基于RBF神经网络的空压机性能预测研究

陈长宇

(海军工程大学武汉，430033)

摘要现代化的设备状态检测和故障诊断理论已经把设备的寿命预测作为一个重要的组成部分。随着科学技术的发展，设备运行状况的复杂化程度越来越明显，对于往复式空压机而言，这种信息的复杂性、不确定性程度反映更加强烈，传统的数学建模预报方法已不能满足设备的复杂化和现代化要求。提出一种基于RBF神经网络的振动信号在线预测模型，以空压机振动信号为基础，选取合适的特征参量，提高了性能预测精度，结果表明该模型是可行和有效的。

关键词：故障诊断;空压机;性能预铡;神经网络;RBF

机械设备故障诊断在现代工业生产中已经起到非常重要的作用，开展机械设备故障诊断技术的研究具有重要的现实意义。近几年来，机械设备故障诊断技术迅猛发展，已逐步形成以振动诊断、油样分析、温度监测和无损检测等技术和方法。随着科学技术的发展，人工智能技术进入故障诊断领域，形成全新的故障诊断方法。由于传统的空压机故障诊断方法是建立在系统的数学模型基础上，其数学模型依赖于被诊断系统的结构，而很多故障往往会造成系统结构的变化，缺乏现场数据就更难以建立新的数学模型。对于空压机这样一个大型复杂系统而言，要对其运行状况建立完整的数学模型并做出客观地评价和估计十分困难。而人工神经网络的基本思想是不完全依靠检测到的信号进行诊断，而是运用神经网络的综合运算、逻辑推理、模式识别等进行判断，为此简化检测硬件电路，使诊断更加可靠。本文尝试提出一种基于RBF神经网络的振动信号在线预测模型，以空压机振动信号为基础，实现空压机的性能预测。

更多内容详见附件：资料下载