论文部分内容阅读
液压系统以其小体积、轻重量、大功率密度、工作平稳并且便于实现自动工作循环和自动过载保护等优点,广泛的应用于各个技术领域的执行系统。液压泵是液压系统的最重要的部分,对于液压泵的状态监测和故障诊断问题就成为保证液压系统正常工作的关键。
本文将小波神经网络应用到了液压泵故障诊断研究中。通过实验结果证明,小波神经网络应用在故障诊断领域中,有利于提高故障诊断的确诊率,具有良好的发展前景。论文的主要内容包括:
1、详细介绍了液压系统的基本结构以及齿轮泵的常见故障,简单介绍了几种液压设备故障检测仪器并选用了适合本实验的相关仪器。
2、介绍了小波分析。把小波分析引入到了液压泵状态信号的处理中。通过对采样信号进行多分辨率分解、小波包信号重构,有效去除了液压泵状态信号中混杂的高频噪声,提取了故障信号频带内的信号成分。
3、对标准BP网络进行了改进,详细地探讨了改进后的三层PCA-LMBP神经网络诊断模型的建立,并针对不同的算法进行比较分析。详细地描述了小波神经网络的结构。仿真结果说明,改进后的小波PCA-LMBP神经网络比标准的BP网络在收敛速度和精度方面有明显改善。
4、利用VC++开发平台及ACCESS数据库软件,设计了基于小波PCA-LMBP神经网络故障诊断系统,提供了良好的人机交互界面,实现了故障诊断的功能。
5、以齿轮泵为主要研究对象,进行了实验分析。实验证明采用小波PCA-LMBP神经网络方法取得了良好的诊断效果,并且验证了改进的小波PCA-LMBP神经网络在液压泵故障诊断中的可行性和有效性。