潘銘志，潘宏俠，趙潤鵬，任海鋒

(中北大學(xué) 機(jī)械工程與自動化學(xué)院，山西 太原 030051)

自動機(jī)由于制造裝配誤差和不適當(dāng)?shù)墓ぷ鳁l件(如載荷過大、潤滑不良)，使其易于發(fā)生故障。小口徑火炮自動機(jī)維修保障手段相對落后，傳統(tǒng)方法采用聽、摸、看和經(jīng)常的大拆大卸、開箱解體方式檢查，維修成本高、周期長，受主觀因素的干擾易造成誤診漏診，遠(yuǎn)遠(yuǎn)不能適應(yīng)現(xiàn)實(shí)裝備研制和維修需要。

本文探討了自動機(jī)故障的主要原因、產(chǎn)生振動的機(jī)理及其頻率特征；通過自動機(jī)機(jī)箱的振動響應(yīng)機(jī)理分析研究，根據(jù)時域信號峰值和時刻，頻域能量的變化和分布，以及自動機(jī)動作循環(huán)圖這些特征值，結(jié)合專家規(guī)則進(jìn)行狀態(tài)分離和故障預(yù)測。并根據(jù)小波包分解的各頻段能量特征值結(jié)合自動機(jī)各構(gòu)件固有特性，通過建立的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行網(wǎng)絡(luò)訓(xùn)練仿真計算，進(jìn)行故障定位和診斷。

1 振動機(jī)理及故障形式

小口徑火炮自動機(jī)結(jié)構(gòu)在炮彈擊發(fā)和供輸彈過程中產(chǎn)生強(qiáng)烈的沖擊、振動和噪聲，自動機(jī)機(jī)箱可看成是以機(jī)箱本體和各機(jī)構(gòu)構(gòu)件為質(zhì)量的振動系統(tǒng)。自動機(jī)擊發(fā)動作產(chǎn)生的火藥氣體，推動機(jī)框等后面的一系列構(gòu)件高速運(yùn)動，完成自動供輸彈過程和連續(xù)射擊，這是自動機(jī)主要的激振源[1]。由于射擊擊發(fā)時機(jī)箱轉(zhuǎn)動軸和轉(zhuǎn)膛滑板等構(gòu)件周期性運(yùn)動[2]，支撐剛度反復(fù)變化、結(jié)構(gòu)作用扭矩也連續(xù)變化，它們都引起激振力作用，都將會產(chǎn)生一定頻率和方向的機(jī)械振動[3]。構(gòu)件在機(jī)箱內(nèi)3個方向的運(yùn)動和沖擊會導(dǎo)致機(jī)箱徑向和軸向的振動[4]，進(jìn)而形成整個自動機(jī)機(jī)箱的彎扭振動。自動機(jī)的運(yùn)行狀態(tài)發(fā)生卡滯和構(gòu)件出現(xiàn)裂紋等不正常狀態(tài)，將直接反映在機(jī)構(gòu)傳遞特性上，如轉(zhuǎn)動軸的松動、偏心、局部疲勞裂紋或斷裂等將會影響到響應(yīng)特性的較低頻成份，轉(zhuǎn)膛滑板發(fā)生過度磨損、膠合點(diǎn)蝕等損傷時，響應(yīng)特性的較高頻率成份加大，所有這些都使動載荷加大，沖擊振動也相應(yīng)加劇。

2 振動信號處理

下面為某試驗(yàn)場實(shí)地測試的自動機(jī)動作振動數(shù)據(jù)，結(jié)合最新的信號處理方法，對數(shù)據(jù)進(jìn)行了時域頻域分析，傳感器安裝位置及x、y、z3個方向說明如圖1所示，圖中兩個同心圓表示身管。

2.1 時域波形分析

早期的信號特征分析是時域波形分析和幅值域及周期參數(shù)診斷分析，目的是迅速判斷自動機(jī)是否處于正常工作狀態(tài)[5]。對應(yīng)于不同的故障，其振動波形表現(xiàn)出不同的形態(tài)。圖2為自動機(jī)3個方向時頻動作曲線，并根據(jù)每一段的數(shù)據(jù)計算出了其峰值，可以考慮將峰值作為時域幅值分析的一個主要特征，因?yàn)閥向和自動機(jī)身管同向，振動幅度及能量值最大，所以對y向進(jìn)行重點(diǎn)分析，從圖2中能清楚地看到自動機(jī)動作的4個峰，3.3 s時擊發(fā)，3.35 s時復(fù)位，3.38 s 時后坐，3.42 s時復(fù)位，及其各個動作過程的振動幅值，將這3個過程作為自動機(jī)動作的3個周期，分別分析各周期的時間長度及各周期的峰值時間，可以將其作為自動機(jī)運(yùn)行狀態(tài)分析的另一個重要特征。自動機(jī)動作三向振動曲線如圖2所示。

自動機(jī)y向(身管軸線方向)動作分析各段放大圖如圖3所示。

基于上圖自動機(jī)機(jī)箱振動響應(yīng)，提取其周期特征如表1所示。

表1 自動機(jī)動作3個特征周期

以上3個時間段為自動機(jī)正常工作時3個特征周期的時間值。可以根據(jù)這3個值作為參考，判斷自動機(jī)是否出現(xiàn)卡滯或磨損膠合等故障,起始時間基準(zhǔn)是數(shù)據(jù)采集觸發(fā)時刻。自動機(jī)4個動作過程振動響應(yīng)的幅值特征如表2所示。

表2 自動機(jī)4個動作振動幅值

結(jié)合上面的幾種處理方法，得出自動機(jī)動作時頻幅值及周期分析的10個主要特征。根據(jù)多次不同狀態(tài)的測量，得出可供比較的專家規(guī)則，如表3所示。

表3 高速自動機(jī)動作特征值及專家規(guī)則診斷

觀察上面自動機(jī)動作過程特征值表，針對各故障的特征值改變，可以有效地對自動機(jī)進(jìn)行狀態(tài)分離及故障預(yù)測。

2.2 頻域分析

用最新的處理方法對高速自動機(jī)動作過程振動信號進(jìn)行頻域分析，從圖3可以看出信號夾雜著眾多噪聲信號，而且信號中有許多混疊成分，運(yùn)用小波分析中核心的mallat算法對信號進(jìn)行處理，它在去噪及抗混疊中起了重要作用[6]，機(jī)箱前y向三層小波分解重構(gòu)圖如圖4所示。

分析上圖可以發(fā)現(xiàn)小波分析在信號去噪抗混疊處理中有顯著效果，對上面的重構(gòu)信號進(jìn)行功率譜分析，自動機(jī)機(jī)箱前y向功率譜密度曲線如圖5所示。

對信號進(jìn)行功率譜分析可以粗略地觀察動作過程哪些頻段能量值比較集中，這里需要對各個頻段進(jìn)行更精細(xì)的劃分，小波包分析能夠?qū)⑿盘栴l段進(jìn)行更精細(xì)的層次劃分，并能根據(jù)被分析信號特征，自適應(yīng)地選擇相應(yīng)頻帶，使之與信號頻譜相匹配，從而提高了分辨率，本例對信號進(jìn)行四層小波包分解，分16個頻段，利用小波包的分解和重構(gòu)算法[7]，分別分析各頻段的能量譜及各段能量所占的比例，自動機(jī)機(jī)箱前y向振動信號能量譜圖如圖6所示。

從上面小波包分解的能量譜圖中可以看出，3～11頻段能量值突出，與前面的功率譜圖進(jìn)行比較驗(yàn)證，取y向3～11特征頻段作為神經(jīng)網(wǎng)絡(luò)的輸入[8]。

3 針對小波包分解的神經(jīng)網(wǎng)絡(luò)智能診斷

建立的神經(jīng)網(wǎng)絡(luò)模型采用3層BP神經(jīng)網(wǎng)絡(luò)，運(yùn)用比例梯度共軛動量算法來訓(xùn)練BP網(wǎng)絡(luò)。輸入和輸出層神經(jīng)元分別為9和5，經(jīng)筆者多次網(wǎng)絡(luò)訓(xùn)練，發(fā)現(xiàn)選擇隱層神經(jīng)元為6的網(wǎng)絡(luò)能取得較好的分類效果和收斂速度。輸入和輸出神經(jīng)元的傳遞函數(shù)都選為線性傳遞函數(shù)purelin，隱層神經(jīng)元的傳遞函數(shù)選為雙曲正切S型傳遞函數(shù)tansig，目標(biāo)誤差為1.0×10-3。神經(jīng)網(wǎng)絡(luò)采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)函數(shù)為梯度下降動量學(xué)習(xí)函數(shù)learngdm，動量因子為0.9。

針對自動機(jī)的5種情況，每種情況給出15個學(xué)習(xí)樣本，輸出為1，1，1，1，1分別對應(yīng)正常、轉(zhuǎn)膛滑板磨損、推彈滑座磨損、連接筒松動、主動滑板面斷裂五種情況，訓(xùn)練完成以后，可以針對網(wǎng)絡(luò)模型進(jìn)行檢驗(yàn)[9]。筆者用該網(wǎng)絡(luò)對大量的檢驗(yàn)樣本進(jìn)行了診斷。取故障識別門限為0.2，即實(shí)際輸出和目標(biāo)輸出差值的絕對值大于2，則不能判定結(jié)果，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本輸入及目標(biāo)輸出如表4所示。

將自動機(jī)轉(zhuǎn)膛滑板磨損膠合工況數(shù)據(jù)提取其對應(yīng)特征頻段作為檢驗(yàn)樣本神經(jīng)網(wǎng)絡(luò)輸入如表5所示。

表4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)輸入及目標(biāo)輸出

表5 神經(jīng)網(wǎng)絡(luò)檢驗(yàn)(轉(zhuǎn)膛滑板)樣本數(shù)據(jù)輸入

針對上述檢驗(yàn)樣本的神經(jīng)網(wǎng)絡(luò)診斷輸出結(jié)果如表6所示。

表6 神經(jīng)網(wǎng)絡(luò)診斷輸出

4 結(jié)束語

通過分析可知：該網(wǎng)絡(luò)模型能有效地對自動機(jī)動作狀態(tài)進(jìn)行分類識別，并進(jìn)行故障定位，筆者采用了大量測試樣本數(shù)據(jù)對該網(wǎng)絡(luò)模型進(jìn)行檢驗(yàn)，并進(jìn)行診斷計算，故障診斷準(zhǔn)確率達(dá)到90%，所以這種利用比例梯度共軛動量算法訓(xùn)練的三層BP神經(jīng)網(wǎng)絡(luò)的對自動機(jī)進(jìn)行故障診斷方便、可行。而且診斷結(jié)果可以和前面時頻專家規(guī)則診斷結(jié)果進(jìn)行比較驗(yàn)證。只要有足夠的樣本數(shù)據(jù)，便可對自動機(jī)的狀態(tài)進(jìn)行全面的分析，并進(jìn)行準(zhǔn)確的故障定位。

參考文獻(xiàn)(References)

[1] 王茂林,張國平.GA35自動機(jī)機(jī)構(gòu)設(shè)計創(chuàng)新思想分析[J].火炮發(fā)射與控制學(xué)報,2005(3):28-31.

WANG Mao-lin,ZHANG Guo-ping.Analysis of innovatory thought for structure design of GA35 automatic gun [J].Journal of Gun Launch & Control,2005(3):28-31.(in Chinese)

[2] 閆彬,姚忠,王瑞.某火炮自動機(jī)轉(zhuǎn)膛機(jī)構(gòu)運(yùn)動特性分析[J].火炮發(fā)射與控制學(xué)報,2010(2):66-69.

YAN Bin, YAO Zhong, WANG Rui. Movement characteristics analysis of rotary chamber mechanism of a gun automatic mechanism[J]. Journal of Gun Launch & Control,2010(2):66-69. (in Chinese)

[3] 戴勁松,王文中.外能源自動炮動態(tài)仿真[J].南京理工大學(xué)學(xué)報,2001(3):234-237.

DAI Jin-song, WANG Wen-zhong. Dynamic simulation of exterior power auto-cannon[J]. Journal of Nanjing University of Science and Technology,2001(3):234-237. (in Chinese)

[4] 劉科祥，李雪松，張國平,等.自動機(jī)模擬試驗(yàn)臺控制和測試系統(tǒng)[J].火炮發(fā)射與控制學(xué)報,2005(2):55-58．

LIU Ke-xiang. LI Xue-song, ZHANG Guo-ping, et al. Measurement and control system for automatic gun simulation experimental system [J]. Journal of Gun Launch & Control ,2005(2):55-58. (in Chinese)

[5] 時建峰,程珩,許征程,等.小波包與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的齒輪箱故障識別[J].振動、測試與診斷,2009(3):320-323.

SHI Jian-feng,CHENG Heng,XU Zheng-cheng,et al.Wavelet packet and improve the combination of BP neural network gear box failure recognition[J]. Journal of Vibration Measurement&Diagnosis,2009(3):320-323.(in Chinese)

[6] 李凌均,段晨東.基于支持向量機(jī)和小波包變換的結(jié)構(gòu)損傷診斷方法[J].振動與沖擊, 2008,27(增刊):271-274.

LI Ling-jun, DUAN Chen-dong. The structure damage diagnosis method based on SVM and wavelet packet transform[J].Journal of Vibration &Shock,2008, 27(s):271-274. (in Chinese)

[7] 陳雪峰,李兵.基于第二代小波的火炮機(jī)構(gòu)間隙特征提取方法研究[J]. 振動與沖擊, 2008,27(增刊):124-125.

CHEN Xue-feng, LI Bing. Clearances identification of guns mechanism based on the second wavelet[J]. Journal of Vibration &Shock,2008,27 (s):124-125. (in Chinese)

[8] 張敬芬,孟光,趙德有.基于模糊神經(jīng)網(wǎng)絡(luò)的薄板不同指標(biāo)裂紋診斷[J].機(jī)械工程學(xué)報,2006(3):145-149.

ZHANG Jing-fen, MENG Guang, ZHAO De-you. Different indexes cracks diagnosis to thin plate based on fuzzy neural networks[J].Chinese Journal of Mechanical Engineering,2006(3):145-149. (in Chinese)

[9] 李睿,于德介.一種基于奇異譜熵和脈沖響應(yīng)的結(jié)構(gòu)損傷診斷方法[J].振動工程學(xué)報，2006(3):331-335.

LI Rui,YU De-jie.Damage diagnosis of structures based on singular spectrum entropy and impulse response[J].Journal of Vibration Engineering,2006(3):331-335.(in Chinese)