Размещено на http://www.allbest.ru/

Федеральное государственное бюджетное образовательное учреждение высшего образования

«Орловский государственный университет имени И.С. Тургенева»

(ФГБОУ ВО «ОГУ имени И.С. Тургенева»)

«Политехнический институт имени Н.Н. Поликарпова»

Кафедра мехатроники, механики и робототехники

Лабораторная работа по дисциплине «Триботехника»

на тему «Выявление неисправности роторно-опорной установки»

Выполнил студент группы 71МХ:

Черторыжский В.Н.

Проверил д.т.н.: Корнаев А.В.

Орёл 2019 г.

Оглавление

Цель работы

Задачи работы

Описание установки

Описание эксперимента

Ход выполнения работы

Вывод

Цель работы

Приобретение навыков в выявлении неисправностей роторно-опорной системы при помощи искусственных нейронных сетей (ИНС). Исследование дисбаланса ротора и влияния дефектов крепления установки на показаниях датчиков.

Задачи работы

неисправность роторный нейронный сеть

1. Получение данных эксперимента при помощи которых происходит обучение искусственной нейронной сети.

2. Создание искусственной нейронной сети, которая способна выявлять неисправности роторно-опорной системы.

Описание установки

Испытательный стенд для подшипников для исследования роторно-опорной системы включает в себя бронзовый подшипник 20 мм в толщину и 40.2 мм в диаметре. Средний зазор подшипника составляет 100 мкм. Длина стального вала составляет 380 мм, а диаметр - 40 мм. Масса полого вала составляет 0,6 кг. Подшипник смазывается водой, которая подается под давлением через крышку корпуса подшипника. Вал приводится в движение электродвигателем ELTE TMPE3 12/2 мощностью 2,2 кВт и диапазоном скорости вращения 0-24000 об / мин.

Рис 1 Испытательная установка

Модуль "NI 9215" используется для преобразования аналоговых сигналов от регулятора частоты "Altivar 312" для получения данных о потреблении энергии электродвигателя "ELTE TMPE3 12/2". Модуль релейного выхода "NI 9481" используется для управления сервоклапанами распределения "Smart SM88634", которые автоматически включают один из четырех случаев подачи смазки (см. рис.).

Модуль "NI 9269" представляет собой цифроаналоговый преобразователь. В этом испытательном стенде, он использован для того чтобы контролировать расход потока жидкости в 2 гидравлических цепях с клапанами сервопривода "Burkert 2835" и "EV260B", так же, как контролировать электрический двигатель посредством инвертора частоты "Altivar 312". Модуль генерирует сигнал в диапазоне ± 10 В.

Рис. 2 Информационно-измерительная система испытательного стенда

Описание эксперимента

Эксперимент по исследованию влияния дефектов крепления установки на показания датчиков. Установка на воде. Левая опора отсутствует, правая опора гладкий подшипник жидкостного трения. Постоянная скорость вращения около 2500 об/мин. Время опыта 2 мин. Затяжка болтов крепления корпуса с подшипник к станине 17 Н*м. Суть эксперимента заключается во внедрении в роторно-опорную систему искусственных неисправностей путем ослабления болтов на двигателе или станине, установка дисбаланса ротора при помощи магнитов.

Рис 3 Искусственные неисправности ротора

План эксперимента описан ниже

Цветом выделены эксперименты, с помощью которых происходит оценка правильности работ ИНС. Данные невыделенных экспериментов используются для обучения ИНС

Ход выполнения работы

Создание нейронной сети происходит в программной среде MATLAB.

Рис. 4 Создание ИНС

Чтобы открыть модуль для создания ИНС нужно ввести nnstart. Далее следует выбрать данные для обучения. Во вкладку inputs(входящие) загружаются данные эксперимента с помощью которых происходит обучение ИНС. Во вкладку targets(цели) загружаются данные, которые позволяют узнать работает ли сеть правильно или нет.

На основе полученных данных. Была получена выборка для обучения ИНС. Данные собой представляют, графики которые описывают работу датчиков которые расположены на установке. Для более точного определения полученные графики были отредактированы. С помощью программы в MATLAB.

Рис 5 Графики показаний с датчиков

При не отредактированном графике ошибка зависела от количества скрытых слоев ИНС так при разном количестве скрытых слоев ошибка была разной.

Так при 1 одном скрытом слое ошибка составляла 65% при 10 45%, с 15 по 100 слой ошибка была примерно около 35%. При переобучении (Retrain) ИНС ошибка менялась на 2-3% в обе стороны.

Так изменением непосредственно ИНС минимум ошибки составляет 35%.

Рис 6 Значения ошибок ИНС при 1, 10, 20, 30,100 и 200 скрытых слоев ИНС

Так при использовании данных без изменения графиков минимальная ошибка имеет значение око 35%

Графики редактировать можно следующим образом. Можно добавлять и убирать измерение с некоторых датчиков, также можно менять размерность, и наконец, можно менять точность, графика. Для начала будем проверять все на 30 слойной ИНС и когда получим позитивные значения посмотрим, как это работает на сетях с другими слоями.

При изменении измерений датчиков (использование не сглаженных значений или не использование некоторых датчиков) ошибка увеличивалась.

Увеличение количества измерений ограничено вычислительными способностями ПК поэтому не представляется сделать измерения на порядок точнее.

Были добавлены данные с датчиков Bruel&Kjaer. После этого измерения стали точнее.

Изменение графиков путем увеличения величины значений измерений особо не повлияло на работу сети.

Были убраны данные со всех датчиков кроме Bruel&Kjaer.

В итоге значения в файле для редакции выборок для обучения были такими

Nexp=6; Npar=5; Ntest=[2 7 12 17 22 27]

l =1500;

n =1500

Nmeas=[0 0 0 0 0 0 0 0]

NmeasBruel=[1 0 0 0 0]

Не вписанные значения не изменялись.

Сеть была переобучена до следующих значений ошибок.

Рис. 7 Значение ошибки после обучения ИНС

Однако на реальном примере (данные с датчиков, которые не участвовали в обучении) сеть работает хуже. Проверить это можно с помощью функции созданной с помощью ИНС можно сделать это следующим образом.

Создать функцию ИНС можно в модуле ИНС нажав на кнопку MATLAB Matrix-Only Function

Рис. 8 Создание функции ИНС

Далее следует сохранить файл как myNeuralNetworkFunction подробнее показано на рисунке ниже

Рис. 9 Переименование файла с функцией ИНС

Далее следует запустить файл ANNsSeriesResults_NIvsBK_6exp сделать это можно из рабочей папки.

Рис. 10 Расположение файла ANNsSeriesResults_NIvsBK_6exp

Рис. 11 Открытый фал для тестирования ИНС

В появившимся окне следует нажать Run Section.

После в командном окне можно будет узнать точность полученной ИНС

Вывод

На основе полученных данных из эксперимента, была создана и обучена ИНС для выявления неисправностей ротора в программной среде MATLAB с точностью работы 66.66% при следующих значениях

Nexp=6; Npar=5; Ntest=[2 7 12 17 22 27]

l =1500;

n =1500

Nmeas=[0 0 0 0 0 0 0 0]

NmeasBruel=[1 0 0 0 0]

Размещено на Allbest.ru