液压油缸亚健康状态评估理论方法及实验研究

发布时间：2017-03-28 12:10

  本文关键词：液压油缸亚健康状态评估理论方法及实验研究，由笔耕文化传播整理发布。

【摘要】：随着现代液压系统向快速、高精度、大功率的方向发展，机电装备液压系统的功能越来越强大，随之而来的设备结构及故障产生机理也越来越复杂，传统的设备维护方法和理念已逐渐不能胜任保证设备正常运行的工作，所以相继出现了多种不同的设备维护方式，基于状态的维护（Condition based maintenance，CBM）便是其一。液压设备在长期的使用过程中，会出现一种性能退化状态，介于正常健康状态和出现故障完全失效状态之间，即为亚健康状态。通过对设备亚健康状态评估，可以及时做到视情维修，这也是基于状态维护策略的一部分。 液压缸内泄漏主要是由其密封件磨损失效造成，而且不易诊断。所以本文是以液压缸为研究对象，对其进行亚健康状态评估。 首先，分析了液压缸泄漏的故障机理，通过泄漏故障数学模型分析泄漏对系统压力的影响；利用液压伺服系统中的液压缸内泄漏故障仿真模型研究了内泄漏对伺服系统动静态特性的影响。 其次，通过调节节流阀的开口度对液压缸的内泄漏故障进行了实验模拟，采集液压缸无杆腔的压力信号，利用小波包分解对采集的压力信号进行时频域分析，提取内泄漏故障特征量；并用主成分分析对压力信号的8种时域指标进行降维处理，提取核心主元特征参数。 最后，设计BP神经网络状态分类器模型，利用提取的故障特征参量，从液压缸内泄漏的角度对缸进行亚健康状态评估，并经测试样本验证该模型是可行的。利用MATLAB GUI开发了液压缸亚健康状态评估系统，系统的主要功能有信号分析处理与特征提取和状态评估两部分组成，该系统操作界面操作简单，，实现了液压缸的健康状态可视化评估。
【关键词】：液压缸 内泄漏 故障特征 PCA 小波包分析 神经网络 GUI 健康状态评估
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH137.5
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-19
• 1.1 课题的研究背景及意义11-12
• 1.2 液压系统故障诊断技术12-13
• 1.2.1 国内外研究现状12-13
• 1.2.2 主要研究方法13
• 1.3 基于信号处理故障诊断方法的应用13-16
• 1.3.1 基于小波变换的诊断法14
• 1.3.2 主成分分析方法14-15
• 1.3.3 希尔波特-黄变换15
• 1.3.4 频谱分析法15-16
• 1.4 神经网络在健康状态评估中的应用16
• 1.5 本文研究的意义和主要内容16-19
• 1.5.1 本文研究的意义16-17
• 1.5.2 本文研究主要内容17-19
• 第2章 液压系统泄漏机理分析与泄漏仿真研究19-37
• 2.1 液压系统泄漏的原因19-20
• 2.2 液压系统的泄漏形式20-22
• 2.3 泄漏故障的数学模型22-25
• 2.3.1 两固定平行平板缝隙泄漏量22-23
• 2.3.2 环形缝隙泄漏量23
• 2.3.3 具有相对运动的两平行平板缝隙泄漏量23-24
• 2.3.4 孔口泄漏量24-25
• 2.4 液压缸泄漏对压力变化的影响分析25
• 2.5 液压伺服系统数学模型25-31
• 2.5.1 电液伺服阀建模26-27
• 2.5.2 阀控液压缸建模27-29
• 2.5.3 伺服系统建模29-30
• 2.5.4 建模对象参数的确定30-31
• 2.6 液压伺服系统缸内泄漏故障仿真研究31-36
• 2.6.1 系统特性32-33
• 2.6.2 液压缸内泄漏故障仿真33-36
• 2.7 本章小结36-37
• 第3章 液压传动系统的内泄漏实验研究及故障特征提取37-57
• 3.1 非破坏性液压缸内泄漏故障模拟实验设计37-42
• 3.1.1 实验系统组成37-40
• 3.1.2 实验原理40-42
• 3.2 压力信号的时频域特征提取42-50
• 3.2.1 压力信号的组成分析42-43
• 3.2.2 小波包能量特征提取43-47
• 3.2.3 小波包能量熵47-49
• 3.2.4 小波包能量方差49-50
• 3.3 压力信号的时域特征提取50-56
• 3.3.1 有量纲的参量50-51
• 3.3.2 无量纲的参量51
• 3.3.3 初始时域特征提取51-52
• 3.3.4 主成分分析52-54
• 3.3.5 时域特征降维54-56
• 3.4 本章小结56-57
• 第4章 基于神经网络的液压缸的亚健康状态评估57-71
• 4.1 人工神经网络概述57-60
• 4.1.1 神经元的结构模型57-58
• 4.1.2 神经网络的拓扑结构58-60
• 4.2 BP 神经网络理论60-63
• 4.2.1 BP 网络的模型60-61
• 4.2.2 BP 网络的学习算法61-63
• 4.3 基于 BP 神经网络的液压缸亚健康状态评估63-70
• 4.3.1 BP 网络样本集的设计63-65
• 4.3.2 BP 神经网络状态分类器模型设计65-68
• 4.3.3 液压缸状态评估的仿真及结果分析68-70
• 4.4 本章小结70-71
• 第5章 基于 MATLAB GUI 的液压缸亚健康状态评估系统的实现71-81
• 5.1 MATLAB GUI 简介71-72
• 5.2 MATLAB GUI 设计原则和流程72-74
• 5.3 基于 MATLAB GUI 的液压缸亚健康状态评估系统74-80
• 5.3.1 液压缸亚健康状态评估系统的功能74
• 5.3.2 液压缸亚健康状态评估系统的实现74-80
• 5.4 本章小结80-81
• 结论81-83
• 参考文献83-88
• 攻读硕士学位期间承担的科研任务与主要成果88-89
• 致谢89-90
• 作者简介90

【参考文献】

中国期刊全文数据库 前10条

1 刘伯运,欧阳光耀,常汉宝;基于神经网络和D-S证据理论的柴油机状态评估[J];车用发动机;2005年05期

2 韩松;王族统;端木京顺;;组合神经网络在状态维修中的应用[J];电光与控制;2011年12期

3 王福山;工程机械液压缸泄漏故障的诊断及维修[J];工程机械;2001年05期

4 张承彪,罗运柏,文习山;主成分分析在变压器故障诊断中的应用研究[J];高电压技术;2005年08期

5 周炎涛,向升,吴正国;RBF神经网络在电气设备状态评估中的应用[J];航空计算技术;2005年03期

6 张爱华;孔令杰;;应用小波包变换和主成分分析识别亚健康状态[J];计算机工程与应用;2011年26期

7 孙帆;施学勤;;基于MATLAB的BP神经网络设计[J];计算机与数字工程;2007年08期

8 罗守华,颜景平,王积伟;基于小波包分析的液压系统泄漏故障诊断新方法[J];制造业自动化;2004年03期

9 郭磊;陈进;;小波包熵在设备性能退化评估中的应用[J];机械科学与技术;2008年09期

10 潘宏,傅周东,陈章位;基于小波分析的液压系统泄漏检测[J];机械科学与技术;1998年04期

中国博士学位论文全文数据库 前6条

1 吴胜强;核主元分析及证据理论的多域特征故障诊断新方法研究[D];燕山大学;2011年

2 彭颖;基于退化隐式半马尔科夫模型的设备健康预测及系统性维护策略研究[D];上海交通大学;2011年

3 陈国金;工业过程监控：基于主元分析和盲源信号分析方法[D];浙江大学;2004年

4 杨昌昊;基于不确定性理论的机械故障智能诊断方法研究[D];中国科学技术大学;2009年

5 刘华文;基于信息熵的特征选择算法研究[D];吉林大学;2010年

6 曾庆虎;机械动力传动系统关键部件故障预测技术研究[D];国防科学技术大学;2010年

中国硕士学位论文全文数据库 前5条

1 毛波;电液伺服系统的自学习模糊控制策略研究[D];燕山大学;2011年

2 尚鑫;基于神经网络的混凝土斜拉桥健康状态评估技术研究[D];长安大学;2004年

3 董彩云;基于滑模变结构控制的电液伺服系统及实验研究[D];燕山大学;2007年

4 王淑娇;航天发射塔旋转平台液压系统使用状态质量评估[D];中北大学;2007年

5 申海;基于MATLAB/GUI测量分析喷雾油束的特性[D];长安大学;2010年

  本文关键词：液压油缸亚健康状态评估理论方法及实验研究，由笔耕文化传播整理发布。

本文编号：272236