基于小波神经网络的液压泵故障诊断方法及实验研究
【摘要】:
在越来越多的工业设备中,动力传递和伺服控制依靠液压系统来完成。液压系统一旦出现故障,造成的经济损失将十分巨大。液压泵是液压系统的“心脏”,液压泵出现故障将导致整个液压系统无法正常工作,因此对液压泵的状态监测和故障诊断成为了保证液压系统正常运行的关键。
小波神经网络是建立在小波分析理论基础上的一种新型神经网络,它综合了小波变换良好的时频局域化性质及神经网络的自学习能力。本文将小波神经网络应用到液压泵故障诊断研究中。试验结果证明,小波神经网络应用于故障诊断领域,有助于提高故障的确诊率,具有良好的发展前景。
本文的主要内容如下:
(1)概述了故障诊断系统的基本组成环节和旋转机械几种常见故障。详细阐述了常用的旋转机械故障诊断方法及其优缺点,并归纳了故障诊断的新进展。
(2)阐述了小波分析的本质特征。将小波分析引入液压泵状态信号的处理中。通过对采样信号的多分辨率分解、阈值处理和重构,有效去除了系统中混杂的高频噪声,提取了故障特征信号频带内的信号成分。
(3)对BP神经网络的结构及学习算法做了详尽的分析。将BP网络应用于函数逼近和故障诊断中,具有良好的推广能力。
(4)详细阐述了小波分析和神经网络的结合途径。对松散型小波神经网络和紧致型小波神经网络的构造和学习算法进行了详细描述。
(5)将两种小波神经网络分别应用于液压泵的故障诊断,进行了试验分析,取得了很好的诊断效果。总结了小波神经网络的优越性。