您好, 歡迎來(lái)到化工儀器網(wǎng)
產(chǎn)品簡(jiǎn)介
詳細(xì)介紹
液壓泵的工作環(huán)境一般比較惡劣，其工況受環(huán)境的影響較大，通常在泵出口檢測(cè)到的信號(hào)含有很大的噪聲。試驗(yàn)表明，液壓泵出口檢測(cè)到的壓力信號(hào)和振動(dòng)信號(hào)體現(xiàn)出以下特點(diǎn)：①信號(hào)的頻譜分布很寬、波形雜亂，規(guī)律性差；②時(shí)變與非平穩(wěn)性表現(xiàn)明顯。中國(guó)臺(tái)灣KOMPASS壓力繼電器，KOMPASS葉片泵轉(zhuǎn)軸間隙補(bǔ)償”設(shè)計(jì)，可根據(jù)設(shè)定壓力，自動(dòng)調(diào)整泵的排量?jī)?nèi)置壓力調(diào)整閥，系統(tǒng)無(wú)需加裝調(diào)壓閥裝配容易，可直結(jié)電機(jī)組成電機(jī)泵組合適用于研磨機(jī)、自動(dòng)車(chē)床、工作母機(jī)、制鞋機(jī)械及其它各種機(jī)或單能機(jī)等使用
因此，基于這兩種信號(hào)的故障特征提取非常困難，有必要對(duì)檢測(cè)的信號(hào)進(jìn)行消噪處理。
小波分析是目前較有效的信號(hào)處理方法，它可以同時(shí)在時(shí)域和頻域中對(duì)信號(hào)進(jìn)行分析，能有效地區(qū)分信號(hào)中的突變部分和噪聲，實(shí)現(xiàn)信號(hào)的消噪。
泵出口振動(dòng)信號(hào)及其小波消噪后的信號(hào)，選取小波消噪的全局閾值為1.049。很明顯，檢測(cè)信號(hào)中包含了許多干擾信號(hào)，很難簡(jiǎn)單地利用檢測(cè)到的振動(dòng)信號(hào)進(jìn)行有效的故障診斷。為了消除干擾影響，經(jīng)過(guò)小波處理，可以有效地消除泵出口振動(dòng)信號(hào)中所包含的噪聲，有利于故障特征的提取。
3、信息融合故障診斷方法
信息融合是將多源信息加以智能合成，產(chǎn)生比單一信息源更精確、容錯(cuò)性和魯棒性更強(qiáng)的估計(jì)和判斷‘2’。由于液壓泵出口檢測(cè)到的信息微弱，易于被干擾所淹沒(méi)，很難利用單個(gè)傳感器的檢測(cè)信號(hào)進(jìn)行微弱故障特征的有效診斷。采用的信息融合故障診斷過(guò)程，即將振動(dòng)信號(hào)和壓力信號(hào)進(jìn)行小波消噪處理，利用統(tǒng)計(jì)分析提取有效特征信息，采用主成分分析(PrinciP81componentanalysis，PCA)有效解耦各故障特征間的相關(guān)性，減少故障特征的維數(shù)，采用改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)液壓泵球頭松動(dòng)故障診斷。
3.l特征層信息融合
特征層狀態(tài)屬性融合就是將對(duì)多種類(lèi)型傳感器數(shù)據(jù)進(jìn)行預(yù)處理以完成特征提取及數(shù)據(jù)配準(zhǔn)，即通過(guò)傳感器信息轉(zhuǎn)換，把各傳感器輸人數(shù)據(jù)變換成統(tǒng)一的數(shù)據(jù)表達(dá)形式。
通過(guò)特征向量歸一化處理可以實(shí)現(xiàn)信息融合數(shù)據(jù)配準(zhǔn)。本文提取振動(dòng)信號(hào)和壓力信號(hào)的均值、峰值因子、特征頻率的能量值和功率譜幅值、四次矩等作為球頭松動(dòng)故障的特征向量。
?
3.2選取主成分
齒輪油泵 CB-FA10 CB-FA18 CB-FA25 CB-FA31.5 CB-FC10 CB-FC16 CB-FC20 CB-FC25
CB-FC32 CB-FC40 CB-FD25 CB-FD10
CB-FD16 CB-FD20 CB-FD25 CB-FD32
CB-FD40 CB-HB50 CB-HB60 CB-HB70
CB-HB80 CB-HB90 CB-HB100
CB-FA10C-FL CB-FA18C-FL CB-FA25C-FL CB-FA32C-FL
CB-FA40C-FL CB-FC10C-FL CB-FC16C-FL CB-FC20C-FL
CB-FC25C-FL CB-FC31.5C-FL CB-FC40C-FL CB-FD10C-FL
高壓齒輪泵CB-Fc10-FL-Y2 CB-Fc16-FL-Y2 CB-Fc20-FL-Y2 CB-Fc25-FL-Y2 CB-Fc31.5-FL-Y2 CB-Fc40 -FL-Y2
高壓齒輪泵CB-Fc10-FL-Y2 CB-Fc16-FL-Y2 CB-Fc20-FL-Y2 CB-Fc25-FL-Y2 CB-Fc31.5-FL-Y2 CB-Fc40 -FL-Y2
高壓齒輪泵CB-Fc10-FL-Y2 CB-Fc16-FL-Y2 CB-Fc20-FL-Y2 CB-Fc25-FL-Y2 CB-Fc31.5-FL-Y2 CB-Fc40 -FL-Y2
齒輪油泵 CB-FA10-FL CB-FA18-FL CB-FA25-FL CB-FA31.5-FL
在新樣本空間上，逐次計(jì)算傳感器信息的綜合指數(shù)為主成分上的貢獻(xiàn)。令主成分貢獻(xiàn)綜合指數(shù)閾值為85%，根據(jù)貢獻(xiàn)綜合指數(shù)選取前幾個(gè)主成分，作為下一步信息融合的信息。
針對(duì)液壓泵正常和4種球頭松動(dòng)故障，各選取100個(gè)樣本，由于高度顯著，說(shuō)明這4組特征向量有十分明顯的差異，故此類(lèi)故障的不同故障程度是可以診斷的。
選擇BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，對(duì)液壓泵正常和設(shè)置的4種球頭松動(dòng)故障在訓(xùn)練誤差精度要求下對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)改進(jìn)算法的學(xué)習(xí)和訓(xùn)練得到BP網(wǎng)絡(luò)的優(yōu)化權(quán)值矩陣。在實(shí)際使用時(shí)，利用BP神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣及其改進(jìn)算法實(shí)現(xiàn)多故障的有效診斷。其中輸出節(jié)點(diǎn)1表示液壓泵正常時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)2表示間隙為6μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)3表示間隙為9μm神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)4表示間隙為12μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)5表示15μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值。
利用BP神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法可以有效診斷不同間隙大小的球頭松動(dòng)故障。
4、結(jié)論中國(guó)臺(tái)灣KOMPASS壓力繼電器，KOMPASS葉片泵轉(zhuǎn)軸間隙補(bǔ)償”設(shè)計(jì)，可根據(jù)設(shè)定壓力，自動(dòng)調(diào)整泵的排量?jī)?nèi)置壓力調(diào)整閥，系統(tǒng)無(wú)需加裝調(diào)壓閥裝配容易，可直結(jié)電機(jī)組成電機(jī)泵組合適用于研磨機(jī)、自動(dòng)車(chē)床、工作母機(jī)、制鞋機(jī)械及其它各種機(jī)或單能機(jī)等使用
本文通過(guò)液壓泵出口的振動(dòng)信號(hào)和壓力信號(hào)，通過(guò)小波消噪處理有效提取故障特征，利用PCA分析很大程度上減少了信息融合特征向量的維數(shù)，通過(guò)可診斷性檢驗(yàn)證明PCA重新組合的特征向量可以實(shí)現(xiàn)多故障診斷。在BP算法中引人附加動(dòng)量項(xiàng)，獲得學(xué)習(xí)率，通過(guò)改進(jìn)BP算法實(shí)現(xiàn)不同間隙大小球頭松動(dòng)故障的有效診斷。