论文部分内容阅读
液压缸是一种广泛应用于工程机械液压系统中的执行机构,其发生故障时会影响工程机械的工作效率,甚至会造成重大事故。液压缸因密封圈损伤故障而导致的内泄漏是液压缸最常见的失效模式。所以对液压缸进行故障仿真模拟与故障诊断研究具有十分重大的意义。本文主要研究内容如下:1、分析了导致液压缸密封圈损伤的因素;以ZK-PH液压油缸为研究对象,人为预制了UHS型密封圈的损伤故障,基于RCYCS-B实验台进行液压缸内泄漏实验;根据实验中预制的密封圈损伤故障建立流体模型,在Workbench仿真软件中,利用流体仿真模块Fluent对密封圈损伤流体模型进行流场分析并计算内泄漏。对比实验测量与仿真计算的内泄漏量,结果表明:物理实验和Fluent仿真中内泄漏量随液压系统压力增加而上升的规律一致,证明了利用Fluent模拟密封圈损伤及内泄漏的方法是可行的。2、以QY110汽车起重机支腿油缸所用的DAS组合密封圈为研究对象,人为预制了三种损伤故障模式,在工况模拟实验台中基于压力传感器、信号调理模块、数据采集卡和Labview软件,采集了各故障状态下液压缸无杆腔的压力信号。并基于小波变换原理,从非平稳的压力信号中提取出小波包子带能量、小波包能量熵、小波包能量方差和小波系数d4均方根值这4种特征值,作为密封圈损伤故障诊断的特征向量;根据实验预制的三种密封圈损伤故障建立对应的流体模型,采用仿真模块Fluent对密封圈各故障状态下的流体进行分析,并采集流体模型中无杆腔的压力信号。从仿真压力信号中提取出小波包总能量、小波包子带能量、小波包能量方差、和小波系数d1、d2均方根值这5种有效的故障特征值,为下一步故障模式识别提供了基础。3、将内分泌与小波神经网络相结合,利用内分泌策略调节神经网络权值,从而提出一种新的内分泌神经网络算法,并应用于密封圈损伤故障诊断,同时对比了支持向量机的识别效果。结果表明,对物理实验中密封圈损伤状态进行故障识别时,两种算法取得了相同的诊断正确率;对仿真中密封圈损伤状态进行故障识别时,内分泌神经网络的故障识别正确率高于支持向量机,从而验证了内分泌神经网络算法在液压缸故障诊断中的有效性。