基于遗传优化BP神经网络的电液伺服阀故障诊断分析研究

发布时间：2017-08-21 05:16

  本文关键词：基于遗传优化BP神经网络的电液伺服阀故障诊断分析研究

  更多相关文章： 电液伺服阀 BP神经网络 遗传算法 故障诊断

【摘要】：电液伺服阀在电液伺服控制系统中处于核心地位,其性能的好坏直接影响系统的控制精度、可靠性等性能。在钢铁、冶金等行业,电液伺服阀是液压控制系统发生故障的主要原因之一。电液伺服阀集机、电、液于一身,其高精密高集成化的特点使得电液伺服阀故障型式复杂多变,且大多数电液伺服阀的故障型式无法直接测量,这就给电液伺服阀的故障诊断造成了很大的困难。因此,研究出一种有效的电液伺服阀故障智能诊断方法,对可能发生故障的电液伺服阀进行准确、迅速的智能诊断将非常重要。本文主要以双喷嘴挡板两级电液伺服阀为对象展开电液伺服阀故障智能诊断研究,主要研究内容如下:(1)电液伺服阀的特性及常见故障研究。分析电液伺服阀常见的故障型式,研究电液伺服阀处在一侧固定节流口堵塞、喷嘴或喷嘴挡板堵塞、主阀芯磨损、阀芯一端限位等典型故障型式下时的静、动态特性曲线。(2)液压试验台测控系统研发。研究电液伺服阀静、动态特性测试原理及测试方法,采用PLC对液压系统泵站进行控制,并采用NI-PXI数据采集设备及Lab VIEW编程软件对测控系统进行编程设计。在数据采集过程中不可避免的要引入多种噪声和干扰,因此,需研究工业上常用的几种数字滤波方法,找到一种高效、准确的静、动态数据滤波方法,为后期实验得到准确数据提供保障。(3)BP神经网络及其遗传优化理论研究。研究BP神经网络的结构模型和学习算法,又结合传统的BP神经网络存在训练速度慢、容易陷入极小值、对初始权值矩阵依赖性较大等缺点和遗传算法具有全局并行搜索能力的优势提出将遗传算法应用到BP神经网络的设计方法。(4)遗传优化BP神经网络的准确性分析。设计电液伺服阀五种典型故障型式,并采集伺服阀在这五种故障型式下的特性曲线,将这些特性曲线作为故障样本输入到所设计的故障智能诊断程序中进行故障诊断,通过对遗传优化BP神经网络和传统BP神经网络实验结果进行对比分析,验证遗传优化的BP神经网络的快速性、准确性及鲁棒性等特性。
【关键词】：电液伺服阀 BP神经网络 遗传算法 故障诊断
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH137.52;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第1章 绪论10-16
• 1.1 课题来源及研究目的和意义10-11
• 1.1.1 课题来源10
• 1.1.2 课题研究目的和意义10-11
• 1.2 故障诊断理论及技术的发展11-12
• 1.3 电液伺服阀故障诊断的特点12
• 1.4 电液伺服阀故障诊断的国内外研究现状12-14
• 1.5 本文主要研究内容14-16
• 第2章 电液伺服阀性能及常见故障研究16-25
• 2.1 电液伺服阀的基础理论16-18
• 2.1.1 电液伺服阀的结构组成16-17
• 2.1.2 电液伺服阀的工作原理17-18
• 2.2 电液伺服阀主要性能指标18-21
• 2.2.1 电液伺服阀的静态特性18-20
• 2.2.2 电液伺服阀的动态特性20-21
• 2.3 电液伺服阀的常见故障型式及外在表征特性的研究21-24
• 2.3.1 电液伺服阀常见故障型式21-23
• 2.3.2 电液伺服阀特性曲线反应故障型式研究23-24
• 2.4 本章小结24-25
• 第3章 液压试验台测控系统设计25-49
• 3.1 电液伺服阀的测试原理25-31
• 3.1.1 静态特性测试原理25-29
• 3.1.2 动态特性测试原理29-31
• 3.2 测控系统方案设计31-35
• 3.2.1 整体方案设计31-32
• 3.2.2 电气控制系统设计32-34
• 3.2.3 测试系统设计34-35
• 3.3 测控系统软件设计35-41
• 3.3.1 虚拟仪器技术35
• 3.3.2 软件结构设计35-36
• 3.3.3 测控系统人机界面设计36-41
• 3.4 数字信号滤波器设计41-48
• 3.4.1 静态特性测试滤波器设计42-46
• 3.4.2 动态特性测试滤波器设计46-48
• 3.5 本章小节48-49
• 第4章 BP神经网络及其遗传优化算法49-60
• 4.1 人工神经网络概述49
• 4.2 BP神经网络结构模型49-51
• 4.2.1 神经元结构模型49-50
• 4.2.2 BP神经网络结构50-51
• 4.3 BP神经网络学习算法51-53
• 4.3.1 信号的正向传递51
• 4.3.2 误差的反向传播(或 BP学习算法)51-53
• 4.4 BP神经网络优化53-55
• 4.4.1 BP神经网络算法的不足53
• 4.4.2 BP神经网络的算法改进53-55
• 4.4.3 BP神经网络初始权值优化55
• 4.5 遗传算法应用于BP神经网络55-58
• 4.5.1 遗传算法的基础理论55-56
• 4.5.2 遗传算法的数学实现56-57
• 4.5.3 遗传算优化BP神经网络流程57-58
• 4.6 本章小节58-60
• 第5章 电液伺服阀故障诊断的实验验证60-82
• 5.1 液压实验台介绍60-61
• 5.2 电液伺服阀故障样本提取61-66
• 5.2.1 实验方案设计61
• 5.2.2 特性曲线提取61-65
• 5.2.3 特性曲线预处理65-66
• 5.3 BP神经网络用于电液伺服阀故障诊断66-74
• 5.3.1 BP神经网络的结构设计67-68
• 5.3.2 BP神经网络的程序设计68-70
• 5.3.3 故障诊断70-74
• 5.4 遗传算法优化BP神经网络用于电液伺服阀故障诊断74-81
• 5.4.1 遗传算法主要参数的计算与设定74
• 5.4.2 遗传算法优化BP神经网络的程序设计74-78
• 5.4.3 故障诊断结果分析78-81
• 5.5 本章小节81-82
• 结论82-84
• 参考文献84-88
• 攻读硕士学位期间承担的科研任务与主要成果88-89
• 致谢89-90
• 作者简介90

【参考文献】

中国期刊全文数据库 前8条

1 王瑞,段立霞;电液伺服阀故障分析及维护措施[J];安阳大学学报;2003年02期

2 李其朋,丁凡;电液伺服阀技术研究现状及发展趋势[J];工程机械;2003年06期

3 王子玲;许爱强;杨智勇;;装备故障诊断和预测技术综述[J];火力与指挥控制;2008年S2期

4 许梁;杨前明;;现代电液控制技术的应用与发展[J];现代制造技术与装备;2007年03期

5 袁华,路峻;一种基于DSP的内燃机状态检测与故障诊断系统[J];山东内燃机;2004年06期

6 肖凯鸣,陶伟峰,白志大;电液伺服阀故障分析与探讨[J];液压气动与密封;1999年01期

7 黄志坚;液压故障的特点与故障诊断的策略[J];液压与气动;2001年02期

8 曾良才,孙国正;基于特性曲线的电液伺服阀神经网络故障模式识别[J];中国机械工程;2002年10期

中国硕士学位论文全文数据库 前1条

1 周飞宜;基于LabVIEW的闭环控制泵特性测试系统研究[D];武汉科技大学;2012年

，

本文编号：711028