基于虛擬儀器和BP神經(jīng)網(wǎng)絡液壓系統(tǒng)故障診斷
加入技術交流群
1．2 BP神經(jīng)網(wǎng)絡技術
BP神經(jīng)網(wǎng)絡是采用BP算法進行訓練的網(wǎng)絡，BP算法是應用廣泛的神經(jīng)網(wǎng)絡算法，具有較強的非線性擬合能力，可以用來預測非線性時間序列數(shù)據(jù)的發(fā)展趨勢。該網(wǎng)絡具有1個輸入層、1個輸出層和至少1個隱藏層。增加隱藏層的層數(shù)不一定能提高網(wǎng)絡的精度和表達能力，一般情況下，選用1個隱藏層即可。BP算法是非循環(huán)多級網(wǎng)絡的訓練算法，其學習過程由正向傳播和反向傳播組成。輸入值經(jīng)過非線性變換從輸入層經(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://www.104case.com/article/194618.htm
通過壓力、流量和溫度傳感器等測得的相關數(shù)據(jù)，經(jīng)數(shù)據(jù)融合，進行濾波，剔除噪聲，得到訓練集和測試集。以訓練集為學習樣本，采用BP算法修正神經(jīng)網(wǎng)絡的權值和閥值，直到滿足精度要求為止。若訓練后的神經(jīng)網(wǎng)絡仍不能使用，必須使用附加樣本進行性能驗證。若不能滿足要求，則需要重新訓練網(wǎng)絡，所以神經(jīng)網(wǎng)絡的訓練是一個反復的過程。經(jīng)訓練和測試后的BP神經(jīng)網(wǎng)絡就可以用來對液壓系統(tǒng)將來的工作狀況進行預測，發(fā)現(xiàn)潛在故障，做好預防，減少損失。
2 液壓系統(tǒng)故障診斷原理
液壓元件和液壓系統(tǒng)性能監(jiān)測中，常見的監(jiān)測指標有壓力、溫度、流量、轉速及其他響應類型的參數(shù)。工作中若這些參數(shù)偏離了預定值，則系統(tǒng)有可能出現(xiàn)故障。所以液壓系統(tǒng)產(chǎn)生故障的實質就是這些檢測參數(shù)的異常變化。當液壓系統(tǒng)發(fā)生故障時，必然是系統(tǒng)中某一回路的某些元件有故障，進一步可斷定液壓回路的檢測參數(shù)已經(jīng)偏離了預定值。因此，對系統(tǒng)參數(shù)進行在線檢測十分必要。在液壓系統(tǒng)中需要檢測的主要參數(shù)有壓力和流量，同時還有油溫和液位等。對于壓力、流量和溫度等，可采用動態(tài)的在線檢測，能及時反映出系統(tǒng)的運行狀態(tài)和故障情況。典型的液壓系統(tǒng)故障檢測與診斷原理如圖3所示。
評論