吕维宗 王海瑞 舒 捷

(昆明理工大学信息工程与自动化学院 云南 昆明 650500)

0 引 言

由于工业生产的不断发展，大型复杂机械设备安全可靠的运转引起了社会的逐渐重视，相关故障诊断技术也得到了迅猛的进展。滚动轴承是大型机械设备的关键组成部分，因此大型机械滚动轴承的故障特征诊断相关技术有着十分重要的作用，而这是属于模式识别方面的问题。平时高负荷运转时产生的安全故障，安装、拆卸等多种情况下都会产生故障。所以，滚动轴承运作、维护等工作及其相关故障的诊断工作显得尤为重要。故障主要包括外圈出现裂纹、内圈点蚀、滚动体点蚀三类[1]。而以上故障是很多因素共同作用所导致的，但是故障及其成因并不是一一对应，且往往对应关系较为复杂。目前复杂机械设备故障诊断的方法中，人工神经网络和模糊综合评价法等较为常见[2-6]。后者在体现模糊观点方面效果十分突出，缺点是它设定评价因子的权重时要不断地依赖有关专家的以往经验，进而导致上述结果将产生一定程度的偏差。人工神经网络更擅长自学和对任何非线性函数有更好的逼近，并且更为形象地拟构了人类脑神经系统方面的物理结构以及多种多样的网络结构，但其在呈现模糊信息方面的表现不好，甚至相对较差[7-9]。

大型机械故障状态下的训练样本的获得，是一件非常不易的工作。原因是实际过程中能训练的样本并不多，这就导致很难展开一系列的训练，这时便有处于故障隐患样本数据出现。……