復(fù)雜機(jī)械系統(tǒng)動(dòng)態(tài)特性分析和實(shí)驗(yàn)辨識(shí)方法的研究.pdf

1、近年來，隨著科學(xué)技術(shù)的進(jìn)步和生產(chǎn)的發(fā)展，高速、高效和大功率成為機(jī)電產(chǎn)品的一個(gè)重要發(fā)展方向。這就導(dǎo)致大型機(jī)械系統(tǒng)結(jié)構(gòu)日趨復(fù)雜，其中包含各類非線性環(huán)節(jié)。如果仍然采用線性模型或線性系統(tǒng)的分析、設(shè)計(jì)、監(jiān)測(cè)與故障診斷方法，就會(huì)“忽略”與系統(tǒng)特性緊密相關(guān)的非線性特性，從而導(dǎo)致難以接受的錯(cuò)誤，造成分析、設(shè)計(jì)和運(yùn)行監(jiān)測(cè)與故障診斷的失敗。鑒于動(dòng)態(tài)特性(特別是非線性動(dòng)態(tài)特性)的問題的復(fù)雜性和多樣性，不可能有普遍適用的一般解決方法。因此，對(duì)特定問題，仍需研究

2、各自的解決方案和技術(shù)。 本文是面向復(fù)雜機(jī)械系統(tǒng)(包括復(fù)雜機(jī)電系統(tǒng)和機(jī)電液系統(tǒng))的動(dòng)態(tài)特性和故障診斷的研究。以實(shí)測(cè)振動(dòng)數(shù)據(jù)為基礎(chǔ)，研究非線性特性描述、統(tǒng)計(jì)學(xué)分析和人工智能辨識(shí)理論與方法。提出了復(fù)雜機(jī)械系統(tǒng)振動(dòng)信號(hào)預(yù)處理和精確數(shù)字積分方法，并將其應(yīng)用于非線性特征相空間描述中；提出了改善這類非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)辨識(shí)及建模精度的方法，以及基于人工智能模型的非線性特征提取與故障診斷方法。在此基礎(chǔ)上，提出了對(duì)大型振動(dòng)篩、鋼帶熱軋機(jī)等復(fù)雜工程結(jié)

3、構(gòu)和系統(tǒng)的動(dòng)態(tài)特性分析、建模及故障診斷的綜合技術(shù)路線，解決了振動(dòng)篩與熱連軋機(jī)的動(dòng)態(tài)特性分析與診斷等工程技術(shù)問題，取得了實(shí)際的經(jīng)濟(jì)效益。 對(duì)于含有非線性環(huán)節(jié)的復(fù)雜機(jī)械系統(tǒng)，由于其構(gòu)成和工作過程的復(fù)雜性，往往只能通過實(shí)測(cè)數(shù)據(jù)得到特定非線性特性的統(tǒng)計(jì)描述。作者在考慮噪聲和干擾造成的信號(hào)失真與畸變，以及積分形成的進(jìn)一步失真和漂移等情況下，提出基于小波變換的寬帶濾波、FFT變換等的組合數(shù)字積分方法，實(shí)現(xiàn)實(shí)測(cè)的ICP加速度計(jì)信號(hào)一次、二次積

4、分，得到較精確的振動(dòng)速度和位移等信號(hào)。在此基礎(chǔ)上，研究了實(shí)現(xiàn)工程非線性振動(dòng)時(shí)域信號(hào)相空間描述和特征提取的合理方法。 建立復(fù)雜的機(jī)械系統(tǒng)的精確解析模型相當(dāng)困難，乃至難于實(shí)現(xiàn)。因此，作者研究了通過神經(jīng)網(wǎng)絡(luò)辨識(shí)建立這些系統(tǒng)的較精確模型的方法。根據(jù)模型擬合度、模型泛化能力和殘差檢驗(yàn)，選擇了NNARX辨識(shí)模型。確定了神經(jīng)網(wǎng)絡(luò)模型的激活函數(shù)、隱層節(jié)點(diǎn)數(shù)及歷史數(shù)據(jù)和延遲，最終得到適合于所研究系統(tǒng)的較高精度的神經(jīng)網(wǎng)絡(luò)辨識(shí)模型，為后續(xù)的非線性特征

5、分析提供條件。 復(fù)雜的機(jī)電或機(jī)電液系統(tǒng)的運(yùn)行狀態(tài)和規(guī)律極為復(fù)雜，許多情況下基于動(dòng)力學(xué)方程(線性或非線性)的分析不能準(zhǔn)確反映其運(yùn)動(dòng)特征。作者將數(shù)據(jù)采集、相空間重構(gòu)和非線性系統(tǒng)辨識(shí)有機(jī)結(jié)合，使用前述的數(shù)據(jù)預(yù)處理和神經(jīng)網(wǎng)絡(luò)辨識(shí)方法，實(shí)現(xiàn)系統(tǒng)振動(dòng)狀態(tài)的相空間重構(gòu)及特征提?。惶岢隽嘶谏窠?jīng)網(wǎng)絡(luò)辨識(shí)模型的三維譜分析方法，即在較精確的非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型上，設(shè)定各種特定的虛擬激勵(lì)輸入，通過仿真，得到輸出響應(yīng)數(shù)據(jù)，據(jù)此得到能反映系統(tǒng)特征的三維

6、譜，從而得到系統(tǒng)在特定條件下的運(yùn)行特性。此方法以高的可信度分析系統(tǒng)的動(dòng)態(tài)特性，其結(jié)果可以直接或間接用于復(fù)雜系統(tǒng)的故障診斷。 作為選煤廠關(guān)鍵設(shè)備的大型振動(dòng)篩是包含許多非線性環(huán)節(jié)的大型振動(dòng)機(jī)械，作者綜合應(yīng)用前述理論和實(shí)驗(yàn)研究成果，進(jìn)行了大型振動(dòng)篩的運(yùn)行特性分析和裂紋的診斷，取得了滿意的結(jié)果。作者在基于振動(dòng)篩的實(shí)測(cè)數(shù)據(jù)的運(yùn)行特征分析中發(fā)現(xiàn)，在一定條件下振動(dòng)篩在垂直于側(cè)板方向的振動(dòng)是混沌運(yùn)動(dòng)，不同位置溉沌性的強(qiáng)弱不同。使用辨識(shí)得到的較精

7、確的系統(tǒng)模型，通過仿真輸出信號(hào)，找到此系統(tǒng)通往混沌的路徑。使用非線性指標(biāo)和神經(jīng)網(wǎng)絡(luò)模型輸出的三維譜，檢測(cè)振動(dòng)篩比例模型的裂紋，并分析了不同位置的振動(dòng)信號(hào)特征值，為裂紋定位提供依據(jù)。 熱連軋精軋機(jī)組是復(fù)雜機(jī)電液系統(tǒng)，如果由于故障或設(shè)計(jì)不當(dāng)，使電液伺服液壓壓下系統(tǒng)的穩(wěn)定性降低，乃至使機(jī)架連同其它機(jī)械結(jié)構(gòu)產(chǎn)生劇烈的振動(dòng)，嚴(yán)重影響產(chǎn)品質(zhì)量與設(shè)備運(yùn)行安全。作者提出包括現(xiàn)場(chǎng)實(shí)測(cè)、振動(dòng)譜分析與相空間分析、系統(tǒng)辨識(shí)、壓下控制系統(tǒng)穩(wěn)定性分析等的綜