在航空工業(yè)中，液壓系統(tǒng)的工作性能是非常重要的。它的穩(wěn)定性與飛機(jī)和旅客的生命安全息息相關(guān)，而液壓齒輪泵是液壓系統(tǒng)的動(dòng)力源，因此對(duì)液壓齒輪泵的狀態(tài)監(jiān)控與故障診斷尤為重要。軸承故障是液壓齒輪泵常見(jiàn)的故障模式之一，由于軸承故障所引起的附加振動(dòng)相對(duì)于 液壓齒輪泵的固有振動(dòng)較弱，因而很難把故障信息從信號(hào)中分離開(kāi)來(lái)。到目前為止，對(duì)液壓齒輪泵軸承故障的故障診斷尚缺少十分有效的方法。本文提出在頻域和倒頻域進(jìn)行特征提取，旨在解決軸承特征提取困難的問(wèn)題并利用集成BP網(wǎng)絡(luò)解決多故障診斷與識(shí)別和魯棒性問(wèn)題。
1、集成BP網(wǎng)絡(luò)進(jìn)行故障診斷的原理
神經(jīng)網(wǎng)絡(luò)的組織結(jié)構(gòu)是由求解問(wèn)題的領(lǐng)域特征決定的。由于故障診斷系統(tǒng)的復(fù)雜性，將神經(jīng)網(wǎng)絡(luò)應(yīng)用于障診斷系統(tǒng)的設(shè)計(jì)中，將是大規(guī)模神經(jīng)網(wǎng)絡(luò)的組織和學(xué)習(xí)問(wèn)題。為了減少工作的復(fù)雜性，減少網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間，本文將故障診斷知識(shí)集合分解為幾個(gè)邏輯上獨(dú)立的子集合，每個(gè)子集合再分解為若干規(guī)則子集，然后根據(jù)規(guī)則子集來(lái)組織網(wǎng)絡(luò)。每個(gè)規(guī)則子集是一個(gè)邏輯上獨(dú)立的子網(wǎng)絡(luò)的映射，規(guī)則子集間的聯(lián)系，通過(guò)子網(wǎng)絡(luò)的權(quán)系矩陣表示。各個(gè)子網(wǎng)絡(luò)獨(dú)立地運(yùn)用BP學(xué)習(xí)算法分別進(jìn)行學(xué)習(xí)訓(xùn)練。由于分解后的子網(wǎng)絡(luò)比原來(lái)的網(wǎng)絡(luò)規(guī)模小得多且問(wèn)題局部化了，從而使訓(xùn)練時(shí)間大為減少。利用集成BP網(wǎng)絡(luò)進(jìn)行液壓齒輪泵軸承故障診斷的信息處理能力源于神經(jīng)元的非線(xiàn)性機(jī)理特性和BP算法。
2、液壓齒輪泵軸承故障的特征提取
對(duì)于機(jī)械系統(tǒng)而言，如有故障則一定會(huì)引起系統(tǒng)的附加振動(dòng)。振動(dòng)信號(hào)是動(dòng)態(tài)信號(hào)，它包含的信息豐富，很適合進(jìn)行故障診斷。但是如果附加振動(dòng)信號(hào)由于固有信號(hào)或外界干擾對(duì)故障信號(hào)的干擾很大而淹沒(méi)，那么如何從振動(dòng)信號(hào)中提取有用信號(hào)就顯得十分關(guān)鍵。
根據(jù)摩擦學(xué)理論，當(dāng)軸承流動(dòng)面的內(nèi)環(huán)、外環(huán)滾道及滾柱上出現(xiàn)一處損傷，滾道的表面平滑受到破壞，每當(dāng)滾子滾過(guò)損傷點(diǎn)，都會(huì)產(chǎn)生一次振動(dòng)。假設(shè)軸承零件為剛體，不考慮接觸變形的影響，滾子沿滾道為純滾。
Hilbert變換用于信號(hào)分析中求時(shí)域信號(hào)的包絡(luò)，以達(dá)到對(duì)功率譜進(jìn)行平滑從而突出故障信息。定義信號(hào)：為{zj0}包絡(luò)。倒譜包絡(luò)模型實(shí)質(zhì)是對(duì)從傳感器獲得的信號(hào)進(jìn)行倒頻譜分析，然后對(duì)其倒頻譜信號(hào)進(jìn)行包絡(luò)提取，從而雙重性地突出了故障信息，為信噪比小的故障特征的提取提供了依據(jù)。
更多內(nèi)容：http:///