一种基于神经网络的电机轴及传动轴异常振动预警算法制造技术

本发明专利技术涉及一种基于神经网络的电机轴及传动轴异常振动预警算法，其主要技术特点是：对试验台长期的历史运行数据进行分类整理，得到离线训练集；建立一个BP神经网络模型；确定BP神经网络模型的参数；使用离线数据集训练BP神经网络模型，直至达到停止准则，获得初始BP神经网络模型；在线训练BP神经网络模型，得到训练后的BP神经网络模型；BP神经网络模型实时计算当前工况下的振动值并与传感器实时测量的振动值对比，任何一个被监测的电机轴或者传动轴出现异常振动时系统自动预警。本发明专利技术通过神经网络模型可以准确地检测出电机轴及转动轴异常振动并及时预报警，可以最大程度上降低事故概率，为电机轴系异常振动故障诊断开辟了新的途径。

【技术实现步骤摘要】
一种基于神经网络的电机轴及传动轴异常振动预警算法
本专利技术属于试验装备
，尤其是一种基于神经网络的电机轴及传动轴异常振动预警算法。
技术介绍
传动试验台占据着试验装备的重要角色，电机在传动试验台中是不可或缺的，电机轴异常振动往往会导致巨大的试验事故或财产损失。电机轴作为一个旋转器械，由于转子不平衡、轴系不对中、油膜震荡、弯曲、裂纹、松动等原因，都将导致异常振动出现。但是，运行过程中在不同的转速和扭矩工况下振动信号大小也会发生变化，不同的工况下振动有一个正常的振动范围。因为正常振动范围和电机转速、扭矩相关，但是这种相关并不是线性相关，所以很难找到一个函数来表示这种相关性，这就对异常振动的识别带来一定的难度。在系统运行过程中，电机轴异常振动情况也容易被忽略。系统长时间在异常振动下运行，轻者降低电机使用寿命，严重者将会出现断轴等重大事故。因此，如何准确检测电机轴及传动轴异常振动并发出预警是目前迫切需要解决的问题。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种基于神经网络的电机轴及传动轴异常本文档来自技高网...

【技术保护点】
1.一种基于神经网络的电机轴及传动轴异常振动预警算法，其特征在于：包括以下步骤：/n步骤1、对试验台长期的历史运行数据进行分类整理，标注出异常故障类型数据以及正常运行数据，对上述数据进行归一化处理得到无量纲数据，将其作为离线训练集；/n步骤2、建立一个用于对离线训练集进行训练的BP神经网络模型；/n步骤3、确定BP神经网络模型的参数；/n步骤4、使用离线数据集训练BP神经网络模型，直至达到停止准则，获得初始BP神经网络模型；/n步骤5、使用试验台采集的电机轴及传动轴数据，在线训练BP神经网络模型，得到训练后的BP神经网络模型；/n步骤6、在系统运行过程中，BP神经网络模型实时计算当前工况下的振...

【技术特征摘要】
1.一种基于神经网络的电机轴及传动轴异常振动预警算法，其特征在于：包括以下步骤：
步骤1、对试验台长期的历史运行数据进行分类整理，标注出异常故障类型数据以及正常运行数据，对上述数据进行归一化处理得到无量纲数据，将其作为离线训练集；
步骤2、建立一个用于对离线训练集进行训练的BP神经网络模型；
步骤3、确定BP神经网络模型的参数；
步骤4、使用离线数据集训练BP神经网络模型，直至达到停止准则，获得初始BP神经网络模型；
步骤5、使用试验台采集的电机轴及传动轴数据，在线训练BP神经网络模型，得到训练后的BP神经网络模型；
步骤6、在系统运行过程中，BP神经网络模型实时计算当前工况下的振动值并与传感器实时测量的振动值对比，任何一个被监测的电机轴或者传动轴出现异常振动时系统自动预警。


2.根据权利要求1所述的一种基于神经网络的电机轴及传动轴异常振动预警算法，其特征在于：所述试验台长期的历史数据包括电机扭矩、转速和XYZ轴振动值，上述数据均是从试验台数采系统的传感器测量获得的。


3.根据权利要求1所述的一种基于神经网络的电机轴及传动轴异常振动预警算法，其特征在于：所述步骤1是采用Min-Max转换方法对数据进行归一化处理的。


4.根据权利要求1所述的一种基于神经网络的电机轴及传动轴异常振动预警算法，其特征在于：所述步骤2建立的BP神经网络模型为三层BP神经网络模型，其以训练集中的转速、扭矩作为BP神经网络模型的输入，XYZ轴振动值作为BP神经网络模型的输出。


5.根据权利要求1所述的一种基于神经网络的电机轴及传动轴异常振动预警算法，其特征在于：所述BP神经网络模型的参数包括输入层神经元个数、隐层神经元个数、输出层神经元个数、激活...

【专利技术属性】
技术研发人员：李珍，吴健，李浩，戎锡锋，崔异鹏，
申请(专利权)人：天津电气科学研究院有限公司，
类型：发明
国别省市：天津;12