风机在线振动检测与故障诊断系统.docx

风机在线振动检测与故障诊断系统.docx

《风机在线振动检测与故障诊断系统.docx》由会员分享，可在线阅读，更多相关《风机在线振动检测与故障诊断系统.docx（18页珍藏版）》请在冰豆网上搜索。

风机在线振动检测与故障诊断系统

风机在线振动检测与故障诊断系统

说明书

中国华电南京农网城网工程有限公司

2007.6

1、项目设计遵循标准及规范

振动状态监测部分参照GB/T19873.1-2005/ISO13373-1:

2002《机器状态监测与诊断振动状态监测》；

有关电气装置的实施参照GB50255-96《电气装置安装工程施工及验收规范》；

有关自动化仪表实施参照GB50093-2002《自动化仪表工程施工及验收规范》及DLJ279-90《电力建设施工及验收技术规范》（热工仪表及控制装置篇）；

其余部分参照中国华电南京农网城网工程有限公司企业标准。

1.1系统目标

基于对钢铁企业现状的了解，并结合对未来在线监测系统的期望，我们拟订如下系统目标：

   1、实时监测

   以机组结构示意图、棒图、数据表格等方式实时显示所监测的数据和状态，并以不同颜色进行声光报警显示。

   2、趋势分析

   对采集到的振动、轴位移等参数进行趋势分析，能根据标准值的限定范围实现劣化分析，并结合标准信息提供设备检修指导，同时劣化曲线应能导出成电子文档或图表形式。

   3、振动分析

包括时域分析（波形、幅值）、相关分析（自相关分析、互相关分析）、频谱分析（频谱、相位）、矢谱分析、矢功率谱分析、进动谱分析、全信息分析、轴心位置（稳态）、倒谱分析、时频分析等。

   4、数据库管理

   系统能自动生成各种数据库，包括历史（分钟、小时、天、月、年）、启停机、报警、事件及特征数据库等，并能自动进行维护，对过期数据自动清理，对特殊数据进行保护和备份。

   5、黑匣子功能

   系统设有黑匣子数据库，能追忆和分析报警前后有关的详细数据。

   6、故障诊断

   能诊断机组的常见故障，包括不平衡、不对中、基础松动、油膜涡动、转子碰摩等十六种常见故障。

   7、报表打印

   8、网络通讯

  公司及分厂的有关领导和技术人员都可以通过浏览器随时查看机组的运行状态和进行各种分析、诊断。

可与现场智能仪表、DCS系统和MIS系统通讯。

1.2故障诊断的目的

●确定机器继续运行的时间。

●确定机器发生故障的严重程度。

●确定机器继续运行是否有危险。

●通过诊断，对部分异常通过调节工艺参数进行减振。

●确定机器解体检查的部位。

●只有需要修理的时候才实施修理。

●最大限度地降低设备维修费用，避免设备因过剩维修带来的设备损坏。

2、系统简介

设备远程监控与运行管理系统是中国华电南京农网城网工程有限公司汇集多年对旋转机械故障机理和动力学特性研究成果而向市场推出的高智能、高可靠的工业级设备在线监测与故障诊断系统，包括采用嵌入式技术和多CPU技术设计的高智能全自动主动数据采集单元、基于获得国家科技进步奖的矢谱分析技术的全序列分析方法，涵盖了稳态、瞬态和非平稳态分析，配合可视化主动数据驱动技术，向用户提供了与机组运行状态最接近的图谱信息、基于智能混合技术的故障诊断专家系统和稳定的网络支撑、开放型关系数据库几个组成部分。

数据采集单元实现将机组的振动模拟信号采集，其采集模式根据不同的状态（正常、报警、危险等）自动转换，并具备完善的数据预处理功能，既保证了采集数据的正确性和完整性，也可以充分发挥系统硬件资源功效。

采集并经预处理的数据存储在系统的服务器数据库中，供监测、分析和诊断系统调用，可实现企业网络系统内的全功能浏览。

信号分析方法提供了稳态、瞬态和非平稳态分析方法，组合功能达到30种左右。

系统采用了基于获得国家科技进步奖的矢谱分析技术作为技术依托，可以向用户提供唯一性的源数据，为后续故障诊断系统的高效发挥提供了技术保障。

故障诊断专家系统可自动诊断16类旋转机械常见故障，并提供相应的修正建议措施。

故障诊断系统具备自学习功能，采用了支持向量机技术构造自学习系统，可实现在小样本条件下甚至正常数据样本条件下的高效自学习。

网络系统可以采用用户指定的操作系统和数据库，也可采用Linux作为网络支撑环境。

3、系统的基本功能

3.1系统设计原则

3.1.1高可靠性

作为工业产品，可靠性要求是第一位的，也是保障技术先进性正常发挥的重要条件。

可靠性除包含系统所设计的硬件外，软件的可靠性、稳定性、网络系统抗病毒攻击能力均成为系统可靠性指标的组成部分。

系统在以下诸方面体现上述可靠性指标：

①高可靠数据采集前端系统的数据采集器全部采用嵌入式Linux体系和多CPU结构，组成全功能数据采集系统，可满足振动（位移）、工艺参数、开关量等参数的多模式采集，根据现场实际和用户需求，也可扩展数字输出功能，实现部分参数的控制。

数据采集部分的平均无故障时间不低于40000小时。

②高可靠网络体系针对网络普遍存在的安全性问题，系统局域网采用高可靠的服务器，网络支撑系统采用Linux网络平台，数据库采用Oracle大型关系数据库，软件整体采用符合网络数据传输要求的B/S结构，并采取了多种安全措施和冗余设计，系统负荷不超过设计容量的60%，不但保障系统高速运行，也便于随着对系统功能要求的不断提高而进行的功能扩展。

③高可靠信号分析体系信号分析方法全面，覆盖面广；除保留应用效果较好的传统分析方法外，鉴于大多故障发生时信号表现为非平稳过程，增加了非平稳过程分析方法和部分现代信号分析方法（如数据融合、盲源分离等），并尽可能以简洁、直观的表达方式呈现给系统使用者。

④高可靠信号预处理对部分耦合通道较多、信号结构复杂且信噪比低的信号，将采用先进的“盲源分离”或“高阶统计量”等现代信号处理技术对信号进行预处理，获得信噪比较高的早期故障信息。

3.1.2方便实用性

①功能浏览方便采用全B/S结构，友善的人机接口、联机帮助系统，使操作非常简单方便。

②工作状态变更方便各种参数可通过系统提供的组态软件进行在线调整，由于Linux系统具备的TCP/IP通讯协议功能优于Windows系统，可方便地实现数据采集器的远程工作状态变更及功能升级。

③数据查询管理方便数据查询方便快捷，针对大多设备状态监测系统采用的基于时间标志数据查询方式不直观、效率低等弊病，采用了先进的可视化主动数据驱动技术，用户选择数据更直观、准确、快捷。

系统还提供事件－数据关联技术，实现直接从事件进入数据分析。

④用户端扩展方便由于系统软件采用了J2EE体系编制，用户端无需任何设置即可成为系统全功能浏览器，且与用户端操作系统无关。

3.1.3可扩充性

①监测对象扩充系统具有良好的扩充性，并保证扩充具有较高的性能价格比。

新增加监测机组仅需增加数据采集器、振动传感器／工艺信号变送装置和信号电缆，对于安装距离较近的机组，在采集器框架所容通道许可的条件下，可以通过扩充采集板的方式进行扩充。

②系统功能扩展软件系统采用组态化、模块化设计，所有分析功能均作为一个独立控件模块，便于系统功能扩展和功能升级。

③系统覆盖范围扩展系统提供与ERP/EAM系统互联的的标准数据接口，便于组成大型企业监测网络和不同应用系统之间的数据传输与共享。

④技术支持范围扩展系统具备远程故障诊断技术支持功能（需INTERNET网络支持），通过INTERNET可实现领域外专家的技术支持和远程故障诊断。

3.1.4人工智能性

①智能诊断机组常见故障系统配备了智能故障诊断专家系统，自动或人机交互诊断16大类机组常见故障。

②智能自学习功能采用先进的支持向量机技术更新了系统的自学习功能，支持在小样本条件下（甚至是正常数据下）的系统自学习功能，进一步提高了系统故障诊断的准确度。

③智能综合源数据系统对于故障诊断推理机构造有与一般诊断系统不同。

一般故障诊断系统多利用频谱特征（将频率成份分为多个“段”，给予一定的加权值）、轴心轨迹形状、振动稳定性等因素进行模糊识别，由于采用的数据源为一个“点”数据，且频谱多为单通道频谱（投影谱），故诊断准确率相对较低。

系统综合考虑了振动信号来源位置、数值变化趋势、截面信息融合、源信号分离、唯一性源数据处理等方式进行设备状态的推理，因此可以提高故障诊断的准确性。

对于采用电涡流传感器的系统，所有考核数据均为振动矢量，避免了单通道数据（投影数据）受传感器安装位置影响导致数据无唯一性问题。

④智能数据采集数据采集器采用了全自动智能工作模式设计，可智能识别机组运行状态变化并应用相适应的数据采集方式，全部功能均处于全自动运行状态。

3.1.5数据准确性

①采用数字矢量滤波技术获取真实相位信息。

②采用盲源分离技术获取高信噪比信号。

③采用高位数A/D（16位）提高模数转换精度。

④采用截面——轴系数据融合技术获取唯一性数据。

⑤采用通频、分频、梯度及状态报警等多维报警功能，获取真实的机组状态变化信息。

3.2系统总体特点

3.2.1基于嵌入式Linux体系设计的多CPU高智能数据采集技术。

3.2.2旨在提高信号信噪比与准确性的多重数据预处理技术。

3.2.3提高数据查询的可视化主动数据驱动技术。

3.2.4基于矢谱分析的系列信号分析技术。

3.2.5基于数据挖掘技术和矢谱数据分析的智能故障诊断技术。

3.2.6基于Struts架构的J2EE模式的与操作系统无关的编程技术。

3.2.7基于Linux＋Oracle的数据库服务器安全配置技术。

4系统功能及技术指标

4.1智能数据采集站

数据采集系统主要功能是采集、传送并处理各种振动、位移、键相及温度等数据。

采用工业控制计算机架构体系和当今智能IT仪器设计广泛采用的嵌入式Linux体系，结合针对振动信号特性设计的多CPU并行预处理技术，配合特殊设计的多种专用集成电路技术（ASIC）及数字信号处理（DSP）等多种信号调理板，构造的数据采集器具有高可靠性和稳定性，完全满足工业现场苛刻的环境，其平均无故障时间不小于40000小时。

动态振动数据取自现场机组，在条件许可的情况下，也可从PLC、DCS系统引入部分工艺信号，或直接取自工艺信号的标准信号输出端。

根据机组所处的工作状态，数据采集器会自动采用相应的触发方式。

正常工作状态下系统采用等时间间隔的同步整周期采集（需要键相信号支持），异常时即采即存，开停车状态按设定的转速间隔采集，全部采用同步整周期采集。

4.1.1特点

①优化设计的同步整周期采集同步整周期采集是以键相位信号为基准实现多通道的同步采样，采样速率受控于机组转速，每周期（转）采集的数据样本长度相同，每次采集的波形周期数相同。

整周期采样是在硬件控制下实现的，每周期采样长度和采样周期数均可设置。

②自动跟踪滤波跟踪滤波包括跟踪抗混滤波和跟踪数字矢量滤波，前者采用特殊设计的八阶椭圆低通滤波器，该滤波器的拐点频率f0可通过改变时钟脉冲频率fc任意设定（滤波器的拐点频率在10Hz和500kHz之间，一般转速的机组设置在25kHz即可满足需要），因此控制低通滤波器的时钟频率即可方便地实现跟踪抗混滤波；后者以数字处理技术为核心，实现以机组转速为中心频率的带通滤波功能，可实时跟踪1X、2X矢量（幅值与相位），也可跟踪用户设置的任何分频矢量。

③自动瞬态与稳态数据采集机组瞬态与稳态数据的采集均按同步整周期采样。

机组开停车数据是采集器自动进入高速数据采集状态，采用专门设计的静态＋动态数据混合采集技术，实现高分辨率的开／停车数据采集。

系统分析软件能自动识别瞬态数据并调用相应的分析方法。

④基于事件驱动的数据“黑匣子”功能“黑匣子”功能对故障数据长期保存，以利进一步深入分析。

数据为开机数据、停机数据、正常数据、异常数据和实时数据五种，异常数据采集包括了发生异常前后的整个过程的数据。

⑤工艺通道光电隔离对不允许共地的工艺信号，采集器专门设计了全光电隔离信号调理采集板，各路工艺信号之间以及与采集系统完全隔离，隔离的耐压为±1000V。

4.1.2技术指标

●宽电压设计，90～132VAC或180～264VAC

●6/12/18CH＋1键相通道独立CPU采集模板，积木式组合设计。

●ASIC+DSP结构，完善的数据预处理功能，包括先进的数字矢量滤波技术。

●TCP/IP通讯协议，通讯速率100Mbps。

●采样频率最高达500kHz。

●16位A/D转换。

●优化设计的同步整周期采集技术，采样长度和每转采样点数可调。

●可编程抗混跟踪滤波器与数字矢量滤波。

●测量转速范围60－60000rpm。

●多种模式采集设计，自动识别键相信号，采样模式自动转换。

●远程控制与参数设置。

●模拟输出功能（选件）。

●系统自检功能，自举功能与自动联网设计

●高分辨率开/停车过程数据采集功能。

●转速误差小于0.05%，相位测量范围0-360°。

●

4.2监测预报系统

监测预报系统属于系统软件中的一个组成部分，这个部分的所有功能是针对机组操作人员获取正确的机组状态信息而设置的，其目的在于让机组操作人员以直观、快捷的方式获取机组是否正常运行、是否需要进行进一步诊断的准确信息。

数据采集器采集的实时数据传送至监测网的数据库服务器（兼作WEB服务器和应用服务器），生成系统监测、分析和诊断所需要的特定数据库。

监测预报系统作为系统软件的一个模块，调用数据库服务器中所有反映机组运行状态的数据，如振动幅值、分频矢量、位置、相关工艺参数等，依据系统组态软件中设置的参考数值，进行数值监测、状态判断、报警显示以及部分监测图谱的生成显示等。

监测预报系统向机组操作人员提供多种报警功能，以弥补单纯绝对报警的局限性。

根据机组的特点，系统提供了梯度报警功能，即当监测参数数值变化率超出设定范围时，系统判定为状态异常。

梯度报警是一种双向报警方式，无论监测参数过大或过低，均启动梯度报警，并启动相应的数据采集方式。

对于报警事件和监测列表，系统均可同时显示报警类型、报警时间和故障类型。

监测预报系统也可随时对监测结果、报警事件或用户指定的报表形式进行打印输出，便于日后存档备查。

4.2.1特点

处理速度快监测周期不超过1秒，完全满足在线实时监测要求。

数据传输高速可靠采用Linux网络来传输数据，通讯速率高，且安全可靠。

通用性好采用模块化设计和面向对象的程序设计，通用性好，易于推广。

操作方便用户端全部采用浏览器方式工作，真正做到了用户端免维护。

显示直观各机组的状态在状态行上显示，该状态行在任何主画面上均可见。

数据组织有序数据分为实时数据、历史数据、趋势数据、故障数据，配合可视化主动数据驱动技术，数据查询、调用方便快捷。

事故数据“黑匣子”功能事故发生前数据自动封存保留，以供事后分析之用。

数据保存完善趋势图最长追忆时间暂定为2年（亦可按用户要求设定），可保存32次开停车数据（亦可按用户要求设定），报警数据和危险数据长期保存，避免数据在短期内被覆盖丢失。

实用性强根据不断变化的情况，动态在线修改多种参数，如监测机组的参数、监测周期参数、报警阈值等。

4.2.2监测功能

●机组总貌概况图

●单值／多值棒图

●趋势分析

●截面综合全信息谱

●多参数相关分析

●矢量区域监测

●轴心位置监测

●报警事件列表（绝对报警、梯度报警、进动分量梯度报警、位置报警和矢量区域报警以及自动诊断结论）

4.2.3数据类型

●历史数据

●开、停机数据

●一级正常数据（通频值、特征分量值、进动分量值等）

●二级正常数据（同上）

●三级正常数据（同上）

●报警数据（绝对报警、梯度报警、进动分量梯度报警、位置报警和矢量区域报警）

●危险数据（同报警数据）

●趋势数据

●监测报告数据

4.3信号分析系统

信号分析系统是整个系统中承上启下的中间关键环节，系统以获得国家科技进步奖的矢谱技术为核心组成分析系统，功能配置突出实用、有效、强大，系统组合分析方法近30种，除具备完善的稳态分析、瞬态分析外，还增加了非稳态过程分析和振动与工艺参数相关分析。

系统针对不同的测振传感器获取的信号采取有针对性的分析方法，以获得信噪比较高的设备状态信号。

系统除提供常规的信号分析功能外，还将目前独有的双通道数据融合技术应用到工程实际中，其中包括矢量谱分析、进动谱分析、二维矢功率谱分析等，另外，还提供时下流行的短时Fourier分析、小波分析、Wigner分布等时频分析方法。

本系统的信号分析处理系统，可以使用实时数据（在线数据）和历史数据（追忆数据）两种数据，并以可视化主动数据驱动技术进行数据快速查询，对所有被监测机组在不同时刻、不同状态下的动态信号快速、准确地进行各种信号分析和数据处理，以简洁、直观、信息量丰富非图谱表达出来，并将其数据值信号特征传递至故障诊断专家系统。

4.3.1分析方法特点

①分析方法具有针对性一种信号分析方法，其主要用途在于提供准确的特征信息，系统中配置的分析方法重视针对性，重视向用户提供最大信息量。

②分析方法覆盖面广系统提供传统的分析方法外，同时提供非平稳过程分析方法和数据融合分析方法，如矢谱、进动谱、矢功率谱、短时FFT、小波和Wigner分布等。

③具有专有分析技术系统的核心分析技术是获得1999年度科技进步奖的矢谱分析技术，通过数年的改良、扩展和系列化，已经成为系统分析方法，为准确识别故障提供了功能强大的工具和手段。

矢谱分析方法是一种全新的分析技术，与传统的单通道谱（投影谱）分析相比，最大限度地融合了同一截面上的动态振动、平均位置和进动分量的全部信息，比全谱、进动圆分析能提供更多、更全面的信息，避免了因传感器安装方向不同引起的刚度不同导致的测量结果差异，为故障诊断专家系统提供了唯一性的源数据。

④提供准确、全面状态信息系统追求信息的准确，不追求数值的精确。

前者要求系统提供的信息能正确反映机组的运行状态，后者仅表现为数学计算结果的精度。

分析方法具有一定应用范围限制，如轴心轨迹和轴心位置仅适用于电涡流传感器系统提供的信号，某些分析方法适用于滚动轴承等。

4.3.2主要分析方法

①常规分析方法类

时间波形、轴心轨迹、提纯轴心轨迹、频谱图、振动矢量区域分析、统计特性分析、倒频谱分析、细化谱分析、相位谱分析、特征谱分析、自相关分析、互相关分析、相干分析等

②数据融合分析

矢谱分析、矢功率谱分析、进动谱分析、全信息分析、轴心位置（稳态）

矢量谱矢谱分析方法属于多通道数据融合的范畴，它所利用的信息源是转子截面上相互垂直安装的两个传感器所拾取的振动信号，通过特定的快速融合算法将两个通道的信息有机融合起来，准确快捷地跟踪转子截面的最大振动量，转子截面进动轨迹椭圆的位置，计算准确高效，快速算法稳定可靠，物理意义明确。

矢量谱克服了以往单通道分析方法信息源不完整所带来的对转子截面信息的割裂作用，克服了单通道分析方法结果不唯一、随传感器安装位置不同而不同的弊病，有效地避免了现场中使用单通道分析方法所造成的误诊误判等现象。

与常规双通道分析相比，矢量谱不仅能够提供特征频率处的轴心轨迹，而且能够跟踪非特征频率处的轴心轨迹，计算量小，计算效率高，分辨率高，并且通过细化分析等手段还可以进一步提高分辨率，很好地满足了工程实际的需要，大大提高了故障的确诊率。

进动谱与矢量谱一样，进动谱也属于数据融合的范畴，所不同的是进动谱不仅仅动态地跟踪了转子截面在各个频率点上的最大振动强度及其所处的方向，而且有效地提取出了转子截面的进动方向。

进动谱包括进动幅度谱和相位谱，幅值谱反映转子截面的最大振动幅值及进动方向，其中进动方向以正负数值的形式表达出来，正的幅值表示正进动，负的幅值表示负进动；进动相位谱表示转子截面最大振动强度方向与方向传感器的夹角。

二维矢功率谱二维矢功率谱是最新研制的数据融合技术，是数据融合技术对转子截面的功率表示形式，它将转子截面两个通道的信号有机融合起来，提取转子截面的振动功率分布。

与单通道分析方法中的功率谱不同，功率谱所分析的对象是转子某一个方向上的单个信号，表达的是转子在单个方向上的振动功率分布；而二维矢功率谱分析的对象是转子某个截面上相互垂直安装的两个传感器所拾取的两个信号，即转子的整个截面，表达的是转子某整个截面的振动功率分布，具有更加明晰的物理意义。

③瞬态过程分析

波德图、极坐标图、三维频谱图、轴心位置（瞬态）、坎贝尔图

波德图波德图是分析机组开／停车过程的主要方法之一，是振动信号1X矢量的直角坐标表达形式。

波德图可以提供转子－支撑系统的动力学参数，其中重要的指标是同步方法系数，合理的同步放大系数是反映转子－支撑系统稳定性和适当阻尼的指标。

波德图中相位信息的来源对分析结果的影响是至关重要的，必需是真实的物理相位，不能采用FFT计算得到的相位数值。

极坐标图极坐标图使用同波德图同样的数据，以极坐标形式表达。

极坐标图对反映转子的固有不平衡矢量、进行转子平衡计算具有比波德图更直观的效果。

轴心位置（瞬态）随转速变化的轴心位置曲线，可以显示转子是否被正确地抬起，转子是否易于与轴承表面摩擦、转子－支撑系统是否易于失稳，对于显示系统预负荷的影响特别敏感，分析对中、摩擦比频谱更直观。

④非平稳过程分析

小波分析、短时FFT分析、Wigner分布

大多故障发生时信号表现为非平稳态，而传统FFT反映的是信号在整个时域的平均值，不是频率变化时刻的值，即傅立叶变换不提供信号在时域上的信息，不具备时域上的分辨率，这显然与许多故障时的信号特征是不吻合的。

系统配备的非平稳过程分析方法就是针对传统FFT的固有缺陷而设计的时－频域分析。

⑤统计报表、日记

机组状态列表、振动参数列表、过程量参数表、报警事件列表、用户指定班组报表

4.4故障诊断专家系统

4.4.1特点

①诊断系统知识库多来自实践本系统的智能故障诊断专家系统整合了丰富的故障诊断知识，包括多年来科研人员和研究生研究故障机理的成果、科研人员现场机组诊断经验、安装在现场的若干套系统捕捉到的故障实例以及国内外发表的故障诊断知识和研究成果，应用人工智能技术，以人工神经网络、模糊和规则推理，并在运行过程中应用知识工程不断积累经验，丰富知识库，提供故障发生的原因以及治理措施，实现操作开环控制。

②诊断专家诊断系统采用唯一性源数据多数故障诊断专家系统对于源数据的采用具有随机性，特别是基于频谱特征的诊断模式，往往受方向性导致的特征差异影响，得出的结论同样具有不确定性。

系统的故障诊断专家系统采用基于矢谱分析的特征源数据，具有唯一性，因此诊断结论亦具有唯一性。

③采用多重技术构造专家系统故障诊断系统的关键环节包括多机组数据库、知识库的建立和管理，基于多知识库多数据库的推理；本系统在应用模糊、灰色、神经网络等一系列较成熟的诊断技术之外，还尝试应用基于实例的诊断推理新技术、非线性征兆识别和支持向量机等新技术。

该系统由元知识库、专用知识库、机组数据库、动态数据库、推理机、征兆获取、人机交互接口、解释器和学习机九大部分组成。

元知识库包括频谱知识库、波形知识库、相位谱知识库等8个元知识模块。

专业知识库包括旋转机械中机泵知识库、发电机知识库、电动机知识库、齿轮箱知识库合压缩机知识库。

数据库包括上述各机组数据库。

④采用高效学习机构造技术学习机包括元知识学习和故障实例积累两大块，元知识学习分规则学习和神经网络学习。

一般系统的自学习功能需要大量的故障样本，这个要求在实际中往往是无法满足的，系统故障诊断专家系统采用了支持向量机技术构造自学习模块，实现了小样本条件下的高效学习。

⑤采用混和诊断诊断策略采用人工神经网络与基于规则的故障诊断专家系统有机结合技术，克服了目前神经网络每次学习必须忘记已具有的知识而从头开始学习的弊端，发展了神经