哈尔滨工业大学工学硕士学位论文3...

国内图书分类号：TP17 学校代码：10213国际图书分类号：621 密级：公开
工学硕士学位论文
改进BP算法和模糊逻辑在双轴转台故障诊断
中的应用
硕士研究生：王松
导师：房振勇副教授
申请学位：工学硕士
学科：机械制造及其自动化
所在单位：机电工程学院
答辩日期：2011年6月
授予学位单位：哈尔滨工业大学
Classified Index: TH17
U.D.C: 621
Dissertation for the Master Degree in Engineering
APPLICATION OF IMPROVED BP ALGORITHM AND FUZZY LOGIC IN THE TWO-AXIS
TURNTABLE FAULT DIAGNOSIS
Candidate：Wang Song
Supervisor：Associate Prof. Fang Zhenyong Academic Degree Applied for：Master of Engineering Speciality：Mechanical Manufacturing and
Automation
Affiliation：School of Mechatronics Engineering Date of Defence：June, 2011
Degree-Conferring-Institution：Harbin Institute of Technology
摘要
转台是一种复杂的集机、电于一体的惯导测试与仿真设备，在航天、航空和航海等领域中发挥着巨大的作用。

为了使转台能够长期稳定可靠地工作，对其开展故障诊断技术的研究非常的有必要。

本文针对转台故障与征兆之间存在着复杂的非线性映射关系，利用模糊神经网络强大的模糊信息处理能力和自学习能力，提出了一种基于模糊神经网络的双轴转台故障诊断系统，并实现了诊断系统软件的编制。

首先，通过对转台系统结构的深入分析，将转台常见的故障分为五类：机械故障、控制器故障、执行器故障、测角系统故障和通讯故障。

根据故障底事件与特征信号之间的关系，建立了转台故障的决策表。

为了消除信号中高频噪声，设计了一个二阶低通滤波器，同时还运用了小波分析去噪理论，并对阈值函数进行了改进，取得了一定的效果。

其次，系统地介绍了诊断系统的模糊神经网络模型和其所用的BP算法，针对BP算法的不足，把遗传算法、引入惯性项和动态调整学习率三种方法相结合，对普通的BP算法进行优化改进，并将经过改进的BP算法用于转台的故障诊断中。

采用一种抗噪声训练方法训练网络，使诊断系统可以克服一定幅值噪声的干扰。

通过和标准网络进行对比，引入改进BP算法的模糊神经网络，具有较好的全局逼近能力，能够准确地实现故障的识别。

最后，用Delphi和Matlab 混合编程技术完成了诊断系统的编制。

诊断系统分为神经网络训练、小波去噪、数据库管理和故障诊断四个功能模块，具备实时监测和诊断的能力。

关键词：转台；故障诊断；小波变换；BP算法；模糊神经网络
Abstract
Turntable is a test and simulation equipment of inertial navigation system, which is a complex set of mechanical and electrical and plays a huge role in the aerospace, aviation and marine areas. Therefore it is very necessary to carry out the research on fault diagnosis technology to make the turntable work stably and reliably for a long time.
In this paper, fuzzy neural network, which has a powerful fuzzy information processing and self-learning ability, is utilized to deal with the complex nonlinear mapping relationship between the failure and symptoms of the turntable. A fault diagnosis system for the turntable based on fuzzy neural network was built and software programs to achieve the establishment of diagnosis system were finished.
First, the common failures in the turntable is divided into such five categories as mechanical failures, angle measurement system failures, communication failures, controller failures and actuator failures based on a in-depth analysis of the system. According to the relationship between the turntable failures and the fault signal characteristics, a decision-making table was established. In order to eliminate high frequency noise in the signals, this paper used the wavelet analysis theory and designed a second-order low-pass filter. At the same time, the threshold function was improved, and achieved good results.
Secondly, the paper systematically introduced the fuzzy neural network model used in diagnosis system and its learning algorithm. Three methods, including the genetic algorithm, the introduction of inertia and the dynamic adjustment of learning rate, were utilized to improve BP algorithm for the shortcomings of BP algorithm. And the improved BP algorithm was applied to fault diagnosis of the turntable. The method of anti-noise training is utilized to train the neural network, and this method can make it overcome the noise under certain amplitude. Compared to the standard network, fuzzy neural network which was improved has good global approximation ability to achieve accurate identification of faults.
Finally, the establishment of diagnosis system was achieved in a mixed way including Delphi and Matlab programming technology. The diagnosis system has function modules: neural network training, wavelet denoising, database management and diagnosis. It can real-time monitor the state of equipment.
Keywords: turntable，fault diagnosis，wavelet transform，BP algorithm，fuzzy neural network
目录
摘要 (I)
Abstract ........................................................................................................................... I I 第1章绪论 .. (1)
1.1 课题研究的目的和意义 (1)
1.2 故障诊断技术的发展状况概述 (2)
1.2.1 故障诊断的概念 (2)
1.2.2 故障诊断发展历程 (2)
1.2.3 诊断方法的分类 (3)
1.3 国内外转台故障诊断现状 (5)
1.4 本文主要的研究内容 (6)
第2章转台故障的分析与信号的处理 (7)
2.1 转台的组成和结构 (7)
2.2 转台的常见故障 (8)
2.2.1 机械故障 (8)
2.2.2 控制器故障 (9)
2.2.3 测角系统故障 (9)
2.2.4 执行器故障 (10)
2.2.5 通讯故障 (10)
2.3 转台故障决策表的建立 (10)
2.4 小波分析的基础理论 (11)
2.4.1 连续小波变换 (12)
2.4.2 离散小波变换 (12)
2.5 小波去噪 (13)
2.5.1 小波去噪的步骤 (14)
2.5.2 自适应阈值规则的选择 (15)
2.5.3 改进阈值函数 (18)
2.6 模拟滤波器的设计 (20)
2.7 本章小结 (22)
第3章模糊神经网络在故障诊断中的应用 (23)
3.1 模糊神经网络的基础理论 (23)
3.1.1 模糊集合的定义 (23)
3.1.2 隶属函数确定方法 (23)
3.1.3 模糊推理系统 (25)
3.1.4 模糊系统和神经网络融合的形态 (26)
3.2 BP神经网络 (26)
3.2.1 BP神经网络模型 (27)
3.2.2 BP算法原理 (28)
3.2.3 BP神经网络的优缺点 (29)
3.3 BP算法的改进 (30)
3.3.1 遗传算法优化网络初始值 (30)
3.3.2 引入惯性项的学习法 (31)
3.3.3 仿真实验及结果分析 (32)
3.4故障诊断的神经网络模型 (33)
3.4.1 网络的结构模型 (33)
3.4.2 故障的决策方法 (34)
3.5 模糊神经网络在诊断中的应用 (34)
3.5.1 训练数据的选取 (35)
3.5.2 数据的归一化的方法 (35)
3.5.3 神经网络的训练 (35)
3.5.4 仿真实验与结果分析 (37)
3.6本章小结 (37)
第4章故障诊断系统的软件实现 (39)
4.1 软件平台的选择 (39)
4.2系统的结构体系 (39)
4.2.1 神经网络训练模块 (40)
4.2.2 小波去噪模块 (41)
4.2.3 数据库管理模块 (43)
4.2.4 故障诊断模块 (43)
4.3系统实现的关键技术 (44)
4.3.1 混合编程 (44)
4.3.2 多线程 (46)
4.3.3 数据库连接技术 (46)
4.4本章小结 (47)
结论 (48)
参考文献 (49)
哈尔滨工业大学硕士学位论文原创性声明 (52)
哈尔滨工业大学硕士学位论文使用授权 (52)
致谢 (53)
第1章绪论
1.1 课题研究的目的和意义
伴随着现代化大生产迅猛的发展，工业生产过程呈现出日益智能化的趋势，由于所使用的设备多为机、电、液一体化的产品，其结构及控制系统比较复杂，这就要求设备具有更高的安全性和可靠性来满足生产高效率的需要。

如果某台机器在工作中发生了故障而没有及时得到消除，那么引起的后果可能是机器本身遭到损坏，更严重的是可能酿成重大的事故，给人身安全带来极大的威胁。

在连续的生产中，如果某台关键设备因出故障而不能继续运行，这样往往会导致整个生产过程的中断，从而造成巨大的经济损失。

因此，对于生产系统十分有必要建立一个完整有效的监测诊断系统，及时正确的对各种工作状态做出判断，帮助工作人员及时发现并消除故障，进而提高设备运行的稳定性和可靠性，保障生产过程的效率。

转台是一种复杂的集机、电于一体的测试与仿真设备，在航天、航空、航海、兵器研发等军事和工业领域中发挥着巨大的作用。

其用途主要体现在两个方面：一方面是测试和标定陀螺仪、加速度计等惯导元件；另一方面是模拟鱼雷、导弹等运动的角度姿态，并对其导航和控制系统进行仿真。

转台是一种重要的高精度测试设备，它在工作运行期间的可靠性和安全性十分的关键。

首先，需要转台测试的设备大都是国家投入大量人力物力研制出来的，价格昂贵，关系到国防重大项目的进展，对测试过程中的安全性和可靠性提出了很高的要求。

不能因为测试对被测对象造成损害或是降低它的性能指标。

其次，转台本身的研制费用高，是一类高精度的测试设备，有些故障会导致自身精度的降低或是造成电机和测角元件的损坏，甚至有时候会使转台会出现飞车现象，对工作人员的安全也造成一定的危害。

长期实践证明，故障诊断是保证设备稳定运行的一种非常有效的手段，目前已经在航天、航海、核电站等工业领域得到了广泛的应用，它是多个学科知识的综合，其中涉及了模式识别、信号处理、传感测试技术、专家系统、语言编程、人工智能及数据库原理技术等研究领域。

由于转台的系统结构组成复杂，因而故障形成机理多样，往往凭经验很难准确的判断出故障源的位置。

因此，对转台开展故障诊断相关技术的研究，以提高其运行的安全性和可靠性，具有十分重要的意义。

1.2 故障诊断技术的发展状况概述
1.2.1 故障诊断的概念
故障是指使系统表出不希望特性的任何异常现象，或者是动态系统中部分元器件功能失效而导致整个系统性能恶化的情况或事件[1]。

通常故障包括两类：一是系统不能达到设计时的功能特性，与工作环境，系统的参数有关；二是功能失效，基本的功能都不能得到有效地保证。

故障诊断是指在一定的工作条件下查明导致设备规定功能失调的、所指定层次的子系统或联系的异常状态[2]。

故障诊断根据故障的征兆信息来确定系统故障产生的原因，诊断的基本流程是：首先，对诊断监测系统采集到的数据信息进行处理；其次，结合系统的结构特点、操作经验及以前运行的历史数据和记录信息等知识，对将要或是已经发生的故障进行征兆分析，从而迅速而准确的找出故障发生源的所在；最后，诊断系统给出结果和建议。

故障诊断的具体任务包括三项：实时监测机器的运行情况，分析判断工作状态是否正常；预报和诊断出设备的故障，同时采取对应的应急维修措施；为实际操作者提供设备维护的指导性建议。

设备故障诊断的一般流程如图1-1所示。

图1-1 设备诊断过程
1.2.2 故障诊断发展历程
现代化大生产的发展的促使了人们对故障诊断技术的研究，伴随着工业技术的进步，到20世纪60年代发展成为一个专业的研究方向。

在国家宇航局（NASA）和美国海军研究室的共同努力下，美国于1967年成立了自己的机械故障预防小组。

在同一时期，机械保障中心在英国创建,开始了故障诊断相关技术的研究。

由于诊断技术在生产中所带来的巨大的经济利润，它在多个领域得到了广泛的应用。

至今，诊断技术经历了一个相当长的发展过程，以诊断所采用的技术手段和使用的工具为依据，可将这个过程划分为人工诊断、现代诊断、智能诊断三个阶段。

一般认为，从19世纪工业革命开始直到20世纪计算机信息处理技术得到普遍的应用之前，这一时期称为人工诊断阶段。

在这个阶段的前半个时期，人们主要靠在
长期生产实践中积累的经验知识来判断故障的原因，以及维修保养设备；到20世纪初，进入到后半个时期，设备运行的可靠性问题，引起人们极大的关注，开始在故障诊断的过程中运用可靠性理论。

从20世纪中叶开始，信息数据处理技术和电子检测技术等一系列与诊断相关的技术取得了很大的进步，诊断技术也由人工诊断阶段慢慢向现代诊断阶段过渡。

在这个阶段，多种技术在故障诊断领域得到了广泛应用，比如计算机技术、信号处理技术和数据采集技术等。

在这些新技术的推动下，新的诊断理论、方法和监测的手段不断的出现，使诊断技术在工业生产中得到迅速的推广和应用，为工业生产行业带来了巨大的利润。

到目前为止，这些技术在很多行业还在发挥着巨大的作用，仍是研究的重点方向之一。

近十几年来，以人工神经网络和专家系统为代表的人工智能技术取得到相当大的进步，基于知识处理的诊断方法慢慢取代了基于数据模型的诊断方法，诊断技术的第三个阶段也随之来临，即智能诊断阶段。

领域专家的知识经验在这一阶段得到重视和推广，诊断的过程尽量模仿专家的思维逻辑，把算法和推理过程有机的结合在一起。

目前，将专家系统和人工神经网络结合是一个研究的热点，因为神经网络具备很强的联想和学习能力，同时具有形象思维的特性，而专家系统讲究逻辑推理，具有逻辑思维特性，它们二者结合可以形成优势互补，提高诊断的正确率。

智能诊断技术更切近人类的思维模式，与前两个阶段的技术相比较，它具有无可比拟的优势，可以说，智能诊断是未来诊断技术的一个发展趋势。

1.2.3 诊断方法的分类
故障本身是诊断技术需要研究的，但是故障产生的机理和诊断的方法更是研究的重中之重。

诊断方法是设备诊断技术的核心，由于故障与征兆之间并不是简单的一一对应的关系，所以不可能只采用一种单一的方法，而是同时采取多种方法，只要对故障诊断起作用的方法都可以运用。

诊断的初期，主要依靠直接检测的方法判断故障原因。

后来，又变为依赖经验的诊断，再到今天的智能化诊断方法，在这期间借鉴了许多相关专业领域的经验和方法。

根据国际故障诊断领域的权威，德国的P. M. Frank教授的观点，可以把诊断的各种方法划分为三个大类别：基于知识的方法、基于信号处理的方法和基于解析模型的方法[3]。

故障诊断方法的分类如图1-2所示。

1.2.3.1基于解析模型的故障诊断方法
基于解析模型的方法的基本思想是以建立的精确数学模型为基础，然后利用滤波器等方法经过计算产生残差，然后对残差进行相关的处理，从而达到故障诊断的目的。

它主要包括了状态估计诊断法[4-6]、参数估计诊断法[7-9]以及基于等价空
间方程[10]的方法。

作为最早被研究的诊断方法，它实现的前提是需要对诊断对象进行准确的建模，而且需要和控制系统紧密结合[11]。

图1-2 故障诊断方法分类图
1.2.3.2基于信号处理的故障诊断方法
随着微电子技术的发展，系统的复杂程度不断地提高，很难再建立准确可靠的解析模型进行相关的诊断。

基于信号的诊断方法的出现很好的解决了这个问题，它不必建立抽象的解析模型，而是直接利用I/O信号的特性，如幅值、频率以及相关性与故障现象之间联系，采用合理的信号分析和提取特征的方式实现故障的诊断。

它分为基于小波变换的方法、时间序列分析法、谱分析法、相关分析法和多信息融合的方法等[12-14]。

1.2.3.3基于知识的故障诊断方法
基于知识的方法是20世纪也不需要建立抽象复杂的解析模型，引入了被诊断对象的更多的信息，充分利用专家诊断的经验知识，并具有与人类大脑类似的记忆、学习、联想等能力。

它包括了故障树分析法、基于专家系统的方法、基于人
工神经网络的方法及基于模糊推理的方法等[15-18]。

本文着重介绍基于人工神经网络和基于模糊推理的方法。

1.基于人工神经网络的方法
20世纪80年代末，人们开始将神经网络技术用于故障诊断中，当时美国普渡大学的一个研究小组对这种方法进行了尝试，并在试验中取得了良好的效果。

目前，人工神经网络技术在故障诊断中得到了广泛的应用[19]。

人工神经网络是由一定数量的神经元互联而成的复杂网络结构，是对大脑神经的组织和功能的高度模仿，它采用并行分布式的计算方法，具备自学习能力和很强的容错性，适合解决不确定性问题或是实现多维空间的复杂映射关系。

神经网络的诊断之前需要对故障的样本进行学习和训练，其实质是调整和强化记忆网络连接的权值和阈值，以构造出故障和征兆之间所对应的复杂映射关系。

2.基于模糊推理的方法
模糊技术的理论基础是模糊数学，能够模仿人类在处理模糊信息问题时的思维方式去解决具有一定模糊性的问题，因而它非常适合处理非线性和时变问题。

设备结构的复杂性越高，系统的模糊性就越强，那么诊断过程中必然会存在一些不确定性问题，同时噪声掺杂在信号中也会给诊断带来一定的困难。

这种情况下使用模糊推理的方法，能够有效地克服这些问题。

此外，模糊诊断方法不具备自学习能力，所以实际工作诊断中经常和神经网络，小波分析等结合在一起应用。

1.3 国内外转台故障诊断现状
美国的CGC公司在设计研制双轴结构、采用气浮轴承的51系列转台过程中，考虑到了转台的故障诊断和系统的安全保护，在一些关键的部位加了一些检测装置，用来监测气源压力、电机温度等信号的变化，为分析转台工作运行状况提供依据，以实现各种保护性的自锁等。

20世纪60年代，我国才开始研制转台的工作，起步相对较晚，但进步的很迅速，正向着世界一流水平大步迈进。

伴随着转台研制技术的发展，各种相关的诊断系统和诊断的方法不断地出现。

文献[20]针对转台的机械故障，将模糊理论与神经网络结合起来，从振动和电机电流噪声两方面入手诊断转台的故障。

文献[21]针对转台感应同步器的电压信号发生突变，运用小波分析理论，将小波变换用于信号特征的提取，并实现了信号突变的建模。

文献[22]在精密伺服转台故障诊断中，为了使规则简洁，运用粗集的方法约简了诊断的冗余信息，同时从电路板方面研究了转台故障的诊断。

文献[23-24]针对转台故障诊断复杂的特点，先后提出了基于全局观点的多级信息融合的诊断方法和基于局部观点的径向基函数神经网络的诊断方法。

多级信息融合是将各个子系统的诊断结果，运用D-S证据理论加以融合，
然后给出最终判定的结果；径向基函数神经网络主要用来作为各个子系统的推理模型。

文献[25]将蚁群优化算法用于转台故障的诊断，和用粗集的方法一样，都是以去除冗余的故障特征信息为目的，从而推理的规则变得简约。

综上所述，可以看出多种故障诊断理论和方法已经在转台故障诊断方面得到应用，并不断得到深化。

1.4 本文主要的研究内容
本文在对双轴动静态综合测试转台故障机理分析研究的基础上，针对故障与征兆之间的复杂非线性映射关系，提出了一种基于模糊神经网络的转台故障诊断策略，并在此基础上编制了一个转台故障诊断系统软件。

具体研究内容如下：（1）建立转台故障的决策表。

经过对转台结构组成的深入分析，把转台常见的故障划分为机械故障、控制器故障、测角系统故障、执行器故障和通讯故障等五类故障，然后在对故障和相应现象进行分析的基础上，结合专家经验，建立了转台故障的决策表。

（2）特征信号的处理。

用小波变换理论对信号去噪，并针对原来阈值函数的不足，对它加以改进，同时为了更好的去除高频干扰，设计了RC二阶低通滤波器。

（3）模糊神经网络在双轴转台故障诊断的应用。

首先，针对标准BP算法的不足，把遗传算法优化、引入惯性项和动态调整学习率三种方法相结合，对BP算法进行改进。

然后，将改进的BP算法引入到模糊神经网络对转台进行故障的诊断。

（4）诊断系统的编程实现。

用混合编程和数据库技术实现软件的编制，系统分为神经网络训练、小波去噪、数据库管理和故障诊断等四大模块，具备在线监测和诊断的功能。

第2章 转台故障的分析与信号的处理
2.1 转台的组成和结构
双轴动静态综合测试转台的整个系统由台体和控制柜构成。

机械台体三维实体建模如图2-1所示。

台体由外环和中环两个正交的框架轴系构成。

两个轴的控制
系统是相互独立的，整个系统实时控制运算、控制单元的管理等一些工作都是由一台配置较高的工业计算机负责完成。

图2-1 转台的三维实体建模
转台的控制系统采用模块化的设计方法，控制系统框图如2-2所示。

输
输
图2-2 闭环控制框图
每个轴系的电气控制系统都包括测角系统、功率驱动放大器、控制器和直流有刷电机。

它们的控制系统是由位置、速率及电流三个闭环构成的位置随动系统，电流环在功率放大器内部实现，控制软件实现其余两个反馈闭环。

功率放大器中引入了电流反馈，可以限制电机的最大电流；引入速率环可以增大控制系统的阻尼，有效提高系统的开环增益，使位置环具有较高的伺服刚度和动态特性。

2.2 转台的常见故障
转台作为一种测试惯导仪器的高精度、高可靠的复杂机电设备，在其设计研制的过程中，它的每一个重要的元部件都是经过专业人员认真挑选的。

但转台的系统结构复杂，在工作的过程中出现故障也是不可避免的。

结合转台的结构组成特点，将双轴转台的可能出现的故障划分为机械台体故障、控制器故障、执行器故障、测角故障和通讯系统故障等五类，如图2-3所示。

图2-3 双轴动静态测试转台故障分类
2.2.1 机械故障
转台机械台体的各个零部件，从材料的选择，结构的设计到加工制造的工艺，整个过程要求都很严格。

此外转台的零件都经过有限元软件Ansys的变形应力分析，保证结构有足够的刚度和设计寿命，故一般情况下零件出现断裂失效的几率很小。

通常情况下，造成机械故障的因素有以下几种：长期磨损、调整标定的过程不严格、连接松动等。

经常出现的故障有轴承磨损、轴线不对中、滑环出现松动、机械锁紧装置没打开等。

2.2.2 控制器故障
为了使系统性能稳定可靠并具有较高的稳态精度，转台采用数字化控制的方案，系统调试好后，转台的控制参数在运行时是不会变化的，所以控制器的故障主要由软件运行错误和电路故障造成的。

1.软件故障
控制系统的软件采用VC++6.0编写，主要实现控制量的计算、信号的采集、系统的实时监测、安全保护等功能。

软件程序复杂庞大，而且采用多线程技术，虽然事先都是经过调试成功的，但是出现软件漏洞也是很难避免的，比如系统过于繁忙时，有些代码来不及执行以及内存地址读取出现错误等。

常出现的故障有：一是程序突然结束，出现飞车现象；二是刚进入系统就出错。

2.数模转换故障
每个轴的位置和速率控制量都是由控制器计算得出，然后用D/A转换器将数字量转化为模拟量，传给功率放大器来实现调节控制。

数模转换的故障一般有两种：一种是模拟转换电路出现故障，前向放大比例增大，模拟电路输出为饱和值，不再随控制数字量的变化而变化；第二种是控制板计算单元死机，这样控制量将保持为系统死机前一个周期的值。

第一种情况下，由于模拟输出一直保持最大值，+10V或是-10V，转台势必出现飞车，测试的惯导元件和工作人员的安全都将受到极大地威胁。

3.开关量故障
控制器是通过开关量0和1，来设定或识别转台的某种工作状态，比如转台的停止、限位等。

当开关量接收出现故障时，系统给出或判断的运行状态也是错误的。

例如，有这么一种工作状态，工装电机固定在负载面上，用来和转台作三轴模拟，假如这时候限位的指令没有收到，则会发生工装电机电线的缠绕，测试元件碰到外框架。

2.2.3 测角系统故障
测角系统在转台正常运转中所起的作用是至关重要的，转台的主要指标很大程度取决于测角系统的精度和动态特性。

转台两个轴均采用Renishaw高精度增量式圆光栅。

这部分出现的故障主要表现为测角系统在外界干扰的情况下意外复位，有很大可能引起转台飞车。

因为增量式光栅尺与绝对式光栅不同，增量式的每个栅格距离相等，计数板卡需要知道起始点的位置，才可以累加脉冲数，计算出绝对坐标，所以受到干扰以后，测角系统无法确认当前位置，必须清零后重新测量。

另外还有光栅读数头故障、细分盒故障和四细分电路故障，光栅的分辨率取决于读数头，它的安装位置的标定很重要，需要专业的软件进行测试，若工作过程中。