間的聯(lián)系規(guī)律為：相鄰兩層之間的連接方式是全連接，同層或者隔層的神經(jīng)元之間不發(fā)生連接；

通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)輸入一組訓(xùn)練學(xué)習(xí)樣本，輸出層的各個(gè)神經(jīng)元就可以獲得相應(yīng)的網(wǎng)絡(luò)輸出響應(yīng)，在這個(gè)過(guò)程中，神經(jīng)元的激活值需要在中間層逐層地傳播，同時(shí)，為了減少目標(biāo)輸出謀差，神經(jīng)元又從輸出層開(kāi)始向輸入層逐層傳播，特征向量1特征向量1特征向量2特征向量3故障類型1故障類型2故障類型3故障類型4隱層圖4.2BP網(wǎng)絡(luò)結(jié)構(gòu)同時(shí)完成對(duì)各連接權(quán)值的修正，根據(jù)其將誤差的逆向傳播的特征，將此算法稱之為“誤差逆?zhèn)鞑ニ惴ā?，即BP算法；經(jīng)過(guò)多次地對(duì)連接權(quán)值進(jìn)行修正，不斷地提高神經(jīng)網(wǎng)絡(luò)對(duì)輸入數(shù)據(jù)的響應(yīng)的正確率何。4.2.1輸入和輸出層的設(shè)計(jì)輸入輸岀層的設(shè)計(jì)為了確定輸入層的神經(jīng)元個(gè)數(shù)，需要對(duì)實(shí)際問(wèn)題進(jìn)行分析，并根據(jù)已知條件的數(shù)據(jù)格式來(lái)確定，也可以根據(jù)問(wèn)題的精度等要求來(lái)確定。在本課題中，需要對(duì)已經(jīng)采集到的減速器的振動(dòng)等信號(hào)數(shù)據(jù)進(jìn)行聚類分析，因此，針對(duì)已知的數(shù)據(jù)，以及根據(jù)以往的經(jīng)驗(yàn)和知識(shí)等對(duì)其進(jìn)行的分析診斷，可以得出減速器故障診斷系統(tǒng)對(duì)神經(jīng)網(wǎng)絡(luò)的輸出要求一一故障類型的個(gè)數(shù)即為木課題所要建立的基于BP神經(jīng)網(wǎng)絡(luò)的分類器的輸出層的元素個(gè)數(shù)。通過(guò)對(duì)數(shù)據(jù)樣本的分析可以得出，輸出層的元素個(gè)數(shù)為4個(gè)。（2）隱層的設(shè)計(jì)三層BP網(wǎng)絡(luò)是大多數(shù)閉區(qū)間內(nèi)的用于逼近連續(xù)函數(shù)一一斤維到加維的映射的常用模型結(jié)構(gòu)。隱層的神經(jīng)元數(shù)目選擇是網(wǎng)絡(luò)設(shè)計(jì)中一個(gè)非常復(fù)雜的問(wèn)題，往往需要根據(jù)經(jīng)驗(yàn)和多次的仿真試驗(yàn)來(lái)最終確定，不存在所謂的最理想的解析表達(dá)式；隱層單元數(shù)目與問(wèn)題的要求、輸入/輸出單元的數(shù)目之間具有一定的相互關(guān)系；根據(jù)以往的經(jīng)驗(yàn)發(fā)現(xiàn)，隱層單元數(shù)目不是越多越好，越多會(huì)導(dǎo)致學(xué)習(xí)時(shí)間過(guò)長(zhǎng)、誤差結(jié)果不理想，因此，根據(jù)前人的研究經(jīng)驗(yàn)基礎(chǔ)發(fā)現(xiàn)了以下三個(gè)公式，用于選擇最佳隱層單元數(shù)目確定［⑹。公式1：&C3/=0(4-5)式中：k 樣本數(shù)；77,——隱層單元數(shù)目；H一一輸入單元數(shù)目。如果i>n,C=0；1耳公式2：式中：加一一輸入神經(jīng)元數(shù)目；n 輸入單兀數(shù)；a——［0,10］之間的常數(shù)。公式3：(4-6)式中：n 輸入單兀數(shù)。n}=log2n(4-7)422網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)BP網(wǎng)絡(luò)模型結(jié)構(gòu)的確定有兩個(gè)比較更要的指導(dǎo)原則：（1） 對(duì)于一般的數(shù)據(jù)聚類問(wèn)題，應(yīng)用三層網(wǎng)絡(luò)結(jié)構(gòu)就能夠很好地解決；（2） 三層網(wǎng)絡(luò)結(jié)構(gòu)的中間層（隱含層）神經(jīng)元個(gè)數(shù)勺和輸入層神經(jīng)元個(gè)數(shù)4之間有以下近似關(guān)系：n2—2n{4-1 （4-8）由此，即可初步確定網(wǎng)絡(luò)的神經(jīng)元的個(gè)數(shù)。但是隱含層的神經(jīng)元的個(gè)數(shù)并不是固定不變的，需要經(jīng)過(guò)實(shí)踐訓(xùn)練的檢驗(yàn)來(lái)不斷調(diào)整何。4.3故障診斷與神經(jīng)網(wǎng)絡(luò)減速器的故障診斷，實(shí)質(zhì)上是對(duì)減速器在運(yùn)行過(guò)程屮的狀態(tài)的監(jiān)測(cè)和分析，對(duì)各零部件的安全性進(jìn)行評(píng)價(jià)，確定減速器或其部件的狀態(tài)（正?；蛘吖收希缙诠收系淖R(shí)別，安全程度的評(píng)價(jià)，對(duì)出現(xiàn)的各種不同故障類型提出相應(yīng)的故障對(duì)策信息。機(jī)械設(shè)備的故障診斷是一個(gè)復(fù)雜的過(guò)程，尤其是隨著現(xiàn)代化技術(shù)的不斷發(fā)展,機(jī)械設(shè)備的變化也日新月異，不斷呈現(xiàn)出自動(dòng)化、復(fù)雜化等趨勢(shì)，其運(yùn)行過(guò)程中，零部件之間的關(guān)聯(lián)性也逐漸增強(qiáng)，因此利用檢測(cè)技術(shù)所采集到的信號(hào)也變得更復(fù)雜了。為了能夠迅速、準(zhǔn)確地獲得設(shè)備的運(yùn)行狀態(tài)，就必須依靠更先進(jìn)的檢測(cè)設(shè)備，以及對(duì)設(shè)備運(yùn)行狀態(tài)的進(jìn)一步的深入分析，完成對(duì)生產(chǎn)系統(tǒng)的監(jiān)測(cè)和診斷。自適應(yīng)是神經(jīng)網(wǎng)絡(luò)的一個(gè)重要特征，可以應(yīng)用于模式識(shí)別，而且它不需要經(jīng)驗(yàn)知識(shí)或者是判別函數(shù)，而是通過(guò)自身的學(xué)習(xí)機(jī)制自主生成的一套決策方法；其特性有其自身的拓?fù)浣Y(jié)構(gòu)、神經(jīng)元特性、學(xué)習(xí)和訓(xùn)練規(guī)則所決定，它通過(guò)對(duì)所有現(xiàn)有的信息進(jìn)行處理和訓(xùn)練，從而獲得最終的映射關(guān)系冋。木章以單隱層BP神經(jīng)網(wǎng)絡(luò)為例，將其應(yīng)用于減速器的故障診斷；其中，網(wǎng)絡(luò)的輸入節(jié)點(diǎn)對(duì)應(yīng)著所選擇的從減速器中采集到的信號(hào)特征數(shù)目，輸出節(jié)點(diǎn)對(duì)應(yīng)著故障類別，首先利用一組故障數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，搜索確定網(wǎng)路的結(jié)構(gòu)（中間層的傳遞函數(shù)）和參數(shù)（神經(jīng)元之間的連接權(quán)值和閥值）；神經(jīng)網(wǎng)絡(luò)的故障訓(xùn)練過(guò)程，就是故障數(shù)據(jù)的聚類過(guò)程，神經(jīng)網(wǎng)絡(luò)通過(guò)訓(xùn)練，實(shí)現(xiàn)信號(hào)特征到故障類別的非線性映射的過(guò)程。

4?3?1診斷模型的框架結(jié)構(gòu)基于神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)的結(jié)構(gòu)如圖4.3所示：診斷原始數(shù)據(jù)訓(xùn)練樣本數(shù)據(jù)診斷結(jié)果診斷原始數(shù)據(jù)訓(xùn)練樣本數(shù)據(jù)診斷結(jié)果圖中，基于神經(jīng)網(wǎng)路的故障診斷可以分為兩部分：第一部分：訓(xùn)練部分。通過(guò)對(duì)訓(xùn)練數(shù)據(jù)樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到理想的診斷網(wǎng)絡(luò)結(jié)構(gòu)；第二部分:實(shí)際測(cè)試部分；通過(guò)已經(jīng)完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)對(duì)現(xiàn)有的故障信號(hào)進(jìn)行診斷（測(cè)試）；在訓(xùn)練和實(shí)際診斷（或測(cè)試）的過(guò)程開(kāi)始之前，通常需要對(duì)采集到的數(shù)據(jù)信號(hào)進(jìn)行處理，包括預(yù)處理和特征提取等，以方便于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)輸入,以此來(lái)盡可能地提高神經(jīng)網(wǎng)絡(luò)的故障診斷性能，提高診斷效率和準(zhǔn)確率何。利用BP神經(jīng)網(wǎng)絡(luò)算法模型進(jìn)行故障診斷主要如下幾個(gè)方面。（1） 網(wǎng)絡(luò)結(jié)構(gòu)和規(guī)模網(wǎng)絡(luò)結(jié)構(gòu)和規(guī)模的合理性對(duì)故障診斷的速度和性能影響很大，尤其是網(wǎng)絡(luò)中間層神經(jīng)元個(gè)數(shù)的選擇，是決定神經(jīng)網(wǎng)絡(luò)性能的關(guān)鍵因素。（2） 訓(xùn)練樣本和測(cè)試樣本訓(xùn)練樣本用于對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，而測(cè)試樣本則用于對(duì)訓(xùn)練結(jié)果進(jìn)行檢驗(yàn)，確定網(wǎng)絡(luò)的正確性。一般來(lái)說(shuō)，訓(xùn)練樣本要具有普遍性，以全面的顯示減速器或其他設(shè)備的所有故障類型，避免故障類型的缺漏給后續(xù)的診斷工作造成不必要的麻煩。（3）經(jīng)過(guò)故障訓(xùn)練樣木對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并通過(guò)測(cè)試樣木的網(wǎng)絡(luò)結(jié)構(gòu)，即為神經(jīng)網(wǎng)絡(luò)故障診斷的故障知識(shí)庫(kù)何。4.3.2模型的構(gòu)建根據(jù)上一節(jié)中對(duì)結(jié)構(gòu)模型的構(gòu)建步驟的闡述，結(jié)合故障診斷的實(shí)際需要，將故障診斷模型的建立步驟具體介紹如下，其流程圖如圖4.4所示。

訓(xùn)練學(xué)習(xí)樣本1）網(wǎng)絡(luò)的創(chuàng)建在本課題中，需要對(duì)已經(jīng)采集到的減速器的振動(dòng)等信號(hào)數(shù)據(jù)進(jìn)行聚類分析，因此，針對(duì)己知的數(shù)據(jù)，以及根據(jù)以往的經(jīng)驗(yàn)和知識(shí)等對(duì)其進(jìn)行的分析診斷，可以得出減速器故障診斷系統(tǒng)對(duì)神經(jīng)網(wǎng)絡(luò)的輸出要求一一故障類型的個(gè)數(shù)即為本課題所耍建立的基于BP神經(jīng)網(wǎng)絡(luò)的分類器的輸出層的元素個(gè)數(shù)。相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)的輸入層元素的個(gè)數(shù)需要根據(jù)對(duì)數(shù)據(jù)樣本本身進(jìn)行分析,其中最重要的是對(duì)數(shù)據(jù)的屬性的分析。通常所采取的方式是，根據(jù)數(shù)據(jù)的屬性個(gè)數(shù)來(lái)確定。通過(guò)對(duì)數(shù)據(jù)樣木的分析，根據(jù)式（4?5）?（4-8）等進(jìn)行計(jì)算，可以將神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)如下：網(wǎng)絡(luò)的輸入層的神經(jīng)元個(gè)數(shù)確定為3,輸出層的神經(jīng)元個(gè)數(shù)確定為4,隱含層神經(jīng)元個(gè)數(shù)初選為7,由于網(wǎng)絡(luò)的性能不能夠一次性就確定，網(wǎng)絡(luò)隱含層的神經(jīng)元個(gè)數(shù)等參數(shù)，通常都是先根據(jù)經(jīng)驗(yàn)公式初步確定，再對(duì)其經(jīng)過(guò)多次的試驗(yàn)來(lái)最終隱含層神經(jīng)元個(gè)數(shù)。但是，由于BP網(wǎng)絡(luò)的學(xué)習(xí)速度在整個(gè)計(jì)算過(guò)程中是保持不變的，因此訓(xùn)練時(shí)間長(zhǎng)，尤其是在待解決的問(wèn)題比較復(fù)雜的時(shí)候，表現(xiàn)的更明顯〔⑹。應(yīng)用matlab函數(shù)，實(shí)現(xiàn)對(duì)該網(wǎng)絡(luò)模型的設(shè)計(jì)。隱含層神經(jīng)元的傳遞函數(shù)采用線性傳遞函數(shù)purelin,由于輸出采用的是0?1方式，為了滿足網(wǎng)絡(luò)的輸出要求，所以輸出層神經(jīng)元傳遞函數(shù)采用S型對(duì)數(shù)函數(shù)logsigo2） 網(wǎng)絡(luò)的訓(xùn)練為了滿足診斷的要求，提高診斷準(zhǔn)確率，必須通過(guò)不斷地試驗(yàn)，修正網(wǎng)絡(luò)的閥值和權(quán)值，需要對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練函數(shù)是trainlm,通過(guò)利用levenberg-marquardt算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練〔⑹。訓(xùn)練過(guò)程中可以對(duì)訓(xùn)練的次數(shù)、目標(biāo)以及學(xué)習(xí)速率進(jìn)行設(shè)置。具體的訓(xùn)練過(guò)程將在接下來(lái)的實(shí)例分析部分具體介紹。3） 網(wǎng)絡(luò)的測(cè)試通過(guò)檢測(cè)樣本數(shù)據(jù)對(duì)達(dá)到訓(xùn)練目標(biāo)的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行測(cè)試，以檢驗(yàn)其是否符合預(yù)期要求。4.3.3實(shí)例分析網(wǎng)絡(luò)的建立并不能僅僅通過(guò)上述步驟就可以完成，它還需要不斷的修正和調(diào)整權(quán)值和閥值，最終達(dá)到使得網(wǎng)絡(luò)的輸出誤差達(dá)到最小這一冃標(biāo)，滿足時(shí)間應(yīng)用要求，這就需耍對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。由于神經(jīng)網(wǎng)絡(luò)輸出結(jié)果的好壞對(duì)數(shù)據(jù)的質(zhì)量具有相當(dāng)?shù)囊蕾囆?，同時(shí)由于數(shù)據(jù)采集過(guò)程中不可避免地會(huì)夾雜有噪聲信號(hào)，因此數(shù)據(jù)的預(yù)處理就成為了診斷過(guò)程的重要步驟。根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)的需要對(duì)采集到的減速器數(shù)據(jù)進(jìn)行一系列的處理，包括條件屬性的確定、檢查數(shù)據(jù)異常等，提高診斷質(zhì)量何。故障診斷是通過(guò)對(duì)采集到的數(shù)據(jù)進(jìn)行分析聚類來(lái)判斷的，因此數(shù)據(jù)的性能在很大程度上會(huì)對(duì)聚類結(jié)果（即是，診斷結(jié)果）產(chǎn)生影響。在實(shí)際應(yīng)用過(guò)程中，采集到的數(shù)據(jù)常會(huì)受到噪聲干擾，為了提高診斷結(jié)果的準(zhǔn)確率，必須對(duì)數(shù)據(jù)進(jìn)行預(yù)處理【21】。初始值對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)訓(xùn)練等起著非常重要的作用，且通常都要求權(quán)值要取偏小的隨機(jī)數(shù)，同時(shí)為了使大的輸入值能夠處于傳遞函數(shù)梯度大的位置，需耍對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。如果數(shù)據(jù)的單位和量級(jí)互不相同，就需要進(jìn)行歸一化處理。根據(jù)故障診斷過(guò)程中，BP神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的要求，不同故障類型所對(duì)應(yīng)的特征量（特征信號(hào)）的差異性，對(duì)通過(guò)傳感器釆集到的數(shù)據(jù)進(jìn)行去除干擾項(xiàng)處理、特征量的選取，并將采集到的數(shù)據(jù)進(jìn)行歸一化處理，最后再采用最終經(jīng)過(guò)一系列預(yù)處理所得到數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)。部分?jǐn)?shù)據(jù)如表4」所示。表4.1訓(xùn)練數(shù)據(jù)序號(hào)數(shù)據(jù)10.72731.00000.800020.76361.00000.800030.69091.00000.800040.72731.00000.760050.72730.90000.800060.54551.00000.800070.59090.90000.800080.63640.80000.800090.65451.00000.7600100.72731.00001.0000111.00001.00000.8000將表4.1中的數(shù)據(jù)作為基于神經(jīng)網(wǎng)絡(luò)的故障診斷模型的輸入學(xué)習(xí)樣本，對(duì)所建立的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。分別將訓(xùn)練過(guò)程中的目標(biāo)參數(shù)設(shè)置為0.01和0.001,以進(jìn)行比較。網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練性能如圖4.5所示。圖（a）的目標(biāo)參數(shù)為0.01,圖（b）的目標(biāo)參數(shù)為0.001o（a） （b）圖4.5訓(xùn)練性能通過(guò)對(duì)比圖4.5中的（a）和（b）兩個(gè)性能圖可以發(fā)現(xiàn)，訓(xùn)練目標(biāo)為0.001的訓(xùn)練次數(shù)僅比訓(xùn)練目標(biāo)為0.01的多13次，而性能指標(biāo)卻上升了一個(gè)數(shù)量級(jí)，由此可見(jiàn)，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化能夠較好地實(shí)現(xiàn)對(duì)結(jié)果的性能進(jìn)行提升，因此基于神經(jīng)網(wǎng)絡(luò)建立的模型在提高訓(xùn)練性能方面的能力上有著比較好的應(yīng)用前景。完成對(duì)模型的訓(xùn)練之后，接著就需要對(duì)網(wǎng)絡(luò)模型進(jìn)行檢驗(yàn)測(cè)試，確認(rèn)模型在故障診斷中的實(shí)際效果，為進(jìn)一步的工程應(yīng)用提供更加有力的佐證。為了便于實(shí)現(xiàn)對(duì)模型結(jié)構(gòu)的分析，在檢驗(yàn)測(cè)試過(guò)程中，用相同的檢驗(yàn)數(shù)據(jù)樣本同吋對(duì)上述兩個(gè)模型進(jìn)行檢測(cè)，以期實(shí)現(xiàn)比較。經(jīng)過(guò)去除干擾項(xiàng)和歸一化等處理的檢騎數(shù)據(jù)樣本如表4.2所示。

表4.2測(cè)試數(shù)據(jù)測(cè)試數(shù)據(jù)10.76191.00000.913020.76191.00000.782630.70481.00000.782640.76191.00001.000051.00001.00000.7826表4.3測(cè)試結(jié)果序號(hào)測(cè)試結(jié)果序號(hào)測(cè)試結(jié)果10.9062,?0.1447,0.5672,0.085710.9971,0.1632,0.8783,0.020620.9092,-0.1018,0.0261,0.050220.9976,-0.0573,-0.0370,0.015230.7850,0.2332,0.0136,?0.006030.9868,0.0892,-0.0202,-0.004240.1632,0.0793,0.9321,0.03184?0.4503,0.1946,0.9959,0.03035049250007500292.0.969650?2235「0?2343「0?1952.0.9900測(cè)試結(jié)果如表4.3所示。由上表屮的測(cè)試結(jié)果可以看出，訓(xùn)練目標(biāo)為0.001的診斷模型，出現(xiàn)了20%的明顯的誤診，診斷準(zhǔn)確率比較低；而訓(xùn)練目標(biāo)為0.01的模型屮沒(méi)有出現(xiàn)明顯的誤診，然而盡管沒(méi)有出現(xiàn)誤診，對(duì)于第一組測(cè)試數(shù)據(jù)樣本的診斷結(jié)果，存在著一定的模糊成分，為了避免潛在的誤診情況的發(fā)生，需要進(jìn)一步的診斷，以確定設(shè)備最終的設(shè)備運(yùn)行狀態(tài)。通過(guò)分析上述結(jié)果，可以發(fā)現(xiàn)，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，準(zhǔn)確率存在著一定的不確定性，需要進(jìn)行更多次的試驗(yàn)，才能夠確定一個(gè)比較好的模型結(jié)構(gòu)參數(shù)組合；同時(shí)，根據(jù)前面對(duì)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的研究，可以看出，網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練過(guò)程，實(shí)質(zhì)上是將其連接權(quán)值收斂到某個(gè)特定值的組合的過(guò)程，并不能確定其最優(yōu)性；而且根據(jù)檢測(cè)結(jié)果的比較，可知即便是在訓(xùn)練過(guò)程中提高了訓(xùn)練目標(biāo)的要求，也未能夠提高診斷的準(zhǔn)確率，因此說(shuō)明診斷口標(biāo)的設(shè)置與故障診斷模型的實(shí)際診斷性能并不是成線性關(guān)系。4.4小結(jié)木章在對(duì)神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行了闡述的基礎(chǔ)上，結(jié)合大量的數(shù)據(jù)試驗(yàn)對(duì)其參數(shù)設(shè)置進(jìn)行了深入的分析，確定了基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型的結(jié)構(gòu)參數(shù)：根據(jù)所選擇的數(shù)據(jù)的特征量的數(shù)目將網(wǎng)絡(luò)結(jié)構(gòu)輸入層的神經(jīng)元個(gè)數(shù)確定為3個(gè)。將網(wǎng)絡(luò)結(jié)構(gòu)的輸出層的神經(jīng)元個(gè)數(shù)設(shè)置為故障類型的數(shù)目4個(gè)。通過(guò)試驗(yàn)確定了隱含層的神經(jīng)元個(gè)數(shù)。最后，應(yīng)用部分測(cè)試數(shù)據(jù)對(duì)該診斷模型進(jìn)行了測(cè)試，分析比較了設(shè)置不同訓(xùn)練目標(biāo)對(duì)診斷檢測(cè)結(jié)果的影響。第5章蟻群算法在故障診斷中的應(yīng)用減速器運(yùn)行一段時(shí)間后，齒輪發(fā)生的故障主要與齒輪的熱處理質(zhì)量及運(yùn)行潤(rùn)滑條件有關(guān)，也可能與設(shè)計(jì)不當(dāng)或制造誤差或裝配不良有關(guān)。根據(jù)齒輪損傷的產(chǎn)生機(jī)理、過(guò)程及其形貌特征，據(jù)參考文獻(xiàn)［8］可將齒輪故障的形式分為輪齒折斷、齒面疲勞、齒面磨損及劃痕、塑性變形等四種；據(jù)統(tǒng)計(jì)：上述齒輪故障類型發(fā)牛的概率如下：輪齒斷裂41%,齒面疲勞31%,齒面磨損10%,齒面劃痕10%,其他故障如塑性變形、化學(xué)腐蝕、異物嵌入等8%o齒輪損傷故障類型及其特征已在第3章詳細(xì)介紹，下面將介紹其故障診斷方法的具體介紹。5.1蟻群算法的應(yīng)用基礎(chǔ)在減速器的故障診斷過(guò)程中，為了提高診斷的準(zhǔn)確率，常將智能算法或技術(shù)應(yīng)用于特征值法故障診斷，即先根據(jù)智能算法的基木原理建立診斷模型，然后把傳感器測(cè)得的數(shù)據(jù)作為診斷模型的學(xué)習(xí)樣本，選取適當(dāng)?shù)哪Ｐ徒Y(jié)構(gòu)和參數(shù)進(jìn)行訓(xùn)練學(xué)習(xí)，以得到適合于減速器故障診斷的診斷模型。應(yīng)用智能算法或技術(shù)進(jìn)行故障診斷的主要步驟有：根據(jù)要求選取學(xué)習(xí)樣本、分析問(wèn)題的題設(shè)和樣本數(shù)據(jù)特征、構(gòu)造故障診斷模型、選擇合理的算法和參數(shù)組合。算法，作為智能技術(shù)的核心內(nèi)容，直接關(guān)系到整個(gè)模型在故障診斷過(guò)程中的訓(xùn)練學(xué)習(xí)與診斷的效率；神經(jīng)網(wǎng)絡(luò)中的BP算法比較簡(jiǎn)單，而且在故障診斷的應(yīng)用方面已經(jīng)去得了較好的應(yīng)用效果，但是同時(shí)也存在一些缺點(diǎn)，女小收斂速度慢,容易陷入局部極小點(diǎn)等；在神經(jīng)網(wǎng)絡(luò)的應(yīng)用過(guò)程屮，隱層節(jié)點(diǎn)的數(shù)量、步長(zhǎng)的選擇、樣本的預(yù)處理、網(wǎng)絡(luò)初始權(quán)值的選擇等因素都將影響其最終結(jié)果；同時(shí)，學(xué)習(xí)樣本也對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建起著非常重要的作用；但是目前還沒(méi)有簡(jiǎn)單完善有效的理論指導(dǎo)來(lái)解決這些問(wèn)題，在實(shí)際應(yīng)用過(guò)程屮，只能通過(guò)反復(fù)的試驗(yàn)，最終找到相應(yīng)優(yōu)化參數(shù)組合何。根據(jù)前面章節(jié)介紹過(guò)的故障診斷方法的特點(diǎn)，并借鑒神經(jīng)網(wǎng)絡(luò)技術(shù)在故障診斷中的應(yīng)用經(jīng)驗(yàn)，本章提出基于蟻群分類的減速器故障診斷方法。5.2系統(tǒng)設(shè)計(jì)方案設(shè)計(jì)是故障診斷系統(tǒng)的關(guān)鍵。方案的好壞直接影響到對(duì)減速器的故障診斷診斷結(jié)果，以及未來(lái)對(duì)系統(tǒng)的維護(hù)與升級(jí)等。同吋，系統(tǒng)的設(shè)計(jì)又必須與工程實(shí)踐相結(jié)合，在保證診斷結(jié)果準(zhǔn)確的前提下，使得系統(tǒng)操作簡(jiǎn)便，功能實(shí)用和良好的可擴(kuò)展性。5.2.1方案設(shè)計(jì)基于上述對(duì)系統(tǒng)的要求，滿足生產(chǎn)過(guò)程中的實(shí)際應(yīng)用，對(duì)方案設(shè)計(jì)提岀以下幾點(diǎn)考慮要素：準(zhǔn)確性準(zhǔn)確地對(duì)減速器進(jìn)行故障診斷是該系統(tǒng)的最重要也是最主要的目標(biāo)。系統(tǒng)設(shè)計(jì)的目的即是為了保證減速器的安全運(yùn)行，盡量延長(zhǎng)其工作使用壽命。在實(shí)際的工程應(yīng)用過(guò)程中，現(xiàn)場(chǎng)工作環(huán)境惡劣，噪聲污染和振動(dòng)都比較大，狀況十分復(fù)雜,所有這些因素都會(huì)對(duì)該系統(tǒng)的準(zhǔn)確性造成影響，甚至?xí)?dǎo)致判斷結(jié)果的錯(cuò)誤，由此可見(jiàn)，保證系統(tǒng)的準(zhǔn)確性是一項(xiàng)困難而又細(xì)致的工作?？焖傩詫?duì)減速器的監(jiān)測(cè)、采樣工作比較復(fù)雜，對(duì)釆集到的信號(hào)進(jìn)行分析處理也需要很大的運(yùn)算量，同時(shí)還需要考慮到，減速器本身的運(yùn)行狀態(tài)是在不斷變化的，因此，在故障診斷的過(guò)程中，要求系統(tǒng)對(duì)各模塊的處理過(guò)程達(dá)到簡(jiǎn)潔、快速的效果,以方便用戶對(duì)減速