本文關(guān)鍵詞：基于多傳感器信息融合的液壓系統(tǒng)故障診斷方法研究

  更多相關(guān)文章： 液壓系統(tǒng)故障診斷 微粒群算法 神經(jīng)網(wǎng)絡(luò) D-S證據(jù)理論 多傳感器信息融合

【摘要】：液壓系統(tǒng)作為工程車輛的核心部件，它的運(yùn)行狀態(tài)直接影響到整個(gè)車輛的工作，及時(shí)而準(zhǔn)確地對(duì)其故障進(jìn)行監(jiān)測(cè)、預(yù)報(bào)和診斷具有重要的實(shí)際意義。液壓系統(tǒng)工作環(huán)境惡劣，故障機(jī)理復(fù)雜多樣，單一傳感器獲得的故障特征參數(shù)常常是模糊和不確定的。因此，需要綜合利用多源故障信息，才能實(shí)現(xiàn)對(duì)設(shè)備全面而準(zhǔn)確的診斷。 論文重點(diǎn)對(duì)液壓系統(tǒng)中的動(dòng)力源液壓泵的故障診斷進(jìn)行了研究。通過(guò)組建有效的傳感器網(wǎng)絡(luò)，充分利用泵殼三個(gè)方向的振動(dòng)信號(hào)和外泄口溫度信號(hào)的特征信息，本文根據(jù)JDL模型并結(jié)合泵車液壓系統(tǒng)故障特點(diǎn)設(shè)計(jì)了一個(gè)三級(jí)多源信息融合診斷系統(tǒng)；數(shù)據(jù)級(jí)主要對(duì)各故障數(shù)據(jù)進(jìn)行特征提取和歸一化，特征級(jí)通過(guò)構(gòu)建4個(gè)多并行的MPSO-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行子網(wǎng)局部診斷，決策級(jí)利用改進(jìn)的D-S證據(jù)理論將各子網(wǎng)局部診斷結(jié)果進(jìn)行決策融合；最終實(shí)現(xiàn)了對(duì)液壓泵故障的準(zhǔn)確診斷。 在系統(tǒng)的特征層融合中，針對(duì)PSO算法收斂精度低、易早熟和后期收斂速度慢等問(wèn)題，本文提出了基于慣性權(quán)重正弦調(diào)整和自適應(yīng)變異策略的PSO改進(jìn)算法，使算法的收斂精度和收斂速度得到了提高，有效地避免了早熟收斂現(xiàn)象；同時(shí)，針對(duì)BP神經(jīng)網(wǎng)絡(luò)的梯度下降學(xué)習(xí)方法在網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練過(guò)程中易陷入局部極小值等不足，利用PSO很強(qiáng)的全局優(yōu)化能力，本文將改進(jìn)的PSO算法對(duì)網(wǎng)絡(luò)的權(quán)值和閾值矩陣進(jìn)行優(yōu)化，，提出了一種改進(jìn)的PSO-BP神經(jīng)網(wǎng)絡(luò)診斷算法，算例仿真驗(yàn)證了該方法的有效性。 在決策層，針對(duì)D-S證據(jù)理論不能合成高度沖突證據(jù)這一問(wèn)題，本文從證據(jù)源本身著手，依據(jù)多數(shù)服從少數(shù)的決策思想，提出了一種新的基于證據(jù)權(quán)重的D-S改進(jìn)算法。算例仿真表明該方法能高效地融合沖突證據(jù)，且與其它改進(jìn)算法相比，收斂速度更快，合成結(jié)果更理想。
【關(guān)鍵詞】：液壓系統(tǒng)故障診斷 微粒群算法 神經(jīng)網(wǎng)絡(luò) D-S證據(jù)理論 多傳感器信息融合
【學(xué)位授予單位】：太原科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TH165.3;TP202.1
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 引言9-19
• 1.1 選題背景及意義9-10
• 1.2 液壓系統(tǒng)故障診斷技術(shù)的研究進(jìn)展及發(fā)展趨勢(shì)10-14
• 1.2.1 液壓系統(tǒng)故障診斷技術(shù)的研究現(xiàn)狀10-11
• 1.2.2 液壓系統(tǒng)故障診斷技術(shù)的主要方法11-13
• 1.2.3 液壓系統(tǒng)故障診斷技術(shù)的發(fā)展趨勢(shì)13-14
• 1.3 多傳感器信息融合技術(shù)的國(guó)內(nèi)外發(fā)展現(xiàn)狀14-16
• 1.4 本文的主要內(nèi)容與結(jié)構(gòu)安排16-19
• 第二章 多傳感器信息融合技術(shù)19-27
• 2.1 多傳感器信息融合的定義及優(yōu)勢(shì)19-20
• 2.2 信息融合的基本原理20-21
• 2.3 信息融合的模型21-23
• 2.4 信息融合的級(jí)別23-25
• 2.5 基于多傳感器信息融合的故障診斷系統(tǒng)模型25-26
• 2.5.1 多傳感器信息融合與故障診斷25
• 2.5.2 基于信息融合的故障診斷系統(tǒng)模型25-26
• 2.6 本章小結(jié)26-27
• 第三章 基于神經(jīng)網(wǎng)絡(luò)的特征級(jí)診斷算法27-49
• 3.1 神經(jīng)網(wǎng)絡(luò)在多傳感器信息融合故障診斷系統(tǒng)中的應(yīng)用27
• 3.2 基本知識(shí)27-34
• 3.2.1 BP 神經(jīng)網(wǎng)絡(luò)27-30
• 3.2.2 微粒群算法30-34
• 3.3 改進(jìn)的 PSO 算法34-42
• 3.3.1 幾種改進(jìn)的 PSO 算法34-35
• 3.3.2 基于慣性權(quán)重正弦調(diào)整和自適應(yīng)變異策略的 PSO 改進(jìn)算法35-36
• 3.3.3 算例分析與比較36-42
• 3.4 改進(jìn)的 PSO-BP 神經(jīng)網(wǎng)絡(luò)42-48
• 3.4.1 改進(jìn)的 PSO-BP 神經(jīng)網(wǎng)絡(luò)模型43-45
• 3.4.2 算例分析與比較45-48
• 3.5 本章小結(jié)48-49
• 第四章 基于 D-S 證據(jù)理論的決策級(jí)融合算法49-63
• 4.1 D-S 證據(jù)理論49-54
• 4.1.1 D-S 證據(jù)理論基本概念49-51
• 4.1.2 D-S 證據(jù)理論組合規(guī)則51-52
• 4.1.3 D-S 證據(jù)理論決策規(guī)則52-54
• 4.2 D-S 證據(jù)理論組合規(guī)則存在的問(wèn)題54-55
• 4.3 改進(jìn)的 D-S 證據(jù)理論55-60
• 4.3.1 現(xiàn)有的改進(jìn)方法55-56
• 4.3.2 一種新的基于證據(jù)權(quán)重的 D-S 改進(jìn)算法56-60
• 4.4 算例分析與比較60-62
• 4.5 本章小結(jié)62-63
• 第五章 基于多傳感器信息融合的液壓系統(tǒng)故障診斷實(shí)例63-79
• 5.1 液壓泵的工作原理以及故障機(jī)理分析63-65
• 5.2 基于多神經(jīng)網(wǎng)絡(luò)和改進(jìn) D-S 證據(jù)理論的液壓系統(tǒng)故障診斷模型65-67
• 5.2.1 基于多 MPSO-BP 神經(jīng)網(wǎng)絡(luò)的特征級(jí)局部診斷層66
• 5.2.2 基于改進(jìn) D-S 證據(jù)理論的決策級(jí)融合診斷層66-67
• 5.3 診斷實(shí)例67-77
• 5.3.1 數(shù)據(jù)分析與預(yù)處理68-69
• 5.3.2 特征級(jí)子網(wǎng)診斷69-75
• 5.3.3 決策級(jí)融合診斷75-77
• 5.4 本章小結(jié)77-79
• 第六章 結(jié)論與展望79-81
• 6.1 結(jié)論79-80
• 6.2 展望80-81
• 參考文獻(xiàn)81-87
• 致謝87-89
• 攻讀碩士學(xué)位期間所發(fā)表的論文89-90

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 孫全,葉秀清,顧偉康;一種新的基于證據(jù)理論的合成公式[J];電子學(xué)報(bào);2000年08期

2 簡(jiǎn)小剛;賈鴻盛;石來(lái)德;;多傳感器信息融合技術(shù)的研究進(jìn)展[J];中國(guó)工程機(jī)械學(xué)報(bào);2009年02期

3 王小藝;侯朝楨;原菊梅;劉載文;;基于進(jìn)化策略改進(jìn)的D-S證據(jù)識(shí)別算法[J];光電子·激光;2006年08期

4 葉清;吳曉平;宋業(yè)新;;引入權(quán)重因子的證據(jù)合成方法[J];火力與指揮控制;2007年06期

5 潘兵;熊靜琪;;多傳感器信息融合在液壓系統(tǒng)智能故障診斷中的應(yīng)用[J];機(jī)床與液壓;2006年05期

6 陳家焱;陳章位;;液壓系統(tǒng)故障診斷技術(shù)的現(xiàn)狀與發(fā)展趨勢(shì)[J];機(jī)床與液壓;2008年10期

7 施錦丹;王凱;王伯成;王效飛;;液壓系統(tǒng)故障診斷方法綜述[J];機(jī)床與液壓;2008年11期

8 王世明;;工程機(jī)械液壓系統(tǒng)故障監(jiān)測(cè)診斷技術(shù)的現(xiàn)狀和發(fā)展趨勢(shì)[J];機(jī)床與液壓;2009年02期

9 許同樂(lè);韓元杰;;專家系統(tǒng)在液壓故障診斷中的應(yīng)用[J];機(jī)床與液壓;2009年03期

10 范士娟;楊超;;液壓系統(tǒng)故障診斷方法綜述[J];機(jī)床與液壓;2009年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 張冀;基于多源信息融合的傳感器故障診斷方法研究[D];華北電力大學(xué)（河北）;2008年

2 饒泓;基于多源信息融合與Rough集理論的液壓機(jī)故障診斷方法研究[D];南昌大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 楊慧;多傳感器信息融合技術(shù)的研究與應(yīng)用[D];哈爾濱工程大學(xué);2010年

2 周蕾;粒子群算法的改進(jìn)及其在人工神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[D];西安電子科技大學(xué);2010年

3 馬昌訓(xùn);混凝土泵車泵送液壓系統(tǒng)故障仿真研究[D];中南大學(xué);2011年

4 鄭建豐;混凝土泵液壓系統(tǒng)故障診斷方法研究[D];東北大學(xué);2009年

5 于文征;柱塞泵泄漏故障智能診斷系統(tǒng)研究[D];南京理工大學(xué);2002年

6 李啟龍;軸向柱塞泵故障診斷和預(yù)測(cè)方法研究與系統(tǒng)開發(fā)[D];廣東工業(yè)大學(xué);2007年

7 唐毅;多傳感器信息融合技術(shù)研究[D];電子科技大學(xué);2009年

本文編號(hào)：826424