石家庄风机厂风机运行状态预测方法确定

 石家庄风机厂 石家庄风机 石家庄市风机厂 石家庄风机维修 石家庄风机销售

2.3.3 希尔伯特一黄变换
机械故障振动信号多表现为非线性、非平稳特征，对于这样的信号，时频分析方法是一种有效的分析方法。其中，小波分析因其多尺度和“数学显微”的特性，广泛应用于机械故障诊断中。但是由于小波分析方法本质上是可调的窗口傅里叶变换，在应用中会产生能量泄漏；而且因不具备自适应性，在机械故障诊断中，提取特征参数时，其准确度需要进一步提高。因此，迫切需要新的理论和信号处理方法来 提 高 现 有 的 机 械 故 障 诊 断 水 平 。 希 尔 伯 特 一 黄 变 换 (Hilbert — HuangTransformation，简称 EMD)是由美国国家宇航局的 N．E．Huang 于 1998 年提出的一种新的信号分析方法。这种方法主要由两个步骤组成：经验模态分解(Empirical Mode Decomposition，简称 EMD)和 Hilbert 变换。其中 EMD 是关键。它将信号分解成有限个固有模态函数(Intrinsic Mode Function，简称 IMF)；每一个IMF 不论是线性或是非线性的，都具有相同数量的极值点和过零点，在相邻的两个过零点之间只有一个极值点，任何两个 IMF 之间是相互独立的，这样任何一个信号就可以被分解为有限个 IMF 之和。然后对每一个 IMF 进行 Hilbert 变换，从而可以求出每一个 IMP 随时间变化的瞬时频率和瞬时幅值，这些瞬时频率和瞬时幅值可以揭示信号的内在特征，最后可以得到随时间和频率变化的幅值分布,称为Hilbert 谱。HHT 分析方法提出后，广泛地用于地球物理学、生物医学、结构分析、设备诊断学等各个科学研究领域，取得了较好的效果。Huang 等人主要建立了HHT 的基本框架，分析了 HHT 的基本依据，引入了本征模函数(IMF)的概念，提出了经验模态分解 EMD，定义了 Hilbert 谱和边际谱概念，讨论了 HHT 的完备性和正交性问题。研究了 HUT 在非线性系统分析、水波分析、风速分析、潮汐和海啸分析、海洋环流分析和地震信号分析等中的应用。B．M．Gravier 通过多年的研究把 Hilbert 变换应用到了对潜艇设备的故障诊断；钟佑明等将 Hilbert 变换应用在磨床的故障特征分析，取得了较好的效果。
2.4 石家庄风机厂风机运行状态预测方法确定
在信号分析的基础上，选择合适的预测方法，是确保预测精度的关键。
2.4.1 基于人工神经网络的预测方法
人工神经网络(ANN)是目前国际上前沿研究领域的一门新兴交叉科学。由于其独特的容错、联想、推测、记忆、自适应、自学习和处理复杂非线性多模式等优点，神经网络技术己在故障诊断、智能控制、非线性优化、连续语音识别等方面得到了广泛应用并取得了一定的成功和进展，但仍然存在一些难以解决的问题。由于遗传算法能够收敛到全局最优解，且遗传算法的鲁棒性强，将遗传算法与神经网络结合起来是很有意义的，不仅能发挥神经网络的泛化的映射能力，而且使神经网络具有快速收敛性及较强的学习能力。遗传算法与神经网络结合主要有两种方式：一是用于网络训练，即学习网络各层之间的连接权值；二是学习网络的拓扑结构。神经网络是近年来得到快速发展的科学理论之一，它是由相互广泛连接的自适应处理单元组成的并行计算模型。由于神经网络在模式识别、市场经济预测、故障分类等领域取得成功，使得神经网络成为研究的热点。目前神经网络的进一步研究主要集中在以下几方面:训练算法、结构优化、硬件实现等。Heclt-Nielsen从Kolmogorov定理出发，证明了任何一个平方可积函数，都存在一个三层前馈网络在均方差意义上与其逼近，K.J.Funalashi又证明了任意连续映射函数均可由含有隐含层且隐含层节点作用函数为有界连续递增函数的三层前馈网络逼近。网络的训练算法通常采用基于最速下降的BP算法，为了克服其收敛速度慢和容易陷入局部极小点等问题，出现了许多改进算法，这些方法有的能解决收敛速度慢的问题，但以增加算法的复杂性或增大网络结构为代价。