首页>轴承知识>液压泵轴承毛病确诊网络法研

液压泵轴承毛病确诊网络法研

来源:海力轴承网 时间:2013-10-04

  在航空工业中;液压体系的作业功用直接影响着飞机的安全和旅客的生命;而液压泵是液压体系的动力源;因此对 液压泵 的状况监控与毛病确诊尤为重要.轴承毛病是液压泵常见的毛病形式之一;因为轴承毛病所导致的附加振荡相关于 液压泵 的固有振荡较弱;因此很难把毛病信息从信号平分离开来.到目前为止;对液压泵轴承毛病的毛病确诊尚短少非常有用的办法.本文提出在频域和倒频域进行特征提.荚诮饩鲋岢刑卣魈崛±训奈侍獠⒗眉BP网络处理多毛病确诊与辨认和鲁棒性难题.
  1、液压泵轴承毛病的特征提取
  关于机械体系而言;如有毛病则必定会导致体系的附加振荡.振荡信号是动态信号;它包括的信息丰厚;很合适进行毛病确诊.可是若是附加振荡信号因为固有信号或外界搅扰对毛病信号的搅扰很大而吞没;那么怎么从振荡信号中提取有用信号就显得非常要害.
  依据冲突学理论;当轴承活动面的内环、外环滚道及滚柱上呈现一处损伤;滚道的外表滑润受到破坏;每逢滚子滚过损伤点;都会发作一次振荡.假定轴承零件为刚体;不思考触摸变形的影响;滚子沿滚道为纯滚.
  Hilbert改换用于信号剖析中求时域信号的包络;以到达对功率谱进行滑润然后杰出毛病信息.界说信号:为最佳包络.倒谱包络模型本质是对从传感器取得的信号进行倒频谱剖析;然后对其倒频谱信号进行包络提.佣匦缘赝怀隽斯收闲畔晃旁氡刃〉墓收咸卣鞯奶崛√峁┝艘谰.
  2、集成BP网络进行毛病确诊的原理
  神经网络的安排布局是由求解难题的范畴特征决议的.因为毛病确诊体系的复杂性;将神经网络应用于障确诊体系的描绘中;将是大规划神经网络的安排和学习难题.为了削减作业的复杂性;削减网络的学习时刻;本文将毛病确诊常识调集分化为几个逻辑上独立的子调集;每个子调集再分化为若干规矩子集;然后依据规矩子集来安排网络.每个规矩子集是一个逻辑上独立的子网络的映射;规矩子集间的联络;经过子网络的权系矩阵表明.各个子网络独登时运用BP学习算法别离进行学习练习.因为分化后的子网络比本来的网络规划小得多且难题有些化了;然后使练习时刻大为削减.使用集成BP网络进行液压泵轴承毛病确诊的信息处理才能源于神经元的非线性机理特性和BP算法.
  3、神经网络鲁棒性的研讨
  神经网络的鲁棒性是指神经网络对毛病的容错才能.众所周知;人脑具有容错特性;大脑中单个神经元的损伤不会使它的整体功用发作严峻的降级;这是因为大脑中每一概念并非只保存在一个神经元中;而是分布于许多神经元及其衔接之中.大脑能够经过再次学习;使因一有些神经元的损伤而淡忘的常识从头表达在剩下的神经元中.因为神经网络是对生物神经元网络的模仿;所以神经网络的最大特征是具有“联想回忆”功用;即神经网络能够由以往的常识组合;在有些信息丢掉或有些信息不确定的条件下;用剩下的特征信息做出正确的确诊.
  表2给出了 轴承 6个特征信息中某些输入特征不正确或不确定情况下正确确诊和辨认的成功率.
  表1神经网络鲁棒性统计表
  输入特征不确定元素确诊成功率
  一个特征参数不确定100%
  二个特征参数不确定94%
  三个特征参数不确定76%
  四个特征参数不确定70%
  五个特征参数不确定20%
  六个特征参数不确定8%
  由表1能够看出;使用集成神经网络进行毛病确诊能够在丢掉了很多信息的情况下(近一半特征参数不确定)仍能够作出正确判别的成功率适当高(76%~100%)因此集成神经网络具有很强才能.
推荐给朋友 评论 关闭窗口

轴承相关知识
KOYO轴承-重载轴承
NSK轴承套圈成型加工办法及注重事项
轴承磨床的步进电机及其操控体系
测声器对工作中的轴承的翻滚声响查看
转盘轴承用资料解析


本文链接 http://www.cbearing.com/cbzs_1474.html
转载请注明 轴承网 http://www.cbearing.com

上一篇:发起机滑动轴承的技能剖析(三)
下一编:托辊轴承损坏缘由