[发明专利]基于CAS分析和神经网络的轴系状态监测及评估方法

权利要求书

1.一种基于CAS分析和神经网络的轴系状态监测及评估方法，其特征在于，包括如下步骤：

步骤一、构建模型确定测点

根据轴系结构，构建轴系有限元仿真计算模型，获取轴系整体变形状态及其负荷状态，确定除轴承处外其余轴系各测点x₁、x₂...x_n，轴承处测点y₁、y₂...y_m；

步骤二、确定测试方案

基于电阻应变片法测量测点y₁、y₂...y_m的轴承载荷；基于三向光电位移传感器测量具有回旋振动和纵向振动的测点x₁、x₂...x_p(pn)处的轴系三向振幅值；基于脉冲时序法测量具有扭转振动的测点x_p+1、x_p+2...x_n的轴系截面扭转角；

步骤三、选取轴系不同运行工况点，获取各运行工况下多组轴系在正常运行和故障运行时的监测数据作为历史数据，并分别对各组监测数据所反映的轴系运行状态进行专家打分，获取各组数据所对应的健康评价隶属度；

步骤四、将获得的历史数据按类进行归一化处理，归一化公式为：其中，z_i为同一类型监测值；z_i-norm为该类型标准化后数据；z_min为该类型监测数据中的最小值；z_max为该类型监测数据中的最大值；

步骤五、针对各类数据测点和处理后的历史数据，采用皮尔逊相关系数对其进行相关性分析，选取出独立并具有代表性的测点数据，进一步结合灵敏度分析，确定各测点数据对状态隶属度的贡献值；

步骤六、将提取过后的监测数据作为特征数据，以每个工况下的数据为一组，并分别对应一个神经网络，作为神经网络的输入变量，其对应工况下的三种评价隶属度值作为输出变量，采用具有误差反向传播的BP神经网络进行网络模型训练，并对训练好的神经网络进行仿真校验其正确性；

步骤七、采集不同工况下的测试数据，以每个工况下的数据为一组，并对各组数据进行预处理和归一化后，将其作为训练好的神经网络输入变量，输出各测试工况下的状态评价隶属度值，并根据各测试工况下的状态评价隶属度值对轴系的状态进行监测和评估。

2.根据权利要求1所述的一种基于CAS分析和神经网络的轴系状态监测及评估方法，其特征在于，所述步骤三中，隶属度至少包括正常状态值、潜在故障状态值和故障状态值三类。

3.根据权利要求2所述的一种基于CAS分析和神经网络的轴系状态监测及评估方法，其特征在于，所述步骤七中，根据各测试工况下的状态评价隶属度值对轴系的状态进行监测和评估具体是指：

当轴系故障状态评价隶属度大于0时，轴系评定为故障状态；

当轴系故障状态隶属度为0，轴系潜在故障状态评价隶属度在0.65-1时，轴系评定为故障快速发展状态；

当轴系故障状态隶属度为0，轴系潜在故障状态评价隶属度在0.25-0.65时，轴系评定为故障可能存在状态；

当轴系故障状态隶属度为0，轴系潜在故障状态评价隶属度在0-0.25时，轴系评定为正常运行状态。

4.根据权利要求3所述的一种基于CAS分析和神经网络的轴系状态监测及评估方法，其特征在于，在具体执行监测过程中，当轴系故障状态评价隶属度大于0时，应立即停机维修故障；轴系故障状态隶属度为0，轴系潜在故障状态评价隶属度在0.65-1时，应排查故障产生原因；轴系故障状态隶属度为0，轴系潜在故障状态评价隶属度在0.25-0.65时，应进行故障监测；轴系故障状态隶属度为0，轴系潜在故障状态评价隶属度在0-0.25时，不作处理。