论文部分内容阅读
电液伺服阀在电液伺服控制系统中处于核心地位,其性能的好坏直接影响系统的控制精度、可靠性等性能。在钢铁、冶金等行业,电液伺服阀是液压控制系统发生故障的主要原因之一。电液伺服阀集机、电、液于一身,其高精密高集成化的特点使得电液伺服阀故障型式复杂多变,且大多数电液伺服阀的故障型式无法直接测量,这就给电液伺服阀的故障诊断造成了很大的困难。因此,研究出一种有效的电液伺服阀故障智能诊断方法,对可能发生故障的电液伺服阀进行准确、迅速的智能诊断将非常重要。本文主要以双喷嘴挡板两级电液伺服阀为对象展开电液伺服阀故障智能诊断研究,主要研究内容如下:(1)电液伺服阀的特性及常见故障研究。分析电液伺服阀常见的故障型式,研究电液伺服阀处在一侧固定节流口堵塞、喷嘴或喷嘴挡板堵塞、主阀芯磨损、阀芯一端限位等典型故障型式下时的静、动态特性曲线。(2)液压试验台测控系统研发。研究电液伺服阀静、动态特性测试原理及测试方法,采用PLC对液压系统泵站进行控制,并采用NI-PXI数据采集设备及Lab VIEW编程软件对测控系统进行编程设计。在数据采集过程中不可避免的要引入多种噪声和干扰,因此,需研究工业上常用的几种数字滤波方法,找到一种高效、准确的静、动态数据滤波方法,为后期实验得到准确数据提供保障。(3)BP神经网络及其遗传优化理论研究。研究BP神经网络的结构模型和学习算法,又结合传统的BP神经网络存在训练速度慢、容易陷入极小值、对初始权值矩阵依赖性较大等缺点和遗传算法具有全局并行搜索能力的优势提出将遗传算法应用到BP神经网络的设计方法。(4)遗传优化BP神经网络的准确性分析。设计电液伺服阀五种典型故障型式,并采集伺服阀在这五种故障型式下的特性曲线,将这些特性曲线作为故障样本输入到所设计的故障智能诊断程序中进行故障诊断,通过对遗传优化BP神经网络和传统BP神经网络实验结果进行对比分析,验证遗传优化的BP神经网络的快速性、准确性及鲁棒性等特性。