當前,大數據、云計算、工業(yè)互聯網等新一代信息技術飛速發(fā)展,為設備狀態(tài)監(jiān)測與故障診斷研究提供了新理論和新技術。隨著新型信息技術和傳統(tǒng)液壓技術融合發(fā)展,基于工業(yè)互聯網平臺開發(fā)油動機狀態(tài)監(jiān)測與故障診斷系統(tǒng)具有重要的理論意義和實際價值。因此,本文以油動機液壓系統(tǒng)為研究對象,以挖掘狀態(tài)監(jiān)測數據中隱藏的故障信息為目標,采用工業(yè)互聯網平臺技術打通了信號采集、邊緣數據處理、端云之間數據傳輸、海量數據彈性存儲、故障診斷建模分析等信息通道,為油動機液壓系統(tǒng)的狀態(tài)監(jiān)測與故障診斷系統(tǒng)提供了新理論、新技術和新方法。首先,依據信息物理系統(tǒng)（Cyber-Physical Systems,CPS）理論,設計了油動機狀態(tài)監(jiān)測與故障診斷系統(tǒng)的CPS六層功能架構,涵蓋了從數據采集到數據分析的各項功能需求。并選取WISE-PaaS工業(yè)互聯網平臺為載體,構建了基于工業(yè)互聯網平臺的油動機狀態(tài)監(jiān)測與故障診斷系統(tǒng)的功能實現架構。其次,將油動機液壓系統(tǒng)劃分為正常調節(jié)和快關緩沖兩個工作狀態(tài),分別進行建模分析。并在AMESim仿真平臺上對電液伺服閥噴嘴與阻尼孔堵塞、油動機液壓缸內泄漏、電磁閥電磁性能退化等故障進行仿真模擬,以探究狀態(tài)監(jiān)測與... 

【文章來源】：燕山大學河北省

【文章頁數】：142 頁

【學位級別】：博士

【部分圖文】：

WISE-PaaS3.0工業(yè)互聯網平臺端到云架構圖

燕山大學工學博士學位論文-44-engineeringsystem)是一個多學科融合建模仿真平臺。AMESim采用基于物理模型的圖形化建模方式，為用戶提供了可以直接使用的豐富的元件應用庫，使用戶能夠液壓系統(tǒng)原理圖，快速方便的構建仿真模型，并進行穩(wěn)態(tài)或動態(tài)性能以及故障仿真模擬等相關分析。本文在AMESim平臺上構建油動機仿真模型過程中，一部分液壓元件直接選用標準庫中提供的模型，而另一部部分液壓元件使用液壓元件設計庫(HydrulicComponentDesign,HCD)搭建�；贏MESim所構建的油動機仿真模型，如圖3-13所示。圖3-13基于AMESim仿真平臺構建油動機仿真模型Fig.3-13SimulationmodelofhydraulicservomotorbasedonAMESim油動機通常選用美國MOOG公司G761系列噴嘴擋板閥，結合伺服閥各零部件實際測量數據及產品樣本相關資料，獲得伺服閥相關結構參數。油動機的結構參數依據設計圖紙設定，油液選用三芳基磷酸酯抗燃液壓油，液壓系統(tǒng)壓力設置為18MPa。根據油動機建模分析過程中對各參數涵義的描述，確定的油動機AMESim模型的主要仿真參數如表3-1所示。

燕山大學工學博士學位論文-48-a)活塞位移響應信號b)內泄漏流量a)Pistondisplacementresponseb)Internalleakageflowc)非工作腔壓力信號d)工作腔壓力信號c)Non-workingchamberpressuresignald)workingchamberpressuresignal圖3-16油動機液壓缸內泄漏階躍響應仿真曲線Fig.3-16Simulationcurvesofinternalleakageinhydrauliccylinderofhydraulicservomotorunderstepresponsecondition圖3-16a)是活塞位移的階躍響應曲線，表明油動機在不同程度的內泄漏狀態(tài)下能夠保持正常的位置控制精度，隨著油動機內泄漏量的增加，圖3-16c)所示非工作腔的壓力從正常無泄漏的0MPa、輕度泄漏的0.60MPa、中度泄漏的1MPa、增加到重度泄漏1.6MPa左右；而圖3-16d)所示的工作腔壓力從正常系統(tǒng)壓力18MPa逐級下降到重度泄漏16MPa以下。綜上所述，通過對油動機液壓缸工作腔和非工作腔壓力的信號的監(jiān)測，可以實現對油動機液壓缸內泄漏故障的診斷。3.5.3油動機快關緩沖狀態(tài)的故障類型仿真分析油動機快關緩沖系統(tǒng)通常在正常調節(jié)工作態(tài)時處于待機狀態(tài)，但是在異常情況發(fā)生時響應時間要快速，運行時間短。通過對油動機快關緩沖系統(tǒng)的建模仿真分析，快關二位三通電磁閥和緩沖腔節(jié)流孔C0在快關緩沖過程中發(fā)揮重要作用。下面主要

【參考文獻】：
期刊論文
[1]基于完備總體經驗模態(tài)分解和模糊熵結合的液壓泵退化特征提取方法[J]. 姜萬錄,孔德田,李振寶,佟祥偉,岳文德.  計量學報. 2020(02)
[2]汽輪機DEH數字電液調節(jié)系統(tǒng)優(yōu)化[J]. 劉歡.  儀器儀表與分析監(jiān)測. 2020(01)
[3]工業(yè)互聯網體系架構2.0[J]. 余曉暉,劉默,蔣昕昊,尹楊鵬,楊希,劉棣斐,張恒升,劉曉曼,池程.  計算機集成制造系統(tǒng). 2019(12)
[4]二級噴嘴擋板式伺服閥故障實測與分析[J]. 黃雄軍.  機床與液壓. 2019(23)
[5]基于Gradient Boosting算法的ERMS輻射數據預測[J]. 朱武峰,王廷銀,林明貴,蘇偉達,李汪彪,吳允平.  計算機系統(tǒng)應用. 2019(11)
[6]基于變分模態(tài)分解與支持向量數據描述結合的液壓泵性能退化評估方法[J]. 韓可,姜萬錄,雷亞飛,張永順,張生.  機床與液壓. 2019(19)
[7]改進AMD廣義形態(tài)分形維數和KFCMC的液壓泵故障診斷方法[J]. 鄭直,姜萬錄,王寶中,王瑩.  振動與沖擊. 2019(18)
[8]基于神經網絡的液壓缸內泄漏在線測量研究[J]. 郭媛,曾銀川,曾良才,傅連東,湛從昌.  液壓與氣動. 2019(09)
[9]基于GBDT的實時洪水預報誤差校正方法[J]. 姚超宇,鐘平安,徐斌,王凱,高益輝,李昆朋.  水電能源科學. 2019(08)
[10]汽輪發(fā)電機組EH控制系統(tǒng)油動機缺陷分析及處理[J]. 王冬.  電工技術. 2019(16)

博士論文
[1]基于支持向量數據描述的異常檢測與核特征提取方法研究[D]. 王昆哲.國防科技大學 2018

碩士論文
[1]液壓故障模擬試驗臺測控系統(tǒng)開發(fā)[D]. 紀志勇.燕山大學 2018
[2]基于RF、XGBoost和FFM集成的CTR預估[D]. 王雪萍.浙江大學 2018
[3]電液伺服系統(tǒng)故障模擬試驗臺的研發(fā)[D]. 周兵.燕山大學 2017
[4]基于模型的汽輪機調節(jié)系統(tǒng)故障診斷研究[D]. 徐鵬志.哈爾濱工業(yè)大學 2011



本文編號：3109130