工业互联网+油动机液压系统状态监测与故障诊断研究
发布时间：2021-03-30 07:25
当前,大数据、云计算、工业互联网等新一代信息技术飞速发展,为设备状态监测与故障诊断研究提供了新理论和新技术。随着新型信息技术和传统液压技术融合发展,基于工业互联网平台开发油动机状态监测与故障诊断系统具有重要的理论意义和实际价值。因此,本文以油动机液压系统为研究对象,以挖掘状态监测数据中隐藏的故障信息为目标,采用工业互联网平台技术打通了信号采集、边缘数据处理、端云之间数据传输、海量数据弹性存储、故障诊断建模分析等信息通道,为油动机液压系统的状态监测与故障诊断系统提供了新理论、新技术和新方法。首先,依据信息物理系统（Cyber-Physical Systems,CPS）理论,设计了油动机状态监测与故障诊断系统的CPS六层功能架构,涵盖了从数据采集到数据分析的各项功能需求。并选取WISE-PaaS工业互联网平台为载体,构建了基于工业互联网平台的油动机状态监测与故障诊断系统的功能实现架构。其次,将油动机液压系统划分为正常调节和快关缓冲两个工作状态,分别进行建模分析。并在AMESim仿真平台上对电液伺服阀喷嘴与阻尼孔堵塞、油动机液压缸内泄漏、电磁阀电磁性能退化等故障进行仿真模拟,以探究状态监测与...
【文章来源】：燕山大学河北省
【文章页数】：142 页
【学位级别】：博士
【部分图文】：
WISE-PaaS3.0工业互联网平台端到云架构图
燕山大学工学博士学位论文-44-engineeringsystem)是一个多学科融合建模仿真平台。AMESim采用基于物理模型的图形化建模方式，为用户提供了可以直接使用的丰富的元件应用库，使用户能够液压系统原理图，快速方便的构建仿真模型，并进行稳态或动态性能以及故障仿真模拟等相关分析。本文在AMESim平台上构建油动机仿真模型过程中，一部分液压元件直接选用标准库中提供的模型，而另一部部分液压元件使用液压元件设计库(HydrulicComponentDesign,HCD)搭建。基于AMESim所构建的油动机仿真模型，如图3-13所示。图3-13基于AMESim仿真平台构建油动机仿真模型Fig.3-13SimulationmodelofhydraulicservomotorbasedonAMESim油动机通常选用美国MOOG公司G761系列喷嘴挡板阀，结合伺服阀各零部件实际测量数据及产品样本相关资料，获得伺服阀相关结构参数。油动机的结构参数依据设计图纸设定，油液选用三芳基磷酸酯抗燃液压油，液压系统压力设置为18MPa。根据油动机建模分析过程中对各参数涵义的描述，确定的油动机AMESim模型的主要仿真参数如表3-1所示。
燕山大学工学博士学位论文-48-a)活塞位移响应信号b)内泄漏流量a)Pistondisplacementresponseb)Internalleakageflowc)非工作腔压力信号d)工作腔压力信号c)Non-workingchamberpressuresignald)workingchamberpressuresignal图3-16油动机液压缸内泄漏阶跃响应仿真曲线Fig.3-16Simulationcurvesofinternalleakageinhydrauliccylinderofhydraulicservomotorunderstepresponsecondition图3-16a)是活塞位移的阶跃响应曲线，表明油动机在不同程度的内泄漏状态下能够保持正常的位置控制精度，随着油动机内泄漏量的增加，图3-16c)所示非工作腔的压力从正常无泄漏的0MPa、轻度泄漏的0.60MPa、中度泄漏的1MPa、增加到重度泄漏1.6MPa左右；而图3-16d)所示的工作腔压力从正常系统压力18MPa逐级下降到重度泄漏16MPa以下。综上所述，通过对油动机液压缸工作腔和非工作腔压力的信号的监测，可以实现对油动机液压缸内泄漏故障的诊断。3.5.3油动机快关缓冲状态的故障类型仿真分析油动机快关缓冲系统通常在正常调节工作态时处于待机状态，但是在异常情况发生时响应时间要快速，运行时间短。通过对油动机快关缓冲系统的建模仿真分析，快关二位三通电磁阀和缓冲腔节流孔C0在快关缓冲过程中发挥重要作用。下面主要
【参考文献】：
期刊论文
[1]基于完备总体经验模态分解和模糊熵结合的液压泵退化特征提取方法[J]. 姜万录,孔德田,李振宝,佟祥伟,岳文德. 计量学报. 2020(02)
[2]汽轮机DEH数字电液调节系统优化[J]. 刘欢. 仪器仪表与分析监测. 2020(01)
[3]工业互联网体系架构2.0[J]. 余晓晖,刘默,蒋昕昊,尹杨鹏,杨希,刘棣斐,张恒升,刘晓曼,池程. 计算机集成制造系统. 2019(12)
[4]二级喷嘴挡板式伺服阀故障实测与分析[J]. 黄雄军. 机床与液压. 2019(23)
[5]基于Gradient Boosting算法的ERMS辐射数据预测[J]. 朱武峰,王廷银,林明贵,苏伟达,李汪彪,吴允平. 计算机系统应用. 2019(11)
[6]基于变分模态分解与支持向量数据描述结合的液压泵性能退化评估方法[J]. 韩可,姜万录,雷亚飞,张永顺,张生. 机床与液压. 2019(19)
[7]改进AMD广义形态分形维数和KFCMC的液压泵故障诊断方法[J]. 郑直,姜万录,王宝中,王莹. 振动与冲击. 2019(18)
[8]基于神经网络的液压缸内泄漏在线测量研究[J]. 郭媛,曾银川,曾良才,傅连东,湛从昌. 液压与气动. 2019(09)
[9]基于GBDT的实时洪水预报误差校正方法[J]. 姚超宇,钟平安,徐斌,王凯,高益辉,李昆朋. 水电能源科学. 2019(08)
[10]汽轮发电机组EH控制系统油动机缺陷分析及处理[J]. 王冬. 电工技术. 2019(16)
博士论文
[1]基于支持向量数据描述的异常检测与核特征提取方法研究[D]. 王昆哲.国防科技大学 2018
硕士论文
[1]液压故障模拟试验台测控系统开发[D]. 纪志勇.燕山大学 2018
[2]基于RF、XGBoost和FFM集成的CTR预估[D]. 王雪萍.浙江大学 2018
[3]电液伺服系统故障模拟试验台的研发[D]. 周兵.燕山大学 2017
[4]基于模型的汽轮机调节系统故障诊断研究[D]. 徐鹏志.哈尔滨工业大学 2011
本文编号：3109130
【文章来源】：燕山大学河北省
【文章页数】：142 页
【学位级别】：博士
【部分图文】：
WISE-PaaS3.0工业互联网平台端到云架构图
燕山大学工学博士学位论文-44-engineeringsystem)是一个多学科融合建模仿真平台。AMESim采用基于物理模型的图形化建模方式，为用户提供了可以直接使用的丰富的元件应用库，使用户能够液压系统原理图，快速方便的构建仿真模型，并进行稳态或动态性能以及故障仿真模拟等相关分析。本文在AMESim平台上构建油动机仿真模型过程中，一部分液压元件直接选用标准库中提供的模型，而另一部部分液压元件使用液压元件设计库(HydrulicComponentDesign,HCD)搭建。基于AMESim所构建的油动机仿真模型，如图3-13所示。图3-13基于AMESim仿真平台构建油动机仿真模型Fig.3-13SimulationmodelofhydraulicservomotorbasedonAMESim油动机通常选用美国MOOG公司G761系列喷嘴挡板阀，结合伺服阀各零部件实际测量数据及产品样本相关资料，获得伺服阀相关结构参数。油动机的结构参数依据设计图纸设定，油液选用三芳基磷酸酯抗燃液压油，液压系统压力设置为18MPa。根据油动机建模分析过程中对各参数涵义的描述，确定的油动机AMESim模型的主要仿真参数如表3-1所示。
燕山大学工学博士学位论文-48-a)活塞位移响应信号b)内泄漏流量a)Pistondisplacementresponseb)Internalleakageflowc)非工作腔压力信号d)工作腔压力信号c)Non-workingchamberpressuresignald)workingchamberpressuresignal图3-16油动机液压缸内泄漏阶跃响应仿真曲线Fig.3-16Simulationcurvesofinternalleakageinhydrauliccylinderofhydraulicservomotorunderstepresponsecondition图3-16a)是活塞位移的阶跃响应曲线，表明油动机在不同程度的内泄漏状态下能够保持正常的位置控制精度，随着油动机内泄漏量的增加，图3-16c)所示非工作腔的压力从正常无泄漏的0MPa、轻度泄漏的0.60MPa、中度泄漏的1MPa、增加到重度泄漏1.6MPa左右；而图3-16d)所示的工作腔压力从正常系统压力18MPa逐级下降到重度泄漏16MPa以下。综上所述，通过对油动机液压缸工作腔和非工作腔压力的信号的监测，可以实现对油动机液压缸内泄漏故障的诊断。3.5.3油动机快关缓冲状态的故障类型仿真分析油动机快关缓冲系统通常在正常调节工作态时处于待机状态，但是在异常情况发生时响应时间要快速，运行时间短。通过对油动机快关缓冲系统的建模仿真分析，快关二位三通电磁阀和缓冲腔节流孔C0在快关缓冲过程中发挥重要作用。下面主要
【参考文献】：
期刊论文
[1]基于完备总体经验模态分解和模糊熵结合的液压泵退化特征提取方法[J]. 姜万录,孔德田,李振宝,佟祥伟,岳文德. 计量学报. 2020(02)
[2]汽轮机DEH数字电液调节系统优化[J]. 刘欢. 仪器仪表与分析监测. 2020(01)
[3]工业互联网体系架构2.0[J]. 余晓晖,刘默,蒋昕昊,尹杨鹏,杨希,刘棣斐,张恒升,刘晓曼,池程. 计算机集成制造系统. 2019(12)
[4]二级喷嘴挡板式伺服阀故障实测与分析[J]. 黄雄军. 机床与液压. 2019(23)
[5]基于Gradient Boosting算法的ERMS辐射数据预测[J]. 朱武峰,王廷银,林明贵,苏伟达,李汪彪,吴允平. 计算机系统应用. 2019(11)
[6]基于变分模态分解与支持向量数据描述结合的液压泵性能退化评估方法[J]. 韩可,姜万录,雷亚飞,张永顺,张生. 机床与液压. 2019(19)
[7]改进AMD广义形态分形维数和KFCMC的液压泵故障诊断方法[J]. 郑直,姜万录,王宝中,王莹. 振动与冲击. 2019(18)
[8]基于神经网络的液压缸内泄漏在线测量研究[J]. 郭媛,曾银川,曾良才,傅连东,湛从昌. 液压与气动. 2019(09)
[9]基于GBDT的实时洪水预报误差校正方法[J]. 姚超宇,钟平安,徐斌,王凯,高益辉,李昆朋. 水电能源科学. 2019(08)
[10]汽轮发电机组EH控制系统油动机缺陷分析及处理[J]. 王冬. 电工技术. 2019(16)
博士论文
[1]基于支持向量数据描述的异常检测与核特征提取方法研究[D]. 王昆哲.国防科技大学 2018
硕士论文
[1]液压故障模拟试验台测控系统开发[D]. 纪志勇.燕山大学 2018
[2]基于RF、XGBoost和FFM集成的CTR预估[D]. 王雪萍.浙江大学 2018
[3]电液伺服系统故障模拟试验台的研发[D]. 周兵.燕山大学 2017
[4]基于模型的汽轮机调节系统故障诊断研究[D]. 徐鹏志.哈尔滨工业大学 2011
本文编号：3109130
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3109130.html
