基于RBF神經網絡的空壓機性能預測研究

陳長宇

(海軍工程大學武漢，430033)

摘要現代化的設備狀態檢測和故障診斷理論已經把設備的壽命預測作為一個重要的組成部分。隨著科學技術的發展，設備運行狀況的復雜化程度越來越明顯，對于往復式空壓機而言，這種信息的復雜性、不確定性程度反映更加強烈，傳統的數學建模預報方法已不能滿足設備的復雜化和現代化要求。提出一種基于RBF神經網絡的振動信號在線預測模型，以空壓機振動信號為基礎，選取合適的特征參量，提高了性能預測精度，結果表明該模型是可行和有效的。

關鍵詞：故障診斷;空壓機;性能預鍘;神經網絡;RBF

機械設備故障診斷在現代工業生產中已經起到非常重要的作用，開展機械設備故障診斷技術的研究具有重要的現實意義。近幾年來，機械設備故障診斷技術迅猛發展，已逐步形成以振動診斷、油樣分析、溫度監測和無損檢測等技術和方法。隨著科學技術的發展，人工智能技術進入故障診斷領域，形成全新的故障診斷方法。由于傳統的空壓機故障診斷方法是建立在系統的數學模型基礎上，其數學模型依賴于被診斷系統的結構，而很多故障往往會造成系統結構的變化，缺乏現場數據就更難以建立新的數學模型。對于空壓機這樣一個大型復雜系統而言，要對其運行狀況建立完整的數學模型并做出客觀地評價和估計十分困難。而人工神經網絡的基本思想是不完全依靠檢測到的信號進行診斷，而是運用神經網絡的綜合運算、邏輯推理、模式識別等進行判斷，為此簡化檢測硬件電路，使診斷更加可靠。本文嘗試提出一種基于RBF神經網絡的振動信號在線預測模型，以空壓機振動信號為基礎，實現空壓機的性能預測。

更多內容詳見附件：資料下載