采用神经网络的断路器传动机构磨损预测

发布时间：2017-08-30 10:30

  本文关键词：采用神经网络的断路器传动机构磨损预测

  更多相关文章： 断路器机构 磨损预测 神经网络 Archard模型

【摘要】：针对某大型断路器机构系统磨损试验成本高的特点,通过建立磨损预测模型,对其传动机构危险关节的磨损量进行了预测分析。基于2种典型的预测模型建立方法,采用销盘磨损实验数据,分别建立磨损预测模型。对比分析表明Elman网络模型的预测精度较高,可准确的反映磨损率与接触压力、相对滑动速度和材料硬度之间的规律。考虑运动副间隙的存在,基于非线性弹簧阻尼模型,利用ADAMS软件仿真获得传动机构危险关节的动力学参数。基于Hertz接触理论对动力学参数进行变换,并将其作为预测模型的输入信息,对关节的磨损进行预测计算。通过迭代分析,发现随着断路器开断次数的增加,轴套表面一些特定位置的磨损越来越严重。对比采用固定系数下的Archard模型,表明预测模型计算的结果对磨损失效判定更具参考价值。
【作者单位】： 西安理工大学机械与精密仪器工程学院;
【关键词】： 断路器机构 磨损预测 神经网络 Archard模型
【基金】：国家自然科学基金项目(51275404)资助
【分类号】：TH117.1;TM561
【正文快照】： 磨损是造成机械零件功能退化以致失效的重要因素。轻量磨损能导致机构定位不准确、不稳定等,严重磨损则能使机构强度不足而发生断裂。对机构系统而言,磨损是运动副的一种系统响应,是时变性很强的随机过程。由于磨损过程的复杂性和随机性,构件的磨损预测及其量化研究仍是亟待解

【相似文献】

中国期刊全文数据库 前10条

1 唐贵基;杨玉婧;宋彩萌;;基于神经网络的旋转机械振动故障诊断[J];机械工程师;2012年01期

2 栾美洁;许飞云;贾民平;;旋转机械故障诊断的神经网络方法研究[J];噪声与振动控制;2008年01期

3 高强;钱林方;侯远龙;王力;;泵控缸电液位置伺服系统的神经网络模型参考自适应控制[J];机床与液压;2008年06期

4 徐小力;左云波;吴国新;;量子神经网络在旋转机组状态趋势预测中的应用[J];机械强度;2010年04期

5 何文;同淑荣;王克勤;;基于神经网络的质量控制图异常诊断[J];机械制造;2013年05期

6 许宁,黄之初;神经网络在旋转机械故障诊断中的应用研究[J];矿山机械;2005年08期

7 宋文杰;刘伯峰;王平;姜冰;;基于小波—神经网络的故障劣化趋势检测[J];职大学报(自然科学版);2006年02期

8 王志涛;肖明清;谢化勇;禚真福;薛辉辉;;基于神经网络的故障诊断效能模糊综合评价研究[J];计算机测量与控制;2011年12期

9 戴中浩;林琼;王秋成;;基于神经网络的再制造自动变速箱检测及试验研究[J];机械制造;2012年01期

10 何存富;杨申;刘增华;焦敬品;宋国荣;吴斌;;基于神经网络技术的管道机电阻抗健康状况定量评估研究[J];实验力学;2013年01期

中国重要会议论文全文数据库 前9条

1 杜福银;封其勃;;一种基于Hopfield神经网络作业车间调度问题的优化方法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

2 宋国明;王厚军;姜书艳;刘红;;基于神经网络的融合智能诊断方法在模拟电路故障诊断中的应用[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 宋轶民;余跃庆;张策;马文贵;;基于神经网络的机敏机构振动自校正控制[A];第十二届全国机构学学术研讨会论文集[C];2000年

4 吴洪民;;气动伺服定位系统的神经网络模糊自适应PID控制[A];第一届全国流体动力及控制工程学术会议论文集（第二卷）[C];2000年

5 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];液压与气动学术研讨会论文集[C];2004年

6 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];第三届全国流体传动及控制工程学术会议论文集（第三卷）[C];2004年

7 曹春红;张斌;王利民;李文辉;;基于免疫神经网络的几何约束求解技术的研究[A];第二十七届中国控制会议论文集[C];2008年

8 谢进;阎开印;陈永;;神经网络技术在平面机构综合中的应用[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（下册）[C];2002年

9 徐志方;贺小明;张传维;沈路;;集成神经网络信息融合技术在给水泵故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

中国硕士学位论文全文数据库 前10条

1 王栗;面向电机轴承的快速故障诊断方法研究[D];沈阳理工大学;2015年

2 于会超;机械触觉机构及控制的研究与应用[D];华北理工大学;2015年

3 李捷;基于神经网络的轴承故障诊断技术研究[D];电子科技大学;2015年

4 宋银芳;桥式起重机故障分析与故障率预测方法研究[D];安徽理工大学;2016年

5 高芮;基于神经网络的机械故障诊断技术的研究[D];青岛科技大学;2016年

6 程翔;基于神经网络的轮带系统横向振动的变结构控制[D];福州大学;2014年

7 庞艳艳;基于选择性神经网络的故障诊断研究[D];华中科技大学;2014年

8 徐铭志;基于神经网络PID的金属带式无级变速器速比控制研究[D];燕山大学;2016年

9 齐放;基于极限学习机的设备故障预测方法及应用研究[D];北京化工大学;2016年

10 尤海鑫;BP神经网络与模糊逻辑在智能故障诊断中的应用[D];大连交通大学;2014年

，

本文编号：758780