1、引言
現代工業生產設備趨向大型化、連續化、高速化和自動化，功能越來越多、結構越來越復雜，但因此設備故障停工造成的損失大大增加。保證生產正常進行的關鍵是使各種重要的大型設備正常運轉。如果在設備出了問題后維修，停產不僅帶來經濟上的巨大損失，而且設備帶病工作有可能引起嚴重損害。由于涉及
破碎機系統故障診斷的文獻報道極少，因此有必要對其進行研究。
根據運行系統和現場技術人員的經驗積累可知：破碎機在運行過程中故障與征兆之間的描述語言是模糊的，要充分利用這些數據對破碎機進行故障診斷，首先需要對這些數據進行模糊處理，以適應神經網絡的輸入輸出需要。為解決這些問題，本文在利用神經網絡進行故障診斷時，運用模糊數學對故障知識和數據進行模糊處理，并利用MATLAB工具箱中的BP神經網絡，將模糊理論和神經網絡有機結臺起來，找出破碎機運行中故障原因與現象間的模糊關系，運用神經網絡進行故障知識學習，這將有利于提高破碎機故障診斷的質量和效率。
2、破碎機的故障集及征兆集的建立
破碎機故障原因、故障征兆較多，為簡便起見，根據現場運行經驗及有關文獻，對大型破碎機組的主體、潤滑系統及電機部分進行總結歸納，得到IO種主要故障形式，分別是：(A)．破碎能力下降；(B).破碎機振動過大；(c)．破碎機過熱；(D).水平軸磨損；(E)．定錐松動；(F)．潤滑失效；(G)．甩油故障；(H)漏油故障；(I).過濾器堵塞；(J).電機軸承燒壞。
同時借助傳感器獲得以下十一個參數值作為破碎機故障征兆：(1)傳動軸轉速；(2)止推軸承溫度；(3)傳動軸與外襯套溫度；(4)排礦口尺寸；(5)冷卻管進油溫度；(6)冷卻管進出油溫差；(7)回油管溫度；(8)供油流量；(9)過濾器壓差：(10)水平軸壓力；(11)電機軸承溫度等十一種運行征兆參數作為破碎機故障征兆以提取破碎機故障。其中電機軸承溫度在兩個不同位置分別設置了傳感器，通過求二者的平均值確定它的參數值以便精確測定。
3、故障診斷征兆的模糊處理
模糊神經網絡與傳統多層感知器的主要區別在于其輸入和輸出均表示為模糊隸屬度，通過隸屬度函數的適當選擇，該網絡既可以處理數字形式輸入又能適應語義形式輸入，同時輸出也不再是單一的分類結果而是各類的隸屬度，這樣就更好地模擬了人腦思維的模糊性。
（轉載請注明：富通新能源破碎機
http://sxktls.com/psj/）
