共查询到18条相似文献,搜索用时 218 毫秒
1.
加工制造及现场装配会导致飞机液压管路外表面产生微缺陷,管路的流固耦合振动会导致微缺陷逐渐转化成裂纹甚至扩展成贯穿性裂纹,进而导致管路产生泄漏故障。因此,研究两端固支约束的飞机液压管路在含有圆周非贯穿裂纹时的动力学特性,建立飞机液压管路流固耦合振动方程以及两端固支约束管路模态函数,并在此基础上构建裂纹管路模态函数,采用Galerkin法对管路流固耦合振动方程离散化,求解方程得到裂纹位置、裂纹圆周角对管路动力学特性影响规律;考虑在循环冲击作用下管路裂纹会扩展成贯穿性裂纹情况下,对循环压力冲击作用下飞机液压管路泄漏故障进行模拟,通过小波变换和负压波法检测及定位管路泄漏位置,最后开展管路泄漏故障实验,验证了检测方法的精确性。 相似文献
2.
3.
4.
针对航空液压管路故障信号含有噪声干扰导致管路故障识别困难的问题,提出一种基于双向门控循环单元(Bi-GRU)的深度学习液压管路故障诊断方法。由Bi-GRU神经网络模型综合液压管路数据进行时序特征提取,基于同一含噪声的液压管路振动实测数据,输入到Bi-GRU、GRU、RNN、SVM、BPNN等5种故障诊断模型中进行训练。最后,为了进一步展示Bi-GRU模型对于航空液压管路不同故障类型特征的学习能力,利用t-SNE降维算法进行液压管路特征可视化。结果表明:基于Bi-GRU航空故障诊断方法能达到9960%的准确性,明显优于GRU等其他4种神经网络模型,Bi-GRU模型在含有噪声的液压管路数据上具备更出色的特征提取能力,可有效地提取出液压管路故障数据特征,从而实现了液压管路故障的智能化识别。 相似文献
5.
针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。 相似文献
6.
针对YJ900运架一体机行走液压系统容易发生的内泄漏故障问题,运用AMESim软件建立其液压仿真模型。模型中引入泵泄漏、马达泄漏以及泵和马达同时存在泄漏3种典型故障模式,并采集液压马达进出口数据作为样本。将数据样本分为训练样本和测试样本,将训练样本输入MATLAB搭建BP神经网络故障诊断模型,并用测试样本完成故障模型的测试。主要研究神经元个数以及训练样本数对故障诊断成功率的影响。利用粒子群优化算法(PSO)对BP神经网络进行初始权重和偏置的优化,从而显著提高了少训练样本下的故障诊断成功率 相似文献
7.
液压系统的执行机构是液压缸,其运动故障主要是压力不足,导致其动作反应不及时,针对液压控制系统中出现故障复杂性的特点,以液压系统的液压缸泄漏为研究对象,通过分析液压缸泄漏程度的故障形式,通过液压缸泄漏程度的分类,提出了基于LS-SVM液压缸泄漏故障方法,建立了该系统的故障诊断模型,对液压缸泄漏量进行定量的分析和算法研究。研究表明,这种针对液压缸泄漏故障诊断的原理、方法和特点,可以比较准确地预测液压缸泄漏的程度,对其故障诊断是有效和实用的。 相似文献
8.
针对航空液压管路卡箍振动信号受强噪声干扰,导致航空卡箍故障难以精准识别的问题,提出一种空时模型的航空卡箍故障诊断新方法。建立空间特征提取模型,对航空卡箍的故障特征进行局部融合。在空间模型中引入GRU模块,提取航空卡箍故障信号中的全局特征。结果表明:设计的空时故障诊断模型可实现航空卡箍故障的精准识别。与目前所用的深度卷积神经网络模型、门控循环单元神经网络模型、循环神经网络模型、支持向量机和误差反向传播神经网络模型等5种先进的故障诊断方法进行对比分析,所提方法对航空卡箍故障识别具有优越性。 相似文献
9.
10.
11.
12.
13.
针对液压泵故障诊断问题,提出了一种基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)、模糊熵和SOM神经网络三者相结合的故障诊断方法。对液压泵振动信号进行LCD分解,得到若干个内禀尺度分量(Intrinsic Scale Component,ISC);将ISC分量分别与原信号进行相关分析,筛选出包含主要故障信息的前几个ISC分量,计算其模糊熵并组成特征矩阵;将特征矩阵输入SOM神经网络进行分类识别。液压泵故障诊断实例表明,该方法能够准确识别液压泵典型故障,具有一定优势。通过与BP神经网络分类结果相对比,显示了SOM神经网络在特征分类方面的优越性。 相似文献
14.
多传感器信息融合在液压系统智能故障诊断中的应用 总被引:2,自引:0,他引:2
针对采矿工程机械液压系统故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方尊。该方法采用模糊神经网络融合诊断中心作为故障诊断的执行机构,算法上采用BP算法。通过一实例论证了在液压系统故障诊断中采用多传感器信息融合故障诊断方法比采用单传感器信息故障诊断方法更具有准确性和可靠性。 相似文献
15.
16.
17.