基于本体的混凝土泵车液压故障诊断方法

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%。     

基于故障树分析的液压系统故障诊断研究

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.     

导弹伺服机构中电液伺服系统故障诊断方法研究

为实现导弹伺服机构中电液伺服系统这类复杂系统的故障诊断,依据系统特点通过故障分析建立故障库,从系统中抽取局部采样点,再与故障库对比来进行故障诊断.通过实例验证了这一方法的实用性和有效性,为类似复杂液压系统故障诊断的实现提供了参考.     

模糊理论在液压系统故障诊断中的应用

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。     

基于数据融合与虚拟仪器技术的液压系统故障诊断研究

本文对某型机械化桥液压系统的故障失效模式进行了全面的分析，提出了一种基于多传感器数据融合与虚拟仪器技术的故障诊断系统，通过对液压系统供油回路的信号测试过程及信息融合方案的设计分析，阐明了液压系统故障检测和诊断的实现过程。     

基于模糊故障树理论的泵控马达系统故障诊断方法研究

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。     

机床液压设备故障诊断及维修方法

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.     

基于CBR-FAT的液压机故障诊断专家系统构建

针对压机液压系统的故障诊断困难问题,通过分析压机液压系统的工作原理和常见故障,提出了一种基于CBRFAT的压机液压系统故障诊断专家系统。简述了专家系统的基本知识和CLIPS的推理过程;论述了基于CLIPS的液压故障案例的知识表示、故障树的知识表示、规则推理的方法;最后探讨了故障推理机制在专家系统故障诊断中的实现。试验表明,该系统能够较好地实现压机液压系统故障的诊断。     

一种翻车机液压系统故障诊断规则提取

针对在少故障样本情况下,建立状态识别决策表时数据离散化的阈值难以确定的问题,提出了将系统正常工作时状态参数变化区间的边界值作为状态参数离散化阈值来建立液压系统故障识别决策表,以此处理某型翻车机液压系统故障识别问题。应用粗糙集理论对建立的决策表进行属性约简,得到系统故障诊断的简化规则,并将这些规则存入故障诊断专家系统的知识库中用于系统故障识别。专家系统的现场诊断结果表明,应用该方法提取的故障诊断规则具有较高的鲁棒性。     

基于案例分析技术的液压系统故障诊断

本文将人工智能领域中的新分支CBR(Case—Based Reasoning)技术引入工程装备液压系统的故障诊断与测试维修中，分析了现有液压系统故障的特点，阐述了CBR技术组成与结构特点，建立了液压系统的CBR故障诊断系统。理论分析和实践经验表明，基于CBR的故障诊断系统可以克服现有液压系统故障诊断专家系统某些方面的缺陷，是一种适合液压系统故障诊断的新方法。     

基于CEEMDAN与信息熵的液压泵故障特征提取方法研究

由于液压泵故障振动信号微弱和不平稳的特性,造成特征向量提取和故障诊断困难。针对这些问题,提出一种CEEMDAN与信息熵结合的特征提取方法。将传感器测得的液压泵的故障振动信号进行CEEMDAN分解得到多个固有模态函数(IMF),并计算其信息熵,然后筛选出信息熵最小的3个IMF分量重构信号,计算重构信号的多域熵作为特征向量来训练决策树模型。液压泵故障诊断实验结果证明了该方法的有效性和优越性。     

基于优化VMD和BP神经网络液压管路故障诊断研究北大核心

针对航空发动机液压管路故障信号易受噪声干扰、管路故障诊断准确率不高等问题,提出基于优化变分模态分解和BP神经网络的故障诊断方法。利用遗传算法自适应确定变分模态分解K、α的最优参数,然后采用优化后的变分模态分解方法对航空液压管路的振动信号进行分解,最后将故障特征明显的故障分量输入BP神经网络模型中进行训练和分类。结果表明:提出的基于变分模态分解与BP神经网络的航空液压管路故障诊断方法能够精准识别出航空液压管路多种不同的故障状态。     

基于概率神经网络的液压管路泄漏故障程度识别

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。     

LCD模糊熵和SOM神经网络在液压泵故障诊断中的应用

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。     

基于小波与EMD的EHA液压缸内泄故障诊断研究

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。     

基于物联网技术的动态GRNN模型的液压系统故障检测研究

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。     

频域特征量的故障敏感性实验研究

有效地提取故障特征向量,找到故障敏感因子是进行液压泵故障诊断的关键.采集轴向柱塞泵松靴、滑靴磨损、斜盘磨损以及中心弹簧失效等故障情况下的端盖振动信号,采用合适的信号预处理方法得到有价值的低频信号,从低频信号中提取出频域特征参量,分析频域特征量对每种故障的敏感性,找到各故障的频域敏感因子.为液压泵的故障诊断提供了可靠的敏感特征信息,增加了故障特征信息的完备性,对提高故障诊断系统的故障确诊率具有重要的意义.     

基于大数据分析的液压系统故障诊断综述

结合大数据分析技术,针对液压领域的故障诊断,围绕近几年故障诊断的研究现状,归纳总结基于大数据分析的液压故障诊断原理。重点讨论诊断的关键技术,阐述这些技术的优势与不足。对液压系统故障诊断方法进一步的研究思路进行展望,为后续的研究提供参考。     

航空液压泵典型故障模拟及在线监测

针对某型航空液压油泵的工况复杂、故障模式多样、样本数据匮乏及诊断难等问题,分析了液压泵的故障模式和特征频率,根据4种典型故障模式和8种工况设计了故障模拟试验方案,并搭建了液压泵故障模拟软硬件试验平台。以磨损故障为例,对振动故障数据实现了采集和故障特征分析,验证了平台的有效性和诊断的可行性。