液壓系統(tǒng)因其獨(dú)特的特性,在各個(gè)領(lǐng)域有著廣泛的應(yīng)用。液壓設(shè)備的運(yùn)行安全與狀態(tài)監(jiān)測(cè)是生產(chǎn)中的一項(xiàng)重要內(nèi)容。由于液壓系統(tǒng)的所有部件都在封閉油路中工作,故障源的定位比較困難。為了解決這個(gè)問題,本文提出了一種基于物聯(lián)網(wǎng)技術(shù)的動(dòng)態(tài)故障診斷方法GRNN模型的基于物聯(lián)網(wǎng)的智能控制,利用無(wú)線傳感器網(wǎng)絡(luò)技術(shù)在分布式液壓設(shè)備中各參數(shù)的實(shí)時(shí)測(cè)量和控制,遠(yuǎn)程數(shù)據(jù)共享、故障信號(hào)的采集輸入GRNN模型故障觀察器,檢測(cè)閾值,通過(guò)實(shí)驗(yàn)?zāi)M準(zhǔn)確診斷系統(tǒng)故障。實(shí)驗(yàn)表明,該方法可以有效地應(yīng)用于過(guò)程生產(chǎn)液壓系統(tǒng)中,保證系統(tǒng)的正常運(yùn)行,降低設(shè)備故障率,提高生產(chǎn)效率。 

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 Introduce
2 Dynamic GRNN model based on Internet of things technology research overall design hydraulic system fault detection
    2.1 Summary of the internet of things
    2.2 Wireless Sensor Network
    2.3 Overall design scheme of the system
    2.4 Data signal acquisition research and design of hydraulic system
    2.5 Experimental study on data transmission in hydraulic system
    2.6 Data transmission performance test
3 Dynamic GRNN neural model theory
    3.1 Generalized regression neural network (GRNN)
    3.2 Dynamic GRNN model structure
4 Hydraulic system fault detection research
    4.1 Build a fault observer for GRNN model
    4.2 Based on the dynamic GRNN model of hydraulic system fault detection research
5 Experimental results and analysis
6 Conclusions


【參考文獻(xiàn)】：
期刊論文
[1]基于SimHydraulics的某飛機(jī)起落架液壓系統(tǒng)建模與故障仿真[J]. 王強(qiáng),劉玉科.  液壓與氣動(dòng). 2020(04)
[2]基于AMESim的電/氣比例壓力閥仿真與試驗(yàn)[J]. 張偉,李淳潮,李志遠(yuǎn),尚堯.  液壓與氣動(dòng). 2020(03)
[3]厭氧塘污水處理系統(tǒng)液壓故障在線檢測(cè)仿真[J]. 李響,崔皓蒙.  計(jì)算機(jī)仿真. 2019(01)
[4]基于物聯(lián)網(wǎng)的變電設(shè)備故障診斷研究[J]. 張超,孟夢(mèng).  自動(dòng)化與儀器儀表. 2018(05)
[5]基于GRNN觀測(cè)器的液壓作動(dòng)器系統(tǒng)自適應(yīng)故障檢測(cè)[J]. 周博,呂琛,王軒,田野,秦維力.  南京理工大學(xué)學(xué)報(bào). 2016(02)
[6]基于Web的工業(yè)污水處理遠(yuǎn)程監(jiān)控系統(tǒng)[J]. 張修建,靳碩,趙茜,關(guān)新平,梁振虎.  系統(tǒng)仿真學(xué)報(bào). 2012(05)
[7]基于多網(wǎng)絡(luò)模型的工程機(jī)械液壓系統(tǒng)故障診斷研究[J]. 賀湘宇,何清華.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(04)



本文編號(hào)：3666160