收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

面向泵车的故障诊断技术研究

董增寿  
【摘要】:混凝土泵车是工程机械中技术含量高、维护难度大、价格较昂贵的复杂装备之一。利用先进的物联网技术和人工智能故障诊断技术对泵车进行实时、远程、在线故障诊断,对于保障重点行业大型装备运营的技术安全,实现节能降耗和绿色环保,提高制造业的可持续发展能力具有重要的意义。 本文针对目前泵车液压系统中的故障诊断问题,给出了基于物联网的泵车液压故障诊断系统方案;在综合考虑提高系统实时性、可靠性以及降低系统成本的情况下,完成了面向物联网体系结构的安全车载终端系统的搭建,并以智能故障诊断技术为理论基础,研究了适合该研究背景的智能诊断算法,将人工神经网络、微粒群优化算法、D-S证据理论、多传感信息融合理论、模糊向量机等智能信息处理方法引入泵车液压系统的故障诊断中,分别对液压系统中液压机控制子系统和动力子系统关键部位进行故障诊断。 本文的主要创新点如下: (1)给出了一种基于物联网的泵车液压故障诊断系统方案,从终端平台安全方面考虑,将TPM芯片加入到车载终端中,使得车载终端具有更高的安全性。 (2)提出了一种基于PSO-Elman神经网络的故障诊断方法。通过对PSO算法的惯性权重和学习因子进行改进,应用于Elman神经网络的训练学习中,使得网络在训练时间、收敛率和诊断精度方面得到提高;给出了基于PSO-H-BP神经网络的故障诊断方法,将PSO与Hopfield神经网络和BP神经网络相结合,利用PSO算法优化Hopfield网络的权值矩阵,对BP网络的输入数据进行预处理,获得稳定的网络结构,再利用BP神经网络进行故障诊断,提高网络的收敛速度和诊断准确度。最后通过实验验证了算法的有效性。 (3)提出了一种基于双层FSVM模型结构的故障诊断方法,并将其应用于液压系统电磁换向阀故障诊断中,取得了良好效果;同时对模糊支持向量机的训练算法和参数选取方法进行了优化,实验结果表明,采用优化后的参数可明显提高支持向量机的学习性能。 (4)提出了一种基于三级多源信息融合的故障诊断方法,采用多并行的PSO-BP和MPSO-RBF神经网络组成振动子网和温度子网进行局部诊断;给出了基于修正的D-S证据理论的多传感器时空域信息融合方法,针对本文研究背景提出了基于plbl的决策方法;最后,将三级多源信息融合故障诊断方法应用于液压系统动力子系统关键部位液压泵的故障诊断中进行验证。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王英;沙云东;;航空发动机故障诊断技术综述[J];沈阳航空工业学院学报;2007年02期
2 肖晶;吴学智;;一种基于神经网络的故障诊断新方法研究[J];舰船电子工程;2010年01期
3 王承;陈光;谢永乐;;基于主元分析与神经网络的模拟电路故障诊断[J];电子测量与仪器学报;2005年05期
4 周绍磊;张文广;何甦;杨增胜;;模拟电路故障诊断技术研究[J];海军航空工程学院学报;2006年01期
5 刘冬生;赵辉;王红君;岳有军;;基于小波分析和神经网络的电机故障诊断方法研究[J];天津理工大学学报;2009年01期
6 郝顺义;柴竹琴;黄义顺;;基于模糊神经网络的陀螺温控系统故障诊断[J];火力与指挥控制;2009年S1期
7 王红君;刘冬生;岳有军;;基于小波分析和神经网络的电机故障诊断方法研究[J];电气传动;2010年03期
8 崔学忠;李冬;桑亮;李馥彤;;装备故障诊断方法研究[J];计算机仿真;2010年09期
9 孙晓倩;艾延廷;张振;;航空发动机传感器故障诊断方法研究[J];沈阳航空工业学院学报;2010年02期
10 王江萍;王潇;鲍泽富;;基于信息融合理论的柴油机故障诊断技术[J];石油机械;2010年06期
11 郑君;张冬泉;;故障诊断技术[J];电气时代;2008年05期
12 燕敏婷;谢利理;刘素梅;;大功率可控整流电路的故障诊断技术研究[J];计算机测量与控制;2008年04期
13 吴金田;张健;;基于FNN的水电机组故障诊断专家系统研究[J];福建电脑;2008年07期
14 范士娟;杨超;;液压系统故障诊断方法综述[J];机床与液压;2009年05期
15 刘亚娟;王致杰;;旋转机械系统故障诊断方法综述[J];苏州市职业大学学报;2010年02期
16 赫伟英;裴峻峰;;往复机械故障诊断技术进展综述[J];化工机械;2010年05期
17 叶航;洪晓斌;刘桂雄;;复杂控制系统故障诊断方法分析[J];机电产品开发与创新;2006年02期
18 王新军;蔡艳平;成曙;;故障诊断技术在武器装备维修中的应用研究[J];中国修船;2006年S1期
19 孙黎;;执行器故障诊断的方法[J];中国水运(学术版);2007年10期
20 冯阳;崔利荣;;柴油发动机故障诊断技术综述[J];质量与可靠性;2008年01期
中国重要会议论文全文数据库 前10条
1 牟文凯;徐小力;吴国新;;机车涡轮增压器状态监测和故障诊断方法研究[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年
2 莫秋云;杨晓清;宾莹;;基于BP算法与D-S理论的故障诊断技术[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
3 丁福焰;邵军;张生玉;;车辆轴承故障神经网络诊断方法的研究[A];铁道科学技术新进展——铁道科学研究院五十五周年论文集[C];2005年
4 郭刚;杨建华;黎波;邓伟;;基于信息的机械装备综合诊断系统研究[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年
5 段丰安;李文珍;许忠;;基于状态观测器的常规系统故障诊断方法研究[A];第十六届全国青年通信学术会议论文集(上)[C];2011年
6 王春;徐克林;;连铸机液压系统状态监测故障诊断[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
7 黄高明;李胜勇;袁湘辉;;海军舰船装备远程故障诊断系统设计[A];舰船电子装备维修理论与应用——中国造船工程学会电子修理学组第四届年会暨信息装备保障研讨会论文集[C];2005年
8 叶沙琳;张铁;谢存禧;邹焱飚;;机器人的控制系统故障诊断(检测)程序开发研究[A];第十届粤港机电工程技术与应用研讨会暨梁天培教授纪念会文集[C];2008年
9 郑应文;;线性网络故障诊断的定向激励方法[A];1994中国控制与决策学术年会论文集[C];1994年
10 殷海俊;郑建明;;舰船导弹火控系统远程检测及故障诊断[A];舰船电子装备维修理论与应用——中国造船工程学会电子修理学组第四届年会暨信息装备保障研讨会论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 董增寿;面向泵车的故障诊断技术研究[D];太原科技大学;2013年
2 杨迎泽;重载组合列车同步制动系统故障诊断技术与应用研究[D];中南大学;2010年
3 岳夏;基于HMM的复杂条件故障诊断技术研究[D];华南理工大学;2012年
4 李孟麟;融合叶尖定时信号的旋转机械转子故障诊断技术研究[D];天津大学;2011年
5 张鹏;基于卡尔曼滤波的航空发动机故障诊断技术研究[D];南京航空航天大学;2009年
6 慕昱;基于数据挖掘的核电站故障诊断技术研究[D];哈尔滨工程大学;2011年
7 肖志怀;水利枢纽闸门维护自动化-故障诊断技术研究[D];华中科技大学;2004年
8 杜殿林;FCCU反—再系统基于神经网络和SDG模型的混合故障诊断系统研究与开发[D];北京化工大学;2006年
9 李正勤;有杆抽油系统精益维修技术研究[D];武汉理工大学;2009年
10 闫兵;基于曲轴角振动信号的内燃机故障诊断系统关键技术研究[D];西南交通大学;2005年
中国硕士学位论文全文数据库 前10条
1 吴德华;列车滚动轴承故障诊断与监测系统研究[D];中南大学;2005年
2 孙士慧;基于小波神经网络的设备故障诊断方法研究[D];中国石油大学;2008年
3 洪伟;远程故障诊断与服务系统关键技术的研究[D];重庆大学;2005年
4 金志贤;水下机器人推进器故障诊断技术研究[D];哈尔滨工程大学;2006年
5 张秀春;基于神经网络的凝汽设备故障诊断专家系统研究[D];哈尔滨工程大学;2007年
6 蔡辰光;基于虚拟仪器和神经网络的电喷发动机故障诊断系统研究[D];重庆交通大学;2008年
7 刘华姿;基于虚拟仪器的电力电子整流装置的故障诊断系统研究[D];中南大学;2008年
8 杨黔清;车用三效催化转化器工作过程智能故障诊断研究[D];湖南大学;2008年
9 邓辉;基于神经网络的锅炉故障诊断研究[D];沈阳理工大学;2009年
10 胡春玲;番茄酱生产过程控制中的故障诊断技术研究[D];新疆大学;2011年
中国重要报纸全文数据库 前10条
1 梁列;福田重机 第四代泵车产品进军华南市场[N];中华建筑报;2006年
2 蔡希娜;66米泵车首次进入福建 三一重工助力海西建设[N];中国建设报;2011年
3 王佑;出师不利三一重工66米泵车臂在德参展时折断[N];第一财经日报;2007年
4 方元 天鸣;三一重工再推世界最长臂架泵车[N];证券时报;2009年
5 通讯员 余天羽 杨翠 记者 唐爱平;国内首台长臂架泵车将荣归故里[N];湖南日报;2009年
6 张莉;三一推出世界最长臂架泵车[N];中国交通报;2009年
7 本报记者 李晓航;行走在民族制造的道路上[N];徐州日报;2009年
8 记者 赵碧君;三一重工世界最长臂架泵车下线[N];上海证券报;2011年
9 山乙;世界最长臂架泵车全国巡展[N];中华建筑报;2007年
10 尔东;三一66米泵车将亮相德国BAUMA展[N];中国建设报;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978