EMD與神經(jīng)網(wǎng)絡(luò)的ATOS柱塞泵故障診斷的詳細(xì)資料:
EMD與神經(jīng)網(wǎng)絡(luò)的ATOS柱塞泵故障診斷
混凝土泵車是一種負(fù)載變化復(fù)雜、工作環(huán)境惡劣的工程機(jī)械,其內(nèi)部元件常由于疲勞或油液污染引起各種故障的發(fā)生,混凝土泵車一旦出現(xiàn)事故往往對(duì)生產(chǎn)安全造成很大危害。根據(jù)統(tǒng)計(jì),ATOS柱塞泵是混凝土泵車中zui主要的故障源之一,但是ATOS柱塞泵作為泵車泵送動(dòng)力的來源,既是旋轉(zhuǎn)機(jī)械,又是往復(fù)運(yùn)動(dòng)機(jī)械和機(jī)液轉(zhuǎn)換元件,工作過程中既有機(jī)械零件間的振動(dòng),又有工作介質(zhì)引起的沖擊,因而其給診斷帶來了很大的難度。
EMD與神經(jīng)網(wǎng)絡(luò)的ATOS柱塞泵故障診斷
分析了ATOS柱塞泵的結(jié)構(gòu)特點(diǎn)與運(yùn)動(dòng)規(guī)律,指出常見故障的發(fā)生位置與振動(dòng)頻率,通過傳統(tǒng)頻譜分析方法做出功率譜與包絡(luò)譜,但由于介質(zhì)沖擊影響嚴(yán)重?zé)o法找出故障特征。進(jìn)而提出利用Hilbert-Huang變換的核心理論EMD,將實(shí)驗(yàn)臺(tái)中測(cè)取的五種常見故障與正常狀態(tài)的振動(dòng)信號(hào)進(jìn)行分解,得到與自身頻率組成相符的各頻段信號(hào)波形,通過分析將其中蘊(yùn)含故障信息豐富的高頻段分量建立時(shí)間序列AR模型,并將模型參數(shù)作為故障診斷的特征參數(shù),作為后續(xù)神經(jīng)網(wǎng)絡(luò)的輸入。神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性映射和并行處理的功能,網(wǎng)絡(luò)中的權(quán)值向量模擬人大腦神經(jīng)元的記憶方式,可以較為穩(wěn)定的存儲(chǔ)來自輸入樣本的特征信息,并利用已有信息對(duì)新輸入做出分類辨識(shí),以斜盤式軸向ATOS柱塞泵作為研究對(duì)象,運(yùn)用有限元分析的方法,對(duì)其施加滿足實(shí)際工況的約束,在計(jì)算機(jī)容量允許的情況下,選擇精度更高的單元和劃分更細(xì)的網(wǎng)格密度,計(jì)算出ATOS柱塞泵的固有頻率以及模態(tài)振型。為了驗(yàn)證有限元法計(jì)算結(jié)果,又通過實(shí)地的振動(dòng)試驗(yàn),具體測(cè)出了ATOS柱塞泵的共振頻率,驗(yàn)證了有限元計(jì)算結(jié)果的正確性。利用經(jīng)過驗(yàn)證的有限元模型,在計(jì)算機(jī)上作結(jié)構(gòu)改進(jìn)仿真設(shè)計(jì),找到提高ATOS柱塞泵共振頻率的措施。通過多種方案比較,采用將ATOS柱塞泵前端的圓柱滾子軸承改成深溝球軸承,可以實(shí)現(xiàn)在不改動(dòng)ATOS柱塞泵其他零件尺寸的前提下,提高ATOS柱塞泵的模態(tài)頻率,使ATOS柱塞泵更不易發(fā)生共振。
EMD與神經(jīng)網(wǎng)絡(luò)的ATOS柱塞泵故障診斷
因此利用較新型的Fuzzy ARTMAP神經(jīng)網(wǎng)絡(luò)對(duì)ATOS柱塞泵六種狀態(tài)振動(dòng)信號(hào)的特征參數(shù)進(jìn)行學(xué)習(xí)與分類,結(jié)果表明該方法可以有效地完成診斷。還就特征參數(shù)個(gè)數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)的分類效率影響進(jìn)行了討論,并實(shí)現(xiàn)了在不影響診斷準(zhǔn)確率的條件下對(duì)特征參數(shù)數(shù)量的減少。
如果你對(duì)EMD與神經(jīng)網(wǎng)絡(luò)的ATOS柱塞泵故障診斷感興趣,想了解更詳細(xì)的產(chǎn)品信息,填寫下表直接與廠家聯(lián)系: |
上一個(gè):虛擬樣機(jī)的斜ATOS柱塞泵仿真研究