关于小波神经网络液压泵故障类型识别.pdf

2014年 6月 机床与液压 Jun．2014 第42卷 第 11期 MACHINET00L HYDRAULICS Vo1．42No．11 DOI：10．3969／j．issn．1001—3881．2014．11．049 基于小波神经网络的液压泵故障类型识别 董秋武，汪宝生 (广东伊之密精密机械股份有限公司，广东佛山528306) 摘要：根据液压泵发生故障所表现出来的特征 ，采用小波包能量值提取的办法作为故障类型识别的特征量，采用 BP 神经网络对输入的特征量进行识别。实验结果表明：采用小波神经网络对液压泵故障类型的识别可以取得满意的效果。 关键词：液压泵 ；BP神经网络；小波包；特征值 中图分类号：TP391．4 文献标识码：A 文章编号：1001—3881(2014)11—177—4 FaultTypeIdentificationofHydraulicPumpBasedonW avelet-neuralNetwork DONGQiuwu．WANGBaosheng (GuangdongYizumiPrecisionMachineryCo．，Ltd．，FoshanGuangdong528306，China) Abstract：Accordingtofeatureshownduringhydraulicpumpfault，thesamplingmethodofenergyofwaveletpacketwasusedto identifyfeaturevalueoffaulttype．Then，theseinputfeaturevaluewereidentifiedbyusingBPneuralnetwork．Theexperimentalre- suhsdemonstratethatsatisfactoryresultcanbeobtainedbyusingwavelet—neuralnetworktoidentifyfaulttypesofhydraulicpump． Keywords：Hydraulicpump；BP neuralnetwork；Waveletpacket；Featurevalue 液压泵作为液压系统的动力元件，是液压系统的 液压泵测试的过程中会受到各种干扰，很难排除这些 核心元件 ，其性能的好坏直接关系到整个系统的的稳 干扰。再者，液压泵内部配件出现磨损产生的特征很 定性和可靠性。同时液压泵也是整个液压系统中最易 难用精确的数学表达式或其他信息表示出来，这给故 损坏的元件，由于液压泵特别是国外的液压泵，其价 障类型识别带来了一定的难度。由于液压泵内部配 格比较昂贵，所以对于损坏的液压泵一般都要经过维 件 ，如配油盘、活塞、缸体磨损程度的不同，表现出 修后重新使用。然而液压泵故障部位具有隐蔽。液压 其特征频率不一定相同，但其在每个频率段所产生的 泵在长时间的运转过程中，液压泵内部各配件之间因 能量比是不一样的。本文作者根据这一特征提出了小 发生相互摩擦 ，各配件就会产生磨损。对于液压泵的 波神经网络对故障部位进行识别。 磨损有些是属于正常磨损 ，对液压泵的性能不会产生 1 小波包分解 影响，但有些磨损却会影响到液压泵的正常使用，使 小波变换是傅里叶变换的新的发展 ，它既保留了 其内泄较大，压力和流量都达不到要求。对于液压泵 傅里叶变换的优点，又弥补了傅里叶变换在信号分析 的磨损故障仅仅靠维修人员通过 目测诊断故障部位很 上的一些不足，它在时一频域同时具有很好的局部化 容易造成诊断错误，因此智能化故障诊断对液压泵维 特性。由于正交基小波变换只对信号的低频部分做多 修来说是十分必要的。