基于ARMAX模型的挖掘机液压系统故障检测

根据挖掘机的可靠性水平和智能化程度,提出了一种基于ARMAX(Auto-Regressive Moving Average Exogenous)模型的挖掘机液压系统故障检测方法.使用系统正常状态下的信号样本建立系统的ARMAX辨识模型,通过休哈特控制图分析ARMAX辨识模型的输出残差,以获取故障检测的阈值;然后,将系统故障状态下的信号样本代入ARMAX辨识模型,当模型残差超过阈值,即能判定系统发生故障.实验分析表明,基于ARMAX模型的故障检测方法够有效地检测挖掘机液压系统产生的故障.图3,参10.     

基于RBF网络和ARX模型的液压系统故障诊断方法

提出了基于径向基函数(Radial Basis Function,RBF)网络和有源自回归(Auto-Regressive with Extra Inputs,ARX)模型的液压系统的故障诊断方法.作为一种性能优越的网络分类器,RBF网络比传统的反向传播(Back Propagation,BP)网络表现出更好的分类效果,非常适合于故障特征识别.故障诊断方法首先针对目标故障状态建立 ARX模型,提取 ARX 模型的自回归系数作为故障特征向量.然后将故障特征向量作为RBF网络训练样本,建立RBF网络故障分类器,进一步根据RBF网络的输出结果来判断故障的类型.通过建立挖掘机铲斗部分液压系统仿真模型,验证了于基于RBF网络和 ARX 模型的故障诊断方法的有效性.     

加力压桩液压系统的动力学建模与仿真

为了便于对液压静力压桩机进行改进，介绍准恒功率液压静力压桩机的结构、工作原理、压桩过程，以及建立准恒功率液压静力加力压桩系统动力学模型的相关理论。分析准恒功率液压静力加力压桩过程，利用AMESim仿真平台建立准恒功率液压静力加力压桩系统的动力学模型，设置模型中的主要参数进行动力学仿真，并分析动力学仿真结果。仿真结果表明：增大升降油缸活塞直径，能减小压桩机加力压桩时的机身速度，增大压桩机加力压桩时的加速度：增大升降油缸活塞的初始高度，能减小压桩机加力压桩时的机身速度和加速度：降低压桩机升降油缸活塞的初始高度，或增大压桩机升降油缸活塞直径，均能减小压桩机加力压桩时压桩机的机身位移。     

基于主元回归模型的挖掘机液压系统故障诊断

为提高挖掘机液压系统的可靠性,提出了基于主元回归(Principal Component Regression,PCR)模型和模糊C-均值(Fuzzy C-Means,FCM)聚类的挖掘机液压系统故障诊断方法.故障诊断方法将故障诊断分成故障特征提取和故障分类两个部分.在故障特征提取中,首先确定PCR模型的输入/输出结构,通过主元分析(Principal ComponentAnalysis,PCA)的累积贡献率得到故障样本的主元数目,建立相应的PCR模型并提取回归系数作为故障特征;在故障分类中,将FCM聚类作为故障分类器,对回归系数进行分类,判断系统的故障状态.仿真试验表明,提出的故障诊断方法能有效地应用于挖掘机液压系统.     

基于多网络模型的工程机械液压系统故障诊断研究

提出一种针对工程机械液压系统的多网络模型的故障诊断方法。该网络模型以广义回归神经网络(General regression neural network,GRNN)为基础,引入全局递归的反馈机制,构建动态GRNN模型。该方法首先为多个目标故障建立同等数量的动态GRNN目标故障模型,计算每个目标故障模型的检测阈值;然后,将测试故障样本代入每个目标故障模型中,当其残差平方和在对应阈值范围内即可确定故障类型。实验结果表明:多网络模型的故障诊断方法准确地诊断出95%以上的系统故障。     

基于AMESim的液压加力压桩的压桩深度仿真研究

准恒功率液压静力压桩机能保证在整个压桩过程中有很高的功率利用率,为了便于对液压静力压桩机进行改进和加快压桩进度,有必要就液压静力加力压桩过程中,压桩油缸活塞直径和升降油缸活塞的初始高度、直径对压桩深度的影响进行研究.为此,分析了准恒功率液压静力加力压桩过程,利用AMESim仿真平台建立了准恒功率液压静力加力压桩系统的模型,设置了模型中的主要参数,并进行了动力学仿真.分析了仿真结果;仿真结果表明降低升降油缸活塞的初始高度,增大升降油缸活塞直径,或两者同时起作用,均能增大压桩深度,但作用不大;增大压桩油缸活塞直径,能有效地增大压桩深度,加快压桩进程.     

基于偏最小二乘回归的挖掘机液压系统故障诊断

为了提高挖掘机液压系统的可靠性水平,提出了一种针对挖掘机液压系统的偏最小二乘回归(PLSR)故障诊断方法,其原理是:首先使用非线性迭代偏最小二乘(NIPALS)算法分析系统正常状态下的样本,选择累积方差最大的PLS成分数目,建立输出变量关于输入变量间的PLSR辨识模型;然后,将系统故障状态下的样本代入PLSR辨识模型,运用广义似然比(GLR)检验对模型残差进行假设检验,判断系统的故障状态。实验结果表明,采用基于PLSR的故障诊断方法能准确地诊断出所有系统故障,能有效地应用于挖掘机液压系统的故障诊断。