共查询到19条相似文献,搜索用时 125 毫秒
1.
针对混凝土泵车液压系统故障的特殊性,提出了基于本体知识库的故障诊断方法。采用面向故障诊断知识的三层本体结构模型,将泵车液压系统常见的故障用本体语义表示出来。对常见的油温过高现象与液压系统较易发生故障的结构单元如溢流阀构建单元故障诊断知识库,利用已有的诊断知识对其进行故障分析。对某型混凝土泵车液压系统进行了故障诊断测试实验。结果表明:文中提出的诊断方法克服了以往其他故障诊断方法的不足,提高了泵车液压系统故障诊断的准确率,保障了运行的可靠性,使液压系统的严重故障发生率下降了75.9%。 相似文献
2.
介绍了故障树分析方法.以叉车液压系统为例通过分析系统故障形式、液压系统结构以及组件与系统之间的逻辑关系,绘制了系统的故障树,并依据故障树进行故障排查和诊断.此方法简便、直观、实用,应用于液压系统故障诊断中,取得了令人满意的效果. 相似文献
3.
4.
通常液压系统的故障诊断大多是根据专家经验来进行的,往往有些故障模糊不清,加上其诊断准确性受专家经验限制,系统故障误诊现象时有发生。本文应用模糊综合评价理论和方法对液压系统故障进行智能综合评价。该方法具有错容性好、评价方法简单等特点,能达到准确、高效地判断液压系统故障的目的。 相似文献
5.
6.
基于模糊故障树理论的泵控马达系统故障诊断方法研究 总被引:10,自引:1,他引:9
本文主要以泵控马达系统为研究对象,通过分析该系统的故障形式,提出了基于模糊故障杩理论的故障诊断方法来解决液压系统的故障与诊断问题。通过建立该系统的模糊故障树,进行模糊故障树的量化分析,最后进行故障诊断的算法研究等几个步骤来阐明模糊故障树分析液压系统故障的原理、方法和特点。 相似文献
7.
机床液压设备故障诊断及维修方法 总被引:1,自引:1,他引:0
机床液压系统一般较难直接判断出产生故障的主要原因.因此,分析液压故障之前必须弄清楚整个液压系统的传动原理、结构特点,然后根据故障现象进行判断,逐步分析深入,采用顺藤摸瓜、跟踪追击的分析方法,有目的、有方向地逐步缩小可疑范围,确定区域、部位,以至于某个元件.本文分析了液压系统故障的特征,通过长期实践总结积累了六看、六问、四听、四摸的故障诊断方法. 相似文献
8.
9.
10.
11.
12.
13.
针对复杂环境下飞机的液压管路系统在故障诊断时存在的各种问题,提出一种基于概率神经网络的液压管路系统泄漏故障的诊断方法。在飞机液压管路系统中主要产生的故障是由于管路系统的振动导致的管路破裂、泄漏等。对飞机液压管进行建模,分析其工作状态下不同液压泄漏故障程度时的固有频率,选取前5阶固有频率作为故障诊断的特征值;构建PNN概率神经网络诊断模型,利用测试样本进行故障诊断实验。结果表明,该方法对液压管路故障具有较高识别率。该研究为液压管路系统的故障诊断提供了参考。 相似文献
14.
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
15.
为有效地诊断出内泄故障,通过EHA实验台模拟出不同故障等级的EHA双杆液压缸的内泄漏。在相同控制信号输入下采集液压缸腔室内压力信号,使用小波与EMD分解2种方法分别对健康模式与故障模式下腔体内压力信号进行分解,得到压力信号的一级和二级高频小波系数及一级IMF函数,完成特征提取。通过多组实验求得特征提取后的均方根值,实现了EHA液压缸内泄漏故障与故障等级的离线诊断,并对比了不同诊断方法的诊断效果。结果表明:压力信号的一级IMF函数诊断效果最佳,一级高频小波系数诊断效果最差。 相似文献
16.
液压系统因其独特的特性,在各个领域有着广泛的应用。液压设备的运行安全与状态监测是生产中的一项重要内容。由于液压系统的所有部件都在封闭油路中工作,故障源的定位比较困难。为了解决这个问题,本文提出了一种基于物联网技术的动态故障诊断方法GRNN模型的基于物联网的智能控制,利用无线传感器网络技术在分布式液压设备中各参数的实时测量和控制,远程数据共享、故障信号的采集输入GRNN模型故障观察器,检测阈值,通过实验模拟准确诊断系统故障。实验表明,该方法可以有效地应用于过程生产液压系统中,保证系统的正常运行,降低设备故障率,提高生产效率。 相似文献
17.
18.