论文部分内容阅读
随着我国经济的飞速发展,轨道交通系统已经成为对社会经济生活有着巨大影响的一类系统,特别是地铁轨道交通对于一个城市、一个地区的社会经济生活更有着极为重要的影响。地铁建于地下空间内,所有的通风几乎都是通过轴流风机来进行的,它承担地铁下内部空间与外部自然的气体交换工作。因此对地铁系统中的重要机电设备——轴流风机展开故障诊断的研究,有着重大意义。轴流风机是典型的旋转机械,采用其振动信号作为轴流风机的故障诊断的特征信号。本文主要完成的工作有以下几个方面：1)结合轴流风机的工作原理,研究轴流风机转子不平衡、轴系不对中、连接件松动、叶片故障等常见故障机理,总结归纳轴流风机常见故障的振动特性。2)针对地铁轴流风机故障信息样本难以采集获取,本文提出一种全新的方法——基于虚拟样机的故障模拟方法。利用美国PTC的PRO/ENGINEER软件进行轴流风机的实体模型,通过MECHANISM/Pro专业接口将模型导入动力学仿真软件ADAMS,在ADAMS中进行轴流风机的故障模拟,提取其故障数据信息。3)研究基于BP神经网络和SOM神经网络的轴流风机故障诊断方法,建立了两种神经网络的网络模型,并对其进行训练,通过实例验证了方法的正确性。最后将模拟故障获取的数据作为神经网络的输入,在MATLAB中进行轴流风机的智能故障诊断得到了最终实验结果,验证了课题方案的正确性。本文将虚拟样机技术与神经网络技术相结合,实现地铁轴流风机的故障诊断。通过仿真实验与轴流风机的实际运行情况相结合,验证了该方法的可行性与正确性,为基于虚拟样机的旋转机械故障诊断的可行性研究提供了重要依据。而SOM神经网络实现轴流风机的故障诊断,则大大拓宽了神经网络在模式识别与分类方面的应用,因此具有深刻地理论研究意义。