学位论文 > 优秀研究生学位论文题录展示

基于EMD与神经网络的柱塞泵故障诊断方法

作　者: 刘安宁
导　师: 轩建平
学　校: 华中科技大学
专　业: 机械电子工程
关键词: 柱塞泵故障诊断 EMD Fuzzy ARTMAP 神经网络
分类号: TH322
类　型: 硕士论文
年　份: 2011年
下　载: 41次
引　用: 0次
阅　读: 论文下载

内容摘要

混凝土泵车是一种负载变化复杂、工作环境恶劣的工程机械,其内部元件常由于疲劳或油液污染引起各种故障的发生,混凝土泵车一旦出现事故往往对生产安全造成很大危害。根据统计,柱塞泵是混凝土泵车中最主要的故障源之一,但是柱塞泵作为泵车泵送动力的来源,既是旋转机械,又是往复运动机械和机液转换元件,工作过程中既有机械零件间的振动,又有工作介质引起的冲击,因而其给诊断带来了很大的难度。本研究分析了柱塞泵的结构特点与运动规律,指出常见故障的发生位置与振动频率,通过传统频谱分析方法做出功率谱与包络谱,但由于介质冲击影响严重无法找出故障特征。进而提出利用Hilbert-Huang变换的核心理论EMD,将实验台中测取的五种常见故障与正常状态的振动信号进行分解,得到与自身频率组成相符的各频段信号波形,通过分析将其中蕴含故障信息丰富的高频段分量建立时间序列AR模型,并将模型参数作为故障诊断的特征参数,作为后续神经网络的输入。神经网络具有强大的非线性映射和并行处理的功能,网络中的权值向量模拟人大脑神经元的记忆方式,可以较为稳定的存储来自输入样本的特征信息,并利用已有信息对新输入做出分类辨识,因此本研究利用较新型的Fuzzy ARTMAP神经网络对柱塞泵六种状态振动信号的特征参数进行学习与分类,结果表明该方法可以有效地完成诊断。本文还就特征参数个数对神经网络的分类效率影响进行了讨论,并实现了在不影响诊断准确率的条件下对特征参数数量的减少。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-13
  1.1 选题来源  8
  1.2 选题意义  8-9
  1.3 液压系统故障诊断方法的国内外研究  9-10
  1.4 液压系统诊断方法总结  10-11
  1.5 研究内容和论文结构安排  11-13
2 轴向柱塞泵介绍与故障机理分析  13-20
  2.1 轴向柱塞泵的结构和工作原理  13-14
  2.2 轴向柱塞泵的常见故障与振动特性分析  14-16
  2.3 柱塞泵振动信号的频谱分析  16-19
  2.4 本章小结  19-20
3 EMD 与AR 模型结合的特征提取方法  20-30
  3.1 EMD 原理  20-24
  3.2 AR 模型介绍  24-26
  3.3 EMD 与AR 模型结合的特征提取方法  26-27
  3.4 特征参数的筛选  27-29
  3.5 本章小结  29-30
4 Fuzzy ARTMAP 神经网络分类原理  30-38
  4.1 神经网络算法概述  30
  4.2 自适应共振理论模型  30-32
  4.3 FAM 神经网络结构与分类原理  32-35
  4.4 FAM 网络的简化  35-37
  4.5 本章小结  37-38
5 柱塞泵实验数据分析  38-53
  5.1 柱塞泵实验台  38-41
  5.2 柱塞泵振动数据的提取  41-42
  5.3 柱塞泵振动数据的EMD  42-46
  5.4 AR 模型参数的提取  46-47
  5.5 FAM 神经网络分类应用  47-50
  5.6 基于距离的特征参数优选  50-51
  5.7 警戒参数ρa 对网络分类的影响  51-52
  5.8 本章小结  52-53
6 总结与展望  53-55
  6.1 全文总结  53
  6.2 研究展望  53-55
致谢  55-56
参考文献  56-59
附录攻读学位期间发表学术论文  59

基于EMD与神经网络的柱塞泵故障诊断方法

内容摘要

全文目录

相似论文