基于卷积神经网络的液压缸内泄漏检测

由密封损坏引起的液压缸内泄漏会导致液压系统工作的不稳定。本文作者提出一种基于卷积神经网络的检测方法，先经过仿真得到在无泄漏、小泄漏、中等泄漏和大泄漏4种工况下的液压缸一个腔的压力信号，通过卷积神经网络的学习与训练，使其在不确定工况下通过输入压力信号自动地检测液压缸的泄漏程度。相比于传统的建模方法，文中方法克服了在非线性液压系统中建模难点，只需要采集压力信号，且简单可行，具有很高的可靠性；将该方法与传统的BP神经网络作对比，证明该神经网络的优越性     

基于神经网络的液压缸微小内泄漏数据分析及预测的研究

液压缸的内泄漏是工程机械故障中难以避免的,该故障会降低液压系统的工作效率,严重的内泄漏还会引发安全事故。构建一种实时测量液压缸内泄漏的系统,提出一种模拟液压缸微小内泄漏的方法,采用压力应变片将流量变化转换为应变信号的实验模型,对实验数据进行分析并建立应变-流量的数学模型,利用神经网络的学习与训练,对内泄漏量进行预测。最后将实际微小内泄漏量与神经网络的预测值相比较。实验结果表明,神经网络具有高精度和高效率的预测能力,为液压系统的微小泄漏监测奠定了基础。     

基于AMESim的液压缸内泄漏仿真分析

液压缸内泄漏是影响工程机械性能和效率的主要故障现象之一。在深入分析液压缸内泄漏原因的基础上,运用液压机械系统建模仿真软件AMESim建立某机械化桥锁紧液压缸工作回路仿真模型,通过仿真所得液压缸内泄漏量与相同工况下用传统方法计算所得泄漏量基本吻合,进一步的仿真分析表明液压油动力黏度特别是液压缸活塞与缸壁间隙大小对液压缸内泄漏影响较显著。     

神经网络在液压系统典型故障诊断中的应用

针对液压系统中的一种典型故障——油缸泄漏的故障诊断,提出通过监测油缸压力信号,提取时域组合特征并利用神经网络作为故障分类器的诊断方法。该诊断方法首先提取了油缸压力信号的时域组合特征作为特征向量,然后输入到神经网络分类器中进行故障的识别和分类。实验结果表明:该诊断方法能有效识别无泄漏、轻微泄漏、严重泄漏的3种状态,是液压系统故障诊断行之有效的方法。     

基于LS-SVM液压缸泄漏故障诊断方法的研究

液压系统的执行机构是液压缸,其运动故障主要是压力不足,导致其动作反应不及时,针对液压控制系统中出现故障复杂性的特点,以液压系统的液压缸泄漏为研究对象,通过分析液压缸泄漏程度的故障形式,通过液压缸泄漏程度的分类,提出了基于LS-SVM液压缸泄漏故障方法,建立了该系统的故障诊断模型,对液压缸泄漏量进行定量的分析和算法研究。研究表明,这种针对液压缸泄漏故障诊断的原理、方法和特点,可以比较准确地预测液压缸泄漏的程度,对其故障诊断是有效和实用的。     

小波分析在液压缸泄漏检测中的应用

本文介绍了一种基于小波分析的液压缸泄漏故障检测方法，通过检测液压缸工作腔压力信号小波变换在适当尺度上的极大值点，提取出压力信号的突变特征，从而为液压缸泄漏检测提供了定量的依据。     

工程机械液压缸内外泄漏模拟实验(英文)

针对工程机械液压缸内外泄漏故障诊断中故障判据的提取问题,介绍了一种通过监测工程机械液压缸压力和位移信号的模拟实验方法。通过在不同泄漏孔径、不同系统压力、不同系统流量和不同负载情况下的模拟实验,为工程机械液压缸泄漏故障诊断提供有效的判据,具有实际的工程意义。     

基于概率神经网络的液压管路泄漏故障程度识别

针对复杂环境下飞机的液压管路系统在故障诊断时存在的各种问题,提出一种基于概率神经网络的液压管路系统泄漏故障的诊断方法。在飞机液压管路系统中主要产生的故障是由于管路系统的振动导致的管路破裂、泄漏等。对飞机液压管进行建模,分析其工作状态下不同液压泄漏故障程度时的固有频率,选取前5阶固有频率作为故障诊断的特征值;构建PNN概率神经网络诊断模型,利用测试样本进行故障诊断实验。结果表明,该方法对液压管路故障具有较高识别率。该研究为液压管路系统的故障诊断提供了参考。     

Experimental Research on Internal and External Leakage of Construction Machinerv Hydraulic Cylinder

针对工程机械液压缸内外泄漏故障诊断中故障判据的提取问题,介绍了一种通过监测工程机械液压缸压力和位移信号的模拟实验方法.通过在不同泄漏孔径、不同系统压力、不同系统流量和不同负载情况下的模拟实验,为工程机械液压缸泄漏故障诊断提供有效的判据,具有实际的工程意义.     

四腔室液压缸（英文）

传统液压控制系统中,普通液压缸在变负载工况下会产生较大的压力波动。针对该情况,设计了四腔室液压缸。通过将活塞杆做成空腔兼做另一缸体的形式,把普通的两腔室液压缸做成具有4个腔室的液压缸。在数字流体动力系统的控制下,系统提供的压力数越多输出力的个数将会越多,以适应工作中的变负载情况。该液压缸节省了使用空间及成本,提高了工作效率,改善了工作效果。     

液压缸内泄漏检测方法的研究

对目前液压缸常用的3种内泄漏检测方法进行分析比较,提出采用压差法检测内泄漏。介绍了压差法的检测原理和系统组成,与前3种检测方法相比,压差法检测具有精度高、自动化程度高等特点。     

基于优化VMD和BP神经网络液压管路故障诊断研究北大核心

针对航空发动机液压管路故障信号易受噪声干扰、管路故障诊断准确率不高等问题,提出基于优化变分模态分解和BP神经网络的故障诊断方法。利用遗传算法自适应确定变分模态分解K、α的最优参数,然后采用优化后的变分模态分解方法对航空液压管路的振动信号进行分解,最后将故障特征明显的故障分量输入BP神经网络模型中进行训练和分类。结果表明:提出的基于变分模态分解与BP神经网络的航空液压管路故障诊断方法能够精准识别出航空液压管路多种不同的故障状态。     

基于卷积神经网络的网络节点异常数据检测方法

异常数据检测是保障无线传感器网络节点数据准确性和可靠性的重要步骤。针对无线传感器网络节点异常数据检测问题,提出一种基于卷积神经网络的异常数据检测方法。该方法是对正常数据和注入故障后生成的异常数据进行归一化处理后映射成的灰度图片作为卷积神经网络的输入数据,并且基于LeNet-5卷积神经网络设计了合适的卷积层特征面及全连接层的参数,构造了3种新的卷积神经网络模型。该模型通过卷积层自主学习数据特征,解决了传统检测算法的性能容易受到相关阈值影响的问题。通过网络公开数据集进行模型测试,结果表明该方法具有很好的检测性能和较高的可靠性     

基于视觉与激光结合的堆叠工件快速定位方法

针对机械手对复杂工况下的工件进行自动抓取时精度较低的问题,提出一种采用改进SSD卷积神经网络算法配合多激光传感的方法,对堆叠情况下的工件进行快速精确定位。采用SSD算法融合多视窗检测方法,对视觉获取的RGB图片进行检测,获取工件水平位置信息;结合主动跟踪激光传感系统,获取工件表面的法向量,确定工件的空间位姿。搭建了硬件实验平台,在此平台上开发了一套视觉与激光融合的工件定位抓取系统,并以非标零件为实验对象在堆叠情况下进行多组实验,在模拟车间自然光照环境下,工件识别率95.4%,平均耗时为40ms,工件识别的平均坐标偏差1.86mm,法向量平均偏差为1.39°,机器人抓取率为98.2%,实验结果表明,该方法定位准确,速度快,在自动化生产线上具有可行性。     

基于DMD和t-SNE的液压泵故障诊断

液压泵长期处于高压、高速的运行工况下,泵体零部件极易发生故障。实际工况下测量的振动信号往往包含着许多无关信号成分如噪声,导致传统方法难以实现故障类型的准确识别。提出一种基于动模式分解(DMD)和t分布随机近邻嵌入(t-SNE)聚类的液压泵故障模式识别方法。在泵体布置传感器进行监测获得振动信号,首先利用DMD进行分解获得表征信号本质特征的模式分量,再利用t-SNE进行降维聚类,实现不同故障类型的准确识别。通过数值仿真和试验台故障数据分析,验证了提出方法的可行性及有效性。     

基于小波与EMD的EHA液压缸内泄故障诊断研究

为有效地诊断出内泄故障,通过EHA实验台模拟出不同故障等级的EHA双杆液压缸的内泄漏。在相同控制信号输入下采集液压缸腔室内压力信号,使用小波与EMD分解2种方法分别对健康模式与故障模式下腔体内压力信号进行分解,得到压力信号的一级和二级高频小波系数及一级IMF函数,完成特征提取。通过多组实验求得特征提取后的均方根值,实现了EHA液压缸内泄漏故障与故障等级的离线诊断,并对比了不同诊断方法的诊断效果。结果表明：压力信号的一级IMF函数诊断效果最佳,一级高频小波系数诊断效果最差。