基于模糊ARX-RBQ方法的液压制动系统故障诊断分析

为了提高工程机械中液压制动系统的运行可靠性,选择模糊ARX模型来构建得到液压制动系统运行故障信息的提取方法,利用RBQ网络分类器来归类各个故障特征向量,从而实现对系统故障种类与状态的准确判断。故障分析方法诊断准确率达到92%,表明此方法可以满足液压制动系统故障诊断的要求。采用该算法与PID算法都可以快速响应,经分析可知建立在RBF-ARX模型基础上的非线性预测控制算法在控制强非线性多变量系统方面优于传统PID算法。     

基于ARX-FCM的盾构机液压推进系统故障诊断方法

针对盾构机液压推进系统的智能故障诊断系统设计的相关问题,以中铁十四局在工程项目中使用的泥水盾构机为研究对象,介绍了盾构机液压推进系统的工作原理,利用故障影响模式及危害性分析(Failure Mode, Effects and Criticality Analysis, FMECA)方法对推进系统的故障模式和故障机理进行了梳理总结,并根据推进系统的工作原理,结合AMESim软件建立了系统的仿真模型,通过修改模型参数模拟出液压缸泄漏、溢流阀泄漏、换向阀泄漏、调速阀损坏4种常见故障模式。在此基础之上,提出基于有源自回归(Auto-Regressive with Extra Inputs, ARX)模型和模糊C-均值聚类(Fuzzy C-means, FCM)聚类相结合的故障诊断方法,该方法利用ARX模型对多传感器数据进行融合,提取不同故障模式的故障特征,并通过FCM算法根据故障特征对不同的故障模式进行诊断识别。仿真结果表明,基于ARX-FCM的故障诊断方法可以对每种故障模式进行精准的识别,能够有效的应用于盾构机液压推进系统的故障诊断系统设计中。     

基于数字仿真建模的船闸液压系统故障诊断

液压系统是船闸闸门运行的重要动力机构。系统回路之间耦合性强，故障机理各不相同，导致其故障诊断困难重重。针对以上问题，提出了一种基于数字仿真建模的船闸液压系统故障诊断方法，通过AMEsim仿真平台模拟液压元件故障状态，生成故障数据，结合偏最小二乘法（PLS）建立过程变量与故障类型的回归方程，对液压系统故障类型进行判别分析。结果表明，偏最小二乘法能够实现过程变量数据融合，提取故障特征，完成故障类型的检测、分离与识别。     

液压系统仿真中几种阀口流量模型的解算分析

针对液压系统中传统阀口流量模型存在的仿真刚性问题,提出了两种改进的阀口流量模型。改进模型一考虑流量系数的非恒定性,采用可变的流量系数;改进模型二给出了一个经验公式来取代零压差附近的传统紊流流量公式,建立了分段描述的阀口流量模型。实际仿真求解表明,两种改进的阀口流量模型都能保证ODEs求解器变步长算法的收敛,有效地提高了复杂液压系统仿真计算的效率。     

基于NARX网络模型的挖掘机液压系统故障检测

提出了一种针对挖掘机液压系统的非线性有源自回归(nonlinear auto-regressive with extrainputs,NARX)网络模型的故障检测方法。NARX网络模型是一种将有源自回归(auto-regressivewith extra inputs,ARX)模型与神经网络相结合的系统建模方法,具有很强的非线性辨识能力。该方法首先选取合理的网络模型结构,并根据AIC准则确定最佳模型阶数;使用正常状态样本对NARX网络进行训练,建立系统的辨识模型;然后运用序贯概率比检验(sequential probability ratiotest,SPRT)对NARX辨识模型的残差进行假设检验,检测系统的故障状态。实验分析表明,基于NARX网络模型的故障检测方法能够有效地应用于挖掘机液压系统。     

液压系统组合协整模型状态监测

由于利用单个协整关系模型对液压仿真系统进行状态监测研究的过程中存在对多种故障状态监测效力不一致的不足,且无法在状态监测下对多组协整关系的存在进行解释,因此基于协整关系空间提出了故障状态与空间投影关系的观点,解释了系统变量多组协整关系的意义,并利用多组协整关系的线性组合模型来改善单个协整关系模型的状态监测效力.通过在液压...     

一种改进的PSO-BP算法在液压系统故障诊断中的应用

液压系统故障诊断中采用BP神经网络进行故障的模式识别,存在着收敛率较低的问题。结合粒子群算法和BP算法各自的优势,提出了一种基于改进的PSO-BP液压系统故障诊断方法。对标准粒子群算法的惯性权重和学习因子进行改进,再对BP神经网络的权值和阈值进行优化,达到改善BP网络性能的目标。仿真结果表明该方法提高了BP网络的收敛率,减小了诊断误差。     

基于改进粒子滤波的非线性系统故障诊断

粒子滤波在非线性系统的故障诊断中,存在着粒子样本退化和突变状态难以跟踪的问题。为此提出一种基于无迹变换和遗传变异改进的粒子滤波算法,通过无迹变换将粒子转移到高似然区域,遗传算法代替重采样消除粒子多样性退化的问题,再利用对数似然函数和作为评价指标来进行故障诊断。仿真实验结果表明,改进的算法可有效提高滤波精度,在连续搅拌反应器变量发生突变时,能够有效、准确地诊断出故障。     

基于改进PSO算法的液压调高系统神经网络预测控制

针对采煤机液压调高控制问题,提出一种基于模拟退火粒子群算法的RBF预测控制方法。综合模拟退火算法和粒子群算法的优点,用模拟退火思想来解决粒子群算法易陷于局部最优的问题。用模拟退火粒子群算法优化RBF神经网络,增强学习能力和算法稳定性。利用改进的RBF神经网络对采煤机液压调高系统进行预测控制,仿真结果表明,改进后的方法比传统控制方法辨识精度提高,响应速度更快,证明了该方法的改进效果较好。     

基于改进开关卡尔曼滤波的轴承故障特征提取方法

提出了一种基于改进开关卡尔曼滤波的滚动轴承故障特征提取新方法,与传统卡尔曼滤波算法相比,该方法每次迭代只需当前监测数据测量值和上一时刻最优估计值,计算效率高,具有较强实时性。首先将故障轴承振动信号分为故障冲击振动和正常振动两种成分;其次,针对故障冲击振动和正常振动两种状态,分别建立基于轴承质量-弹簧-阻尼系统动力学脉冲响应的卡尔曼滤波器及线性卡尔曼滤波器模型;然后,应用基于贝叶斯估计的开关卡尔曼滤波算法对振动信号进行状态估计;最终,通过时域迭代滤波,滤除噪声并识别故障冲击成分,实现轴承故障特征提取。仿真和试验信号分析结果表明了所提方法的可行性和有效性。