基于压力积分的液压系统泄漏故障诊断方法

介绍一种基于压力积分的液压系统泄漏故障诊断方法,利用新型的压力波形采集仪测量并记录液压系统被测容腔的压力波形,用积分方法诊断液压系统的液导是否变化,即是否产生泄漏。给出该方法的原理和理论推导,通过台架实验给出了液压系统外泄漏情况下的实验结果。     

BP神经网络在舰炮液压系统故障诊断中的应用

该文介绍了BP神经网络技术,举例分析了在舰炮液压系统故障诊断中的应用.     

基于BP神经网络的某型叉车液压系统故障诊断模型研究

阐述了液压系统故障诊断的特点和现状,对BP神经网络的结构、训练方法和算法流程进行了说明,并由此建立了某型叉车的故障诊断模型。将该型叉车液压系统的经验故障诊断特征库转化为可以被神经网络模型利用的样本数据,并利用Matlab软件进行了仿真实验,验证其收敛性能达到相关要求。     

基于高斯模糊和BP神经网络的汽车液压转向系统故障诊断

提出了一种结合高斯模糊化和BP神经网络的汽车液压转向系统故障诊断方法。通过采集压力、温度、噪声、流量和泄漏量等信号,并对其进行高斯模糊化处理,将其映射为一组多元模糊集合,用于描述液压转向系统的状态。同时,使用BP神经网络对故障进行分类和回归预测,并通过训练集和测试集验证了模型的准确性和泛化能力。与未高斯模糊化的对照实验相比,高斯模糊化处理的方法表现出了明显的优越性,能够提高预测准确性、降低训练时间和计算量,并减小过拟合的可能性。因此,该方法可以为汽车液压转向系统的故障诊断提供一种有效的解决方案。     

基于RBF神经网络的液压系统模糊故障诊断研究

提出了将RBF神经网络运用于液压系统模糊故障诊断的方法,针对该网络不能识别新状态类型的缺陷,应用一种基于置信度的判别原则.通过实例对该网络的性能进行测试,并且与BP网络的识别结果进行对比,发现该网络能取得更好的效果,并具备识别新的状态类型.     

基于BP神经网络的液压马达故障诊断

以液压系统中液压马达为研究对象,提出了一种基于故障表征的诊断模型,该模型无需建立被诊断对象的精确数学模型,只需以显性的故障表征作为诊断模型的输入,并为其建立BP神经网络模型,运用MATLAB给出该网络的训练过程及结果,并提供应用于液压马达的故障诊断实例.     

基于Elman神经网络的液压起竖系统故障诊断研究

液压起竖系统故障机理复杂、故障现象隐蔽,依靠传统方法难以及时准确地诊断故障.因此,提出采用Elman神经网络来对液压起竖系统实施故障诊断.利用Elman神经网络建立了故障诊断模型,通过典型特征故障的学习训练后,应用于液压起竖系统的故障诊断.结果表明该诊断方法运行速度快、诊断准确且容易实现.     

基于小波变换预处理的一种神经网络故障诊断方法的研究

针对无法区分干扰信号与有用信号一类系统提出了一种先用小波变换让信号在不同频段上进行分解,提出各分量故障信号的特征,然后应用ＢＰ神经网络进行故障诊断的一种方法。并将这种方法应用于液压系统的泄漏故障诊断,取得了比较满意的效果。     

液压系统泄漏的防治

随着旧设备的改造更新和企业装备水平的不断提高,液压装置的应用日益广泛.但是液压装置普遍存在两大问题,一是故障较多,造成故障的主要原因往往是液压油不清洁;二是液压系统存在着不同程度的泄漏.液压系统的泄漏不仅造成了价格昂贵介质的流失,而且污染了环境.我厂炉顶、炉前液压设备就曾由于液压系统的泄漏,发生过多起火灾事故.因此,液压系统泄漏的防治是设备管理维护中亟待解决的问题. 密封是解决液压泄漏问题最重要、最有效的手段.造成密封件功能降低或丧失的因素是多方面的.例如,密封结构设计不当,元件制造精度不高,密封件质量有缺陷、安装维护不得法等.只要了解和掌握密封件的密封机理,正确设计密封结构,保证制造和装配精度,选购合理的密封元件,液压系统泄漏问题是完全能够解决的.     

基于Elman神经网络的混凝土输送液压系统故障诊断研究

通过对混凝土输送液压系统的失效形式和故障机制进行分析,提出将Elman神经网络算法应用于混凝土输送液压系统故障诊断的方法。针对混凝土输送液压系统故障诊断的特点,建立Elman神经网络故障诊断模型。选择典型的故障样本训练网络,并使用Matlab神经网络工具箱进行模拟仿真,仿真结果验证了该方法的可行性。     

基于LVQ网络的液压系统故障诊断方法研究

针对液压系统故障诊断的复杂性,阐述了基于LVQ算法进行液压系统故障诊断的基本原理,并以某型导弹转载车的下车液压系统为例进行了仿真验证。仿真结果表明,该方法具有良好的故障模式识别能力,对一般的液压系统具有良好的适用性。     

基于神经网络理论的液压系统故障诊断系统

为了实时、准确地对液压系统的故障进行诊断,开发了一套基于神经网络理论的液压系统故障诊断系统,利用PC机强大的数据处理能力对采集的数据进行实时处理并直观地显示处理结果,极大地提高了诊断速度和准确度。将此系统应用于某型车辆液压系统的故障诊断,达到了比一般故障诊断系统更好的准确度和更快的速度。     

基于BP神经网络算法的柔性制造系统故障诊断

在分析和研究人工神经网络的前提下,将BP神经网络作为故障诊断的技术指导,以本校柔性制造系统中的电源管理模块故障诊断为实例,构建其智能诊断系统。通过3层BP神经网络,将输入端传感器收集到的特征量经中间层信息处理和输出层的进一步处理,使其达到网络性能目标,最终得到诊断数据。比较诊断数据与标准故障集的类型,获得准确的结果。结果表明:利用BP神经网络可以构建一个智能诊断系统,实现故障准确快速自动识别。     

基于BP神经网络的齿轮故障诊断

通过介绍神经网络的模型算法,根据齿轮的四种故障类型,采用BP神经网络对其进行训练和诊断,得到了较为理想的结果,为及早发现和预防机械故障提供了可靠的理论依据。     

基于优化BP神经网络的快速起竖装置液压驱动系统故障诊断

快速起竖装置在自卸车等工程机械以及导弹发射车等军事领域均有较为广泛的应用.液压驱动系统是快速起竖装置的核心,准确诊断其故障具有重要意义.传统BP神经网络故障诊断准确率随着故障类型的增加急剧下降,难以满足工程需求.以快速起竖装置液压驱动系统为研究对象,提出一种基于BP神经网络和AdaBoost算法的故障诊断方法,将BP神...     

基于BP网络的调距桨螺距发讯器故障诊断研究

以某型船凋距桨闭环控制系统模拟电路板为研究对象,采用BP神经网络算法完成了螺距发讯器电路板故障定位研究.仿真结果表明该方法故障覆盖率高、易于实现,对提高其技术保障维修能力具有重要的意义.     

基于神经网络的转子系统故障诊断

提出了一种基于神经网络的转子振动故障诊断的新方法,该方法以大型机器的轴承振动裂度作为神经网络的训练样本输入,并通过神经网络的学习、聚类,产生神经网络聚类中心,根据网络聚类的特点以及聚类的中心来判断转子的振动特性和实质。实例验证表明,该方法可实现对转子系统振动故障的准确诊断。     

基于BP神经网络的汽车故障诊断的研究

研究了一种基于BP神经网络的汽车故障诊断方法。主要结合了专家系统判断推理的思想,通过多个子BP神经网络形成一条诊断链,从故障征兆出发,对汽车故障进行分级连续诊断,使故障诊断范围逐级缩小,最终确定汽车故障的具体原因。该方法符合人的逻辑思维,实现简洁,同时具有很高的诊断精度和很好的鲁棒性,可行性强。     

基于油液分析的多层前向BP网络在复杂机械故障诊断中的应用

为了提高大型复杂机械故障诊断系统的诊断精度和自适应性,将改进的多层前向BP神经网络引入大型复杂机械系统故障诊断的研究,通过对该系统的多技术油液分析,建立了该机械系统油液分析故障特征表及神经网络目标输出,以此构建了基于油液分析的复杂机械系统多层前向BP网络故障诊断模型,并对该模型在MATLAB环境下进行了仿真训练和故障诊断。仿真结果表明,该模型能用于故障诊断,并有较高的输出精度。     

基于神经网络的齿轮故障诊断专家系统

基于齿轮典型故障机理及其信号特征,采用时域、幅值域与频谱分析相结合的诊断方法,建立了齿轮故障诊断神经网络模型,试验验证模型诊断结果具有较高准确性。基于Windows平台和Visual C＋＋语言,开发了基于神经网络的齿轮故障诊断专家系统,将传统的时频信号分析理论与现代小波分析、神经网络和专家系统技术融入齿轮故障诊断之中,形成一个更加完善基于神经网络的齿轮故障诊断专家系统。