基于虛擬儀器和BP神經(jīng)網(wǎng)絡(luò )液壓系統故障診斷
加入技術(shù)交流群
1．2 BP神經(jīng)網(wǎng)絡(luò )技術(shù)
BP神經(jīng)網(wǎng)絡(luò )是采用BP算法進(jìn)行訓練的網(wǎng)絡(luò )，BP算法是應用廣泛的神經(jīng)網(wǎng)絡(luò )算法，具有較強的非線(xiàn)性擬合能力，可以用來(lái)預測非線(xiàn)性時(shí)間序列數據的發(fā)展趨勢。該網(wǎng)絡(luò )具有1個(gè)輸入層、1個(gè)輸出層和至少1個(gè)隱藏層。增加隱藏層的層數不一定能提高網(wǎng)絡(luò )的精度和表達能力，一般情況下，選用1個(gè)隱藏層即可。BP算法是非循環(huán)多級網(wǎng)絡(luò )的訓練算法，其學(xué)習過(guò)程由正向傳播和反向傳播組成。輸入值經(jīng)過(guò)非線(xiàn)性變換從輸入層經(jīng)隱藏單元逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)將影響到下一層神經(jīng)元狀態(tài)。如果在輸出層不能得到期望的輸出值，則轉入反向傳播，通過(guò)修改各神經(jīng)元權值以及閥值，使誤差信號最小。本文引用地址：http://dyxdggzs.com/article/194618.htm
通過(guò)壓力、流量和溫度傳感器等測得的相關(guān)數據，經(jīng)數據融合，進(jìn)行濾波，剔除噪聲，得到訓練集和測試集。以訓練集為學(xué)習樣本，采用BP算法修正神經(jīng)網(wǎng)絡(luò )的權值和閥值，直到滿(mǎn)足精度要求為止。若訓練后的神經(jīng)網(wǎng)絡(luò )仍不能使用，必須使用附加樣本進(jìn)行性能驗證。若不能滿(mǎn)足要求，則需要重新訓練網(wǎng)絡(luò )，所以神經(jīng)網(wǎng)絡(luò )的訓練是一個(gè)反復的過(guò)程。經(jīng)訓練和測試后的BP神經(jīng)網(wǎng)絡(luò )就可以用來(lái)對液壓系統將來(lái)的工作狀況進(jìn)行預測，發(fā)現潛在故障，做好預防，減少損失。
2 液壓系統故障診斷原理
液壓元件和液壓系統性能監測中，常見(jiàn)的監測指標有壓力、溫度、流量、轉速及其他響應類(lèi)型的參數。工作中若這些參數偏離了預定值，則系統有可能出現故障。所以液壓系統產(chǎn)生故障的實(shí)質(zhì)就是這些檢測參數的異常變化。當液壓系統發(fā)生故障時(shí)，必然是系統中某一回路的某些元件有故障，進(jìn)一步可斷定液壓回路的檢測參數已經(jīng)偏離了預定值。因此，對系統參數進(jìn)行在線(xiàn)檢測十分必要。在液壓系統中需要檢測的主要參數有壓力和流量，同時(shí)還有油溫和液位等。對于壓力、流量和溫度等，可采用動(dòng)態(tài)的在線(xiàn)檢測，能及時(shí)反映出系統的運行狀態(tài)和故障情況。典型的液壓系統故障檢測與診斷原理如圖3所示。
評論