基于B-P神经网络的电液伺服阀的故障诊断

代理获取

页面导航

摘要
著录项
相似文献
相关主题

摘要

电液伺服阀作为液压伺服系统的核心元件,是故障诊断的重点对象,其故障原因经常呈现出不确定、非线性等复杂状态。本文简要介绍了电液伺服阀的构成、特性曲线、主要故障和故障机理,以及几种人工智能故障诊断方法,包括专家系统、模糊理论、灰色理论、人工神经网络等,分析和比较了几种方法各自的优缺点,结合电液伺服阀的特性,本文最终决定采用人工神经网络对电液伺服阀进行故障诊断。
　　本论文中,以喷嘴挡板电液伺服阀为例,利用本实验室的试验台,在系统压力分别在3MPa,3.5MPa,4MPa,4.5MPa,5MPa时,人为设定阀的5种故障状态:1)正常状态;2)阀芯一端限位;3)一侧固定节流孔堵塞;4)阀芯磨损;5)伺服阀零位不对中,然后测出阀的压力特性曲线,并对曲线进行分析和量化处理,处理后的数据为后面进行故障诊断提供样本。
　　深入研究了人工神经网络中的单隐层B-P神经网络,设计出32个输入神经单元,5个输出神经单元,1个隐层单元数,隐层节点数目可变的B-P神经网络,对电液伺服阀故障模式进行识别。结合所测得的实验数据,通过大量的样本训练,调整网络的权值、阈值等参数,直到满足训练要求,训练得到的权值、阈值等参数会保存在计算机中,最后将电液伺服阀在3.5MPa下得到的归一化处理后的数据输入到已经训练好的网络,结果表明其输出误差在规定的范围内,这样就验证了网络的正确性。

著录项

作者
李成;
展开▼
作者单位

武汉科技大学;

展开▼
授予单位武汉科技大学;
学科机械电子工程
授予学位硕士
导师姓名曾良才;
年度 2010
页码
总页数
原文格式 PDF
正文语种中文
中图分类液压控制阀;人工神经网络与计算;
关键词
电液伺服阀; B-P神经网络; 故障诊断; 压力特性曲线;

相似文献

中文文献
外文文献
专利

1. 基于遗传优化的RBF-BP神经网络电液伺服阀故障诊断算法研究 [J] . 刘春艳 ,樊立萍 . 沈阳化工大学学报 . 2015,第001期
2. 基于遗传优化的RBF-BP神经网络电液伺服阀故障诊断算法研究 [J] . 刘春艳 ,樊立萍 . 沈阳化工大学学报 . 2015,第001期
3. 基于神经网络的电液伺服阀故障诊断 [J] . 谭树彬 ,刘建昌 ,钟云峰 . 仪器仪表学报 . 2006,第z1期
4. 基于动态神经网络的电液伺服阀实时故障诊断 [J] . 张若青 ,裘丽华 . 机床与液压 . 2002,第003期
5. 采用"GA+LM"优化BP神经网络的电液伺服阀故障诊断 [J] . 权凌霄 ,郭海鑫 ,盛世伟 . 中国机械工程 . 2018,第005期
6. 基于遗传神经网络的压电型电液伺服阀故障诊断 [C] . 曹锋 ,焦宗夏 ,梁磊 . 第7届国际可靠性、维修性、安全性学术会议(The Seventh International Conference on Reliability,Maintainability and Safety) . 2007
7. 人工神经网络在金融领域信用风险评估中的应用——基于个人信用风险评估体系的B-P网络模型实证 [A] . 于鸣燕 . 2007

基于B-P神经网络的电液伺服阀的故障诊断

摘要

著录项

相似文献

相关主题

期刊订阅