發(fā)布時間：2018-06-03 18:04

  本文選題：液壓系統(tǒng) + 內(nèi)泄漏��； 參考：《機(jī)床與液壓》2017年13期

【摘要】：由密封損壞引起的液壓缸內(nèi)泄漏會導(dǎo)致液壓系統(tǒng)工作的不穩(wěn)定。本文作者提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的檢測方法,先經(jīng)過仿真得到在無泄漏、小泄漏、中等泄漏和大泄漏4種工況下的液壓缸一個腔的壓力信號,通過卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練,使其在不確定工況下通過輸入壓力信號自動地檢測液壓缸的泄漏程度。相比于傳統(tǒng)的建模方法,文中方法克服了在非線性液壓系統(tǒng)中建模難點,只需要采集壓力信號,且簡單可行,具有很高的可靠性;將該方法與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)作對比,證明該神經(jīng)網(wǎng)絡(luò)的優(yōu)越性
[Abstract]:Leakage in the cylinder caused by seal damage can lead to instability of the hydraulic system. A detection method based on convolution neural network is proposed in this paper. Firstly, the pressure signals of one chamber of hydraulic cylinder are obtained by simulation under four working conditions: no leakage, small leakage, medium leakage and large leakage. Through the study and training of convolution neural network, the leakage degree of hydraulic cylinder can be detected automatically by input pressure signal under uncertain working conditions. Compared with the traditional modeling method, this method overcomes the difficulty of modeling in nonlinear hydraulic system, only needs to collect the pressure signal, is simple and feasible, and has high reliability, the method is compared with the traditional BP neural network. Prove the superiority of the neural network
【作者單位】： 東莞職業(yè)技術(shù)學(xué)院計算機(jī)工程系;解放軍理工大學(xué)野戰(zhàn)工程學(xué)院;
【分類號】：TH137.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 竇丹丹;姜洪開;何毅娜;;基于信息熵和SVM多分類的飛機(jī)液壓系統(tǒng)故障診斷[J];西北工業(yè)大學(xué)學(xué)報;2012年04期

2 唐宏賓;吳運新;滑廣軍;馬昌訓(xùn);;基于PCA和BP網(wǎng)絡(luò)的液壓油缸內(nèi)泄漏故障診斷[J];中南大學(xué)學(xué)報(自然科學(xué)版);2011年12期

3 方志宏,傅周東,陳章位;基于 BP 神經(jīng)網(wǎng)絡(luò)的液壓系統(tǒng)泄漏故障診斷[J];機(jī)械科學(xué)與技術(shù);1998年01期

4 陳章位，，路甬祥，傅周東;液壓設(shè)備狀態(tài)監(jiān)測和故障診斷技術(shù)[J];液壓與氣動;1995年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吉珊珊;段金輝;屠義強(qiáng);;基于卷積神經(jīng)網(wǎng)絡(luò)的液壓缸內(nèi)泄漏檢測[J];機(jī)床與液壓;2017年13期

2 劉剛;張家林;劉闖;楊帆;杜佳誠;;鉆頭鉆進(jìn)不同介質(zhì)時的振動信號特征識別研究[J];振動與沖擊;2017年08期

3 陳述;王越;王建平;申浩播;李智;;垂直升船機(jī)液壓系統(tǒng)故障傳播路徑的模糊推理[J];中國安全科學(xué)學(xué)報;2017年04期

4 孫天笑;;一種新型的輔助泊車裝置[J];黑龍江科技信息;2017年02期

5 張小龍;張氫;秦仙蓉;孫遠(yuǎn)韜;;基于ITD復(fù)雜度和PSO-SVM的滾動軸承故障診斷[J];振動與沖擊;2016年24期

6 徐增丙;李友榮;王志剛;軒建平;;基于混合fuzzy ARTMAP的智能診斷方法在油缸泄漏診斷中的應(yīng)用[J];中國科技論文;2016年10期

7 胡帥;程迎新;顧艷;;PCA和Elman網(wǎng)絡(luò)在移動學(xué)習(xí)策略分類中的應(yīng)用[J];電子測量技術(shù);2016年05期

8 向秋;王雪梅;倪文波;;基于PSO-SVM的礦用自卸車舉升液壓系統(tǒng)故障診斷[J];礦山機(jī)械;2016年05期

9 張永剛;陳軍勝;;可控震源液壓系統(tǒng)故障診斷狀態(tài)特征分析[J];物探裝備;2016年02期

10 李樹茂;;淺析液壓系統(tǒng)故障診斷技術(shù)的研究現(xiàn)狀與發(fā)展趨勢[J];中小企業(yè)管理與科技(下旬刊);2016年03期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓中合;朱霄s

本文編號：1973697