| 首頁>軸承知識>液壓泵軸承毛病確診網絡法研 |
液壓泵軸承毛病確診網絡法研
來源:海力軸承網 時間:2013-10-04
1、液壓泵軸承毛病的特征提取
關于機械體系而言；如有毛病則必定會導致體系的附加振蕩.振蕩信號是動態信號；它包括的信息豐厚；很合適進行毛病確診.可是若是附加振蕩信號因為固有信號或外界攪擾對毛病信號的攪擾很大而吞沒；那么怎么從振蕩信號中提取有用信號就顯得非常要害.
依據沖突學理論；當軸承活動面的內環、外環滾道及滾柱上呈現一處損傷；滾道的外表滑潤受到破壞；每逢滾子滾過損傷點；都會發作一次振蕩.假定軸承零件為剛體；不思考觸摸變形的影響；滾子沿滾道為純滾.
Hilbert改換用于信號剖析中求時域信號的包絡；以到達對功率譜進行滑潤然后杰出毛病信息.界說信號：為最佳包絡.倒譜包絡模型本質是對從傳感器取得的信號進行倒頻譜剖析；然后對其倒頻譜信號進行包絡提.傭匭緣贗懷雋斯收閑畔晃旁氡刃〉墓收咸卣韉奶崛√峁┝艘讕.
2、集成BP網絡進行毛病確診的原理
神經網絡的安排布局是由求解難題的范疇特征決議的.因為毛病確診體系的復雜性；將神經網絡應用于障確診體系的描繪中；將是大規劃神經網絡的安排和學習難題.為了削減作業的復雜性；削減網絡的學習時刻；本文將毛病確診常識調集分化為幾個邏輯上獨立的子調集；每個子調集再分化為若干規矩子集；然后依據規矩子集來安排網絡.每個規矩子集是一個邏輯上獨立的子網絡的映射；規矩子集間的聯絡；經過子網絡的權系矩陣表明.各個子網絡獨登時運用BP學習算法別離進行學習練習.因為分化后的子網絡比本來的網絡規劃小得多且難題有些化了；然后使練習時刻大為削減.使用集成BP網絡進行液壓泵軸承毛病確診的信息處理才能源于神經元的非線性機理特性和BP算法.
3、神經網絡魯棒性的研討
神經網絡的魯棒性是指神經網絡對毛病的容錯才能.眾所周知；人腦具有容錯特性；大腦中單個神經元的損傷不會使它的整體功用發作嚴峻的降級；這是因為大腦中每一概念并非只保存在一個神經元中；而是分布于許多神經元及其銜接之中.大腦能夠經過再次學習；使因一有些神經元的損傷而淡忘的常識從頭表達在剩下的神經元中.因為神經網絡是對生物神經元網絡的模仿；所以神經網絡的最大特征是具有“聯想回憶”功用；即神經網絡能夠由以往的常識組合；在有些信息丟掉或有些信息不確定的條件下；用剩下的特征信息做出正確的確診.
表2給出了 軸承 6個特征信息中某些輸入特征不正確或不確定情況下正確確診和辨認的成功率.
表1神經網絡魯棒性統計表
輸入特征不確定元素確診成功率
一個特征參數不確定100％
二個特征參數不確定94％
三個特征參數不確定76％
四個特征參數不確定70％
五個特征參數不確定20％
六個特征參數不確定8％
由表1能夠看出；使用集成神經網絡進行毛病確診能夠在丟掉了很多信息的情況下(近一半特征參數不確定)仍能夠作出正確判別的成功率適當高(76％~100％)因此集成神經網絡具有很強才能.
推薦給朋友 評論 關閉窗口
| 軸承相關知識 |
| 變槳軸承微動磨損剖析 軸承的鎖緊方法 軸承的裝置拆開及運用環境 22330cc/W33軸承的一切參數 FAG雙列角觸摸球軸承的布局特色 |
本文鏈接 http://m.gzaocheng.cn/cbzs_1474.html
轉載請注明 軸承網 http://m.gzaocheng.cn
上一篇:發起機滑動軸承的技能剖析（三）
下一編:托輥軸承損壞緣由