基于B-P神经网络的电液伺服阀的故障诊断

发布时间：2020-05-29 04:02

【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。
【图文】：

框图,液压设备,有效性,框图

备以及进行故障诊断工作，以提高设备的可靠性。故障诊断与设备的可靠性息息相关，，两者的目的都是延长设备的使用寿命，降低维修费用，液压设备有效性框图如图 1.1。图1.1 液压设备有效性框图应用设备状态监测和故障诊断技术所带来的经济效益，包括减少可能发生的事故损失和延长检修周期所节约的维修费用两部分。国外一些调查资料显示，设备监测诊断技术带来了可观的经济效益。据日本统计，在采用诊断技术后事故率减少 75％，维修费用降低25％～50％。新日铁八幡厂热轧车间在第一年采用诊断技术后，事故率就由原来的二十九

液压设备,故障诊断方法,故障诊断技术,章节

更大的突破与进展。1.5 本论文的主要研究内容全文章节结构体系如图1.3所示。图 1.3 文章章节结构体系（1）了解液压设备故障诊断技术的特点和方法以及国内外发展现状，概述液压设备故障诊断方法。（2）研究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，分析并比较这几种方法的优缺点，结合电液伺服阀的特性，采用人工神经网络对其进行故障诊断。（3）分析电液伺服阀的静态特性和动态特性，在此基础上，对电液伺服阀的主要故
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TH137.5

【引证文献】