高性能电液伺服转台的控制问题及故障诊断研究

发布时间：2017-09-20 07:46

  本文关键词：高性能电液伺服转台的控制问题及故障诊断研究

  更多相关文章： 电液伺服系统 仿真模型 控制器设计 故障诊断 多群粒子群算法 BP神经网络算法

【摘要】：本文建立了高性能电液伺服转台系统的仿真模型并进行了控制器设计,并在此基础上开发和验证了可能用于电液伺服系统的故障诊断算法。首先,运用物理学中的运动学和动力学各项定律建立起转台中框被控对象的数学模型,并在此基础上建立起系统的结构框图。并根据实际系统调试需求,编写了系统频率特性测试程序。在系统硬件选型完成的前提下,一个良好的控制策略尤为重要,它成为系统性能提高的主要措施。在本转台的现实设计过程中,采用经典控制算法,即加速度及速度反馈,位置环控制,指令信号微分前馈,干扰输入信号前馈,颤振信号环节。然后,通过对电液伺服转台中重要的三个部分,即液压马达、电液伺服阀及角位移传感器可能发生故障的原因、表征等阐述,总结了系统中常见的各类故障。并在此基础上分析了多群粒子群和BP神经网络这两种可用于电液伺服系统故障诊断算法的原理。为了保障实际系统的安全性,同时降低维护和运行成本,考虑利用仿真的方式进行故障诊断方法的开发和验证。即通过人为地修改结构框图中的对应参数模拟系统中液压马达、电液伺服阀、角位移传感器的典型故障,结合上述智能算法的不同特点开发诊断方法。并从诊断效果和可行性两个方面进行上述方法的验证及对比。
【关键词】：电液伺服系统 仿真模型 控制器设计 故障诊断 多群粒子群算法 BP神经网络算法
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273;TH137
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-15
• 1.1 课题研究的背景及意义9-10
• 1.2 电液伺服转台综述10-11
• 1.2.1 转台总体结构及组成10
• 1.2.2 转台系统特点概述10-11
• 1.3 国内外研究现状分析11-14
• 1.3.1 电液伺服系统控制策略研究现状11-12
• 1.3.2 电液伺服系统故障诊断研究现状12-14
• 1.4 课题主要研究内容及转台的技术指标14-15
• 第2章 高性能电液伺服转台的建模15-23
• 2.1 引言15
• 2.2 数学模型的建立15-21
• 2.2.1 四通阀控制对称液压马达15-19
• 2.2.2 电液伺服阀19
• 2.2.3 其他元件19-20
• 2.2.4 系统的结构框图及参数计算20-21
• 2.3 系统频率特性测试21-22
• 2.4 本章小结22-23
• 第3章 高性能电液伺服转台控制策略的研究23-37
• 3.1 引言23
• 3.2 被控对象的频率特性23-24
• 3.3 加速度和速度反馈24-26
• 3.4 位置环控制26
• 3.5 指令信号微分前馈26-28
• 3.6 系统在低速运行时的控制问题28-32
• 3.6.1 马达的摩擦干扰转矩及阀的死区非线性28-29
• 3.6.2 干扰输入信号前馈29-31
• 3.6.3 颤振信号环节31-32
• 3.7 抗饱和环节32-34
• 3.8 系统最终控制器时域仿真分析34-36
• 3.9 本章小结36-37
• 第4章 电液伺服系统故障分析及诊断方法原理37-50
• 4.1 引言37
• 4.2 电液伺服系统故障概述37-38
• 4.3 电液伺服阀38-39
• 4.3.1 电液伺服阀的组成及特点38
• 4.3.2 电液伺服阀的主要故障及其机理38-39
• 4.4 液压马达39-40
• 4.4.1 液压马达的组成及特点39-40
• 4.4.2 液压马达的主要故障及其机理40
• 4.5 角位移传感器40-41
• 4.5.1 角位移传感器的特点40-41
• 4.5.2 角位移传感器的主要故障及其机理41
• 4.6 实际系统常见故障总结41-42
• 4.7 粒子群算法原理42-45
• 4.7.1 标准粒子群优化算法42-43
• 4.7.2 多群粒子群算法43-44
• 4.7.3 多群粒子群算法在本系统中的应用思路44-45
• 4.8 人工神经网络算法原理45-49
• 4.8.1 生物神经网络特点45-46
• 4.8.2 人工神经网络算法46-47
• 4.8.3 BP神经网络算法47-48
• 4.8.4 BP神经网络算法在本系统中的应用思路48-49
• 4.9 本章小结49-50
• 第5章 故障诊断在电液伺服系统中的实现50-66
• 5.1 引言50
• 5.2 故障诊断性能的几种评价指标50
• 5.3 多群粒子群算法用于故障诊断的实现50-60
• 5.3.1 诊断过程50-52
• 5.3.2 诊断结果52-60
• 5.4 BP神经网络算法用于故障诊断的实现60-65
• 5.4.1 故障样本的提取60
• 5.4.2 BP神经网络参数设计60-62
• 5.4.3 BP神经网络训练与诊断结果62-64
• 5.4.4 多群粒子群算法和BP神经网络算法的对比64-65
• 5.5 本章小结65-66
• 结论66-67
• 参考文献67-70
• 攻读硕士学位期间发表的学术论文70-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 张立众;孙志勇;;“逐项排除法”在故障诊断中的应用[J];矿山机械;1990年09期

2 贾民平;机械故障诊断学的理论及其应用 第一讲 故障诊断的意义及研究发展概况[J];江苏机械制造与自动化;1999年01期

3 杨晓磊;;浅谈我国铁路机车故障诊断[J];科技风;2014年06期

4 田少民;工程机械的状态监测与故障诊断技术[J];工程机械;2001年01期

5 王敏,王万俊,熊春山,黄心汉;基于多传感器数据融合的故障诊断技术[J];华中科技大学学报;2001年02期

6 潘松海;介绍一种故障诊断方法[J];组合机床与自动化加工技术;2001年06期

7 李德跃;发动机突然熄火的故障诊断[J];城市车辆;2001年02期

8 王小虎;机械式风速表检定中的故障诊断及维修方法[J];中国计量;2002年03期

9 王清照,肖卫杰,王加璇;运用热经济学结构理论进行故障诊断的探讨[J];中国电机工程学报;2003年09期

10 陈东林;烟草设备的故障诊断技术应用与展望[J];中国设备工程;2003年06期

中国重要会议论文全文数据库 前10条

1 杨其校;刘昭度;齐志权;马岳峰;;汽车ABS电机故障诊断[A];第三届全国信息获取与处理学术会议论文集[C];2005年

2 黎清海;高庆;;基于系统分层的故障诊断方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 闻竞竞;黄道;;故障诊断方法综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 李t，

本文编号：886808