基于神经网络的液压缸内泄漏在线测量研究

内泄漏是液压缸最常见故障，严重影响液压缸的正常工作，因此对其在线测量显得尤为重要。提出内泄漏在线测量的工作原理，包括在线测量系统、应变片的固定方式和流量-应变信号转换的数学模型，并搭建实验系统采集内泄漏和应变数据并进行数据处理。分别采用BP神经网络和卷积神经网络对液压缸内泄漏进行预测，结果表明，卷积神经网络准确度高、效率高，为其他液压元件微小流量的在线测量提供一种新的思路。     

基于 BP 神经网络的液压系统泄漏故障诊断

针对液压系统的泄漏问题,提出了基于ＢＰ神经网络,以液压系统压力动态过渡过程为分析对象的故障诊断方法。该方法在通常ＢＰ神经网络的基础上,采用对学习样本加噪声的方法,提高了ＢＰ网络对噪声的抑制能力。它比传统方法,具有可靠性高,适用性广,而且成本低廉的特点。     

液压缸内泄漏分析方法的研究

以轧机液压AGC系统液压缸为例，提出了通过确定内泄漏与辊缝厚度以及液压缸位移之间的关系曲线，初步确定液压缸内泄漏状态，通过改变输入电压和设定不同辊缝并在空载情况下的仿真实验验证液压缸内泄漏状态。     

基于小波分析的液压缸内泄漏检测方法

现有的液压缸内泄漏检测方法大都为实验室检测方法,主要为保压法、测量液压缸沉降法和量杯测量法等,上述方法均为静态检测方法,均无法在液压缸的使用过程中对液压缸的内泄漏进行态检测。详细地介绍一种基于小波分析提取液压缸内泄漏故障特征值来判断液压缸是否存在内泄漏故障的实时检测方法。该方法实时采集液压缸在运行过程中无杆腔液压油的压力信号并对采集的压力信号运用小波变换获得该压力信号的时频特性,分析获得与液压缸内泄漏故障相关的特征量,通过对提取的被检测液压缸内泄漏故障特征量与无泄漏故障的特征量进行对比的方式来实现对液压缸内泄漏故障的精确检测。可实现在液压缸的工作过程中对其内泄漏故障状态的实时检测,检测的准确度较高,具有一定的工程实际意义。     

液压缸内泄漏检测方法的改进

分析了现有液压缸内泄漏检测方法存在的问题,提出了伺服缸检测方法, 并介绍了该方法的检测原理和系统组成.与传统检测方法相比,伺服缸检测方法具有测量精度高、自动化程度高的特点.     

液压缸内泄漏检测方法的改进

对保压法检测液压缸内泄漏进行分析,利用密闭容器装置排除液压试验台和试压接头连接处的内泄漏对被试液压缸内泄漏的影响,通过压降和内泄漏量的转换计算,检测出被试液压缸的内泄漏量。     

挖掘机液压缸泄漏的诊断及预防

<正>1.泄漏的原因(1)活塞杆与导向套相对运动表面间泄漏原因:活塞杆外伸表面与外界各种杂质接触,使活塞杆表面产生麻点、沟槽、伤痕或锈渍等,加剧了密封圈的磨损,有时甚至会切伤密封圈。(2)缸筒与端盖(或导向套)间密封件漏油原因:密封圈压缩量不足;密封圈损坏;缸筒和导向套密封槽的表面     

工程机械液压缸内泄漏故障检测分析

针对大型工程机械液压缸内泄漏问题,对液压缸进行数学建模.依据模型的动力特性方程对液压缸内泄漏与液压缸的输出动力、活塞的运行速度之间的关系进行研究分析.通过实验,测得了某型推土机液压缸压力变化曲线,验证了液压缸在不同情况下的动力特性,为液压缸内泄漏故障检测提供理论依据.     

液压缸内泄漏性能评定方法探讨

分析了用内泄漏流量来评定液压缸内泄漏性能的不足,提出用单位时间压力降来评定液压缸的内泄漏性能,阐述了其理论依据及试验、测量和评定方法,建议推广使用。     

轧机伺服液压缸内泄漏故障诊断研究

针对目前轧机伺服液压缸故障诊断过程中,故障特征提取困难,信号非线性变化,数据量大的问题,提出了一种基于深度置信网络的轧机伺服液压缸故障诊断的方法.根据轧机系统工作原理,建立轧机系统仿真模型,对轧机内泄漏故障状况进行模拟.利用深度置信网络在智能故障诊断的优越性,将信号归一化处理后放入深度置信网络进行训练,然后通过反向传播...     

液压缸内泄漏复合检测系统的研究

液压缸的泄漏会引起系统控制特性恶化,达不到正常控制精度与运行速度,直接影响工程机械的正常工作性能和使用寿命。本文在分析液压缸泄露原因及诊断方法的基础上,设计了一套以PLC为控制器,融合量杯检测、流量计检测及光电传感器检测的三位一体式复合检测系统,实现对不同泄漏量的油缸检测。实验表明该系统测量过程简捷、快速,测量结果可靠性高。     

基于BP神经网络的矿井一氧化碳检测方法研究

文章采用热催化传感器和电化学式气体传感器的配合使用，为了解决两种传感器对矿井一氧化碳和甲烷气体的“交叉敏感”问题，提出了一种基于BP神经网络技术的传感器系统。研究了采用两种传感器组成的多传感器阵列与BP神经网络相结合来实现一氧化碳气体浓度精确检测的方法。实验证明，利用基于BP神经网络的多传感器阵列模型，能有效的提高对井下一氧化碳气体的测量精度。     

基于改进BP神经网络的SRM间接位置检测技术

文中提出了一种基于改进BP神经网络的开关磁阻电机间接位置检测的新方法.该方法构造了一个将权值变为参数可调函数的BP神经网络,经过训练,形成只有一个隐藏层的网络,实现电机电流、磁链与转子位置之间的非线性映射.通过对开关磁阻电机特有结构性质的分析,提出了一种减少样本数据的方法,从而节约计算时间.仿真结果表明,此方法简化了系统的复杂性,提高了检测精度,从而实现了开关磁阻电机位置的间接检测.     

基于BP神经网络的制冷机组故障检测与诊断

研究了BP神经网络用于制冷机组故障检测与诊断的方法，并且用来自真实测量的数据建立了冷水机组故障检测与诊断的BP神经网络模型：研究表明，在静态条件下，通过提取制冷机组有代表件参数的残差，以此作为BP神经网络的输入，当BP神经网络经过适当的训练后，能成功地对各种耦合的故障进行辨识，诊断训练时间短．BP神经网络能实现对制冷机组进行实时故障检测与诊断的需要.     

基于遗传优化的BP神经网络

人工神经网络的优化学习是其研究中的一个重要课题。将遗传算法用于BP神经网络的学习,将遗传算法的全局搜索和BP神经网的局部搜索相结合,并设计一网络实例加以训练,达到了比较满意的效果。     

基于BP神经网络预测筒形件对轮旋压内径扩径量

内径扩径量是衡量筒形件对轮旋压好坏的关键性指标。本文采用单因素试验设计方法和数值模拟技术,获得了以减薄率、进给比、圆角半径为试验因素,内径扩径量为评价指标的模拟数据。基于试验因素和评价指标,运用BP神经网络技术建立了3-10-1的三层神经网络结构预测模型。用模拟试验所得到的数据对该模型进行了训练和预测,将预测值与实测值相比较,证明该模型对筒形件的内径扩径量有很好的预测效果。     

基于BP神经网络的金刚石涂层钻头失效在线检测

为了找到金刚石涂层钻头在钻削过程中钻头失效的在线检测方法,本文对钻头失效的形式进行了分析,然后对钻头失效发生时钻削扭矩的特性进行了研究。采用Kistler 9277A5测力机来检测钻削过程的扭矩值;在分析了扭矩特性的基础上,选取扭矩斜率等5个参数作为神经网络的输入;然后通过BP神经网络的建模,得出钻削过程中钻头的失效模型。验证结果表明,本文提出的基于BP神经网络的检测方法可以有效的检测金刚石涂层钻头钻削加工过程中的失效情况。