基于BP神经网络的某型叉车液压系统故障诊断模型研究
基于神经网络的液压系统故障检测
基于神经网络的液压系统故障检测液压系统在机械运行中发挥着至关重要的作用，然而由于液压系统复杂性，难以做到对系统的100%准确监测。
传统的液压系统故障检测方法多采用物理传感器进行监测，但是这些监测器无法充分捕捉到关键信息，也容易产生精度问题。
与其使用人工的方式进行检测故障，使用基于神经网络的液压系统检测方法不仅具备信息提取能力，同时能在高噪声环境下取得更为准确的效果。
一、神经网络在液压系统故障检测中的应用神经网络是一种类似于人类神经系统的人工智能模型，它通过分层结构来准确地模拟人类大脑的结构和活动，可以通过自学习来获取知识和规律，并能够进行模式识别和分类。
因此，神经网络在故障检测方面具有重要的应用价值。
目前，已经有大量研究将神经网络应用于液压系统的故障检测中，它能够精准地识别故障类型，并分析故障的原因和位置。
利用神经网络，可以将传统的监测数据进行组合和筛选，提高故障检测的准确度。
二、神经网络在液压泵内泄漏故障检测中的应用液压泵内泄漏故障是液压系统常见的故障之一，它会导致系统性能下降和阻力增大。
而神经网络可以在不了解系统工作原理的情况下，准确地诊断液压泵内泄漏故障。
具体来说，首先需要训练神经网络，将不同工况下的液压泵运行数据作为输入，其对应泵内泄漏故障的结果作为输出。
之后就可以将实际监测到的工况数据输入神经网络进行检测，判断当前系统是否存在泵内泄漏的故障。
三、神经网络在液压系统阀开启关闭状态监测中的应用在液压系统中，阀门的开启和关闭状态是影响系统稳定性的重要参数，而且阀门行程与状态具有很强的相似性，难以根据传统监测方式进行监测。
但是，基于神经网络的液压系统检测方法能够从数据中提取复杂的特征，并根据特征来判断阀门是否处于开启或关闭状态。
由于液压泵在稳压工况下产生具有节律性的震荡信号，神经网络可以通过这种信号来判断阀门的状态。
具体来说，通过输入液压泵的震荡信号到多层神经网络中进行训练，提取相关特征，最终可以通过这些特征来准确识别阀门的开启和关闭状态。
基于优化BP神经网络的快速起竖装置液压驱动系统故障诊断
Vol. 45 No. 3Mar. 2021第45卷第3期2021年3月液压与$动Chinese Hydraulics & Pneumatics doi ： 10.11832/j. issn. 1000-4858.2021.03.001基于优化BP神经网络的快速起竖装置液压驱动系统故障诊断邱寒雨1,张春峰2,徐 兵1,苏 琦1,王润林1(1.浙江大学流体动力与机电系统国家重点实验室，浙江杭州310027；2.北京机械设备研究所，北京100854)摘要：快速起竖装置在自卸车等工程机械以及导弹发射车等军事领域均有较为广泛的应用。
液压驱动系统是快速起竖装置的核心，准确诊断其故障具有重要意义。
传统BP 神经网络故障诊断准确率随着故 障类型的增加急剧下降,难以满足工程需求。
以快速起竖装置液压驱动系统为研究对象，提出一种基于BP神经网络和AdaBoost 算法的故障诊断方法，将BP 神经网络与逐步叠加建模算法结合，构造多分类BP-AdaBoost 算法，建立故障诊断模型，搭建故障诊断实验台并设置8种典型工况。
分析实验数据表明，该BP- AdaBoost 算法与传统的BP 神经网络方法相比具有更优的分类性能。
关键词：快速起竖装置；液压系统;故障诊断；BP-AdaBoost 算法中图分类号:TH137；TH322文献标志码：B 文章编号：1000-4858(2021 )03-0001-06Fault Diagnosis of Hydraulic Drive System of Rapid-erection DeviceBased on Optimized BP Neural NetworkQIU Han-yu 1 , ZHANG Chun-feng 2 , XU Bing 1 , SU Qi 1 , WANG RunAm 1(1. Statw Key Laboratory of Fluid Power Transmission and Control , Zhejiang University , Hangzhou , Zhejiang 310027 ；2. Beijing Institute of Machinery and Equipment , Beijing 100854)Abstract : The rapid-erection device is widely used in the engineeyng machinera and militara field , such at dumptruck and missile launching vehicle respectively. The hydraulic drive system is the cco of the quick erectingdevice , so it is of great signieccnce i diaanost its faults accurately. With the increvsy of the number of fult types , the accurace of fault diaanosis of traditional BP neural nettork drops sharply , which is diffeult t 。
模糊神经网络在矿用卡车液压系统故障诊断上的应用
【 摘 要】 本论文主要研究的是液压故 障的智能诊 断方法， 首先 对现有 的智能诊 断方法作 了比较和 分析 ，然后选 用了模糊神 经 网络 作为矿 用卡车液压 系统故 障的诊 断方法 ，并对模糊神 经网络的建立
进 行 了初 步探 讨 。
【 关键 词 】 矿车 ；液压 系统 ；模糊神 经网络
低 ，为提 高生产 效率做准备的 目的。 ２ 常用智能故
在２ Ｏ 世纪８ Ｏ 年代前后人工神经 网络快 速发展 起来， 它是非线性 、 交叉的科 学， 它主要是对生物神经信 息进行模 拟从而处理问题方法 ， 并可以通过计算机系 统得以实现。在故障诊 断领 域，应用较为广泛 和 最具成 效的神经网络算法是基于Ｂ Ｐ 算法 的网络， 即反向传播网络 ， 它模 仿人脑的神经 网络 结构建立网络模型 的多层 感知器 ，其模型首 先是输入层、隐藏层 和输出层 ，它们又包含 较多节点 （ 或称作神经 元亦或计算单元 ），它们所有节点进行连接 ，从而形成 了并行分布 处理网络 （ 见 图１ ）。
１ 引 言
目前 ，液压系统是一个应用广泛 ，且复杂难修 的系 统，原有的 机械 故 障诊断 知识和 技能 已远远 不能适 应液 压系 统飞速 发展 的需 要。 因此， 如何找到一种有效 、 快速 的诊 断方法成为一个 迫切 的需求 。 本文就是 尝试将 人工神经 网络 与模 糊理论技术进行一个有 机结合， 应用于矿 用卡车的液压系统故 障诊 断上 ，它将实现减轻 维修人员的 劳动 强度 ，提高工程人员 的故 障诊 断效率 ，将设备损坏程 度降到最
ｒ
辅 入
晦
晌Ｉ ｊ １ 斌
图 １ 多层 感知 器 结 构 图
通过 对人体神经系 统信 号传输原理的模拟 ，神经 网络内所有的 节 点同人体 内的神经元一样 ，它们 通过连接权值从而 紧密相 连 ，如 果神经 元的输入对神经元 内阈值超 过时候 ，它们就会输 出信号 ，输 出的信 号会同时成为 下个神 经元的输入信号 。由于其模拟 人体神经 系 统，故它们原理很类似 ，都有通过不断地学 习既训 练才能达到其 需要的要求 。节 点的激 活函数、网络的拓扑结构 和网络训练方法决 定了神 经网络的性能 。Ｂ Ｐ 算法达到对网络训练 的 目的是通过对 网络 连接权 值大 小不 断调整 从而使 训练 的网络 输 出的结果 和需要 的相 同，这样 就达到 了训练 网络 的 目的。 ． ２ ． ２模糊 理论 在经典 的集 合论 中， 一个事物要么属 于某 集合， 要么不属 于某集 合， 俩 者必选一 ， 因此 它的归属是确 定的 ， 但 在人 的思想 里， 还存在 些没有 明确 归属的事物，它们具有模糊 性、不确定性 ，表现 出亦 此亦彼 、模棱两可 的现象 ， 这就产 生了模糊概念 。模糊 故障诊 断有 两种基 本方法 ， 一种是基 于模糊关 系及合成 算法 的诊断 方法 ，另一 种方法是基于模糊 知识 处理技术的诊断方法
BP神经网络在液压试验台故障诊断中的应用
Ｎ０ ４ ．
Ｄｃ ｂ ０ ｅ ｍｅ２ ６ ｅ ｒ０
Ｈ Ａ ＹＭ Ｃ ＩＥ Ｅ Ｖ Ａ ＨＮ
《 型机械科技 》 重
亡 ＤＴ Ｃ Ｎ Ｌ Ｇ 一 Ｅ Ｈ Ｏ Ｏ Ｙ
Ｂ Ｐ神 经 网络 在 液 压 试 验 台 故 障诊 断 中的应 用
Ｗｅ Ｚ ａｐｎ ， ｉ ｅ ， ｕＬｊｎ ｉ ｈ ｎｅｇ ＧｕＬｃ ｎ Ｌ ｉ ｈ ｕ
Ａｂｔａ ｔ ｓｒ ｃ ：Ｔｈ ｔｕ ｔ ｒ ｎ ｌｏ ｉｈ ｏ ｈ Ｐ ｅ ｒ ｌ ｅｗｏ ｋｈ ｖ ｅｎ ａ ａｙ ｅ ，ａ ｄ ｔｅＢ ｎ ｕ ａ ｅ— ｅｓｒ ｃｕ ｅａ ｄａｇ ｒｔｍ ｆｔ ｅＢ ｎ ｕ ａ ｔ ｒ ａ ｅｂ ｅ ｎ ｌｚｄ ｎ ｈ Ｐ ｅ ｒ ｌ ｔ ｎ ｎ
ＨＥＡＶＹ ＡＣＨＩ Ｍ ＮＥＲＹ ＣＩ ＮＣＥ ＡＮＤ Ｓ Ｅ ＴＥＣＨＮＯＬＯＧＹ
《 重型机械科技》
Ｎｏ ４ ． Ｄｅ ｅ ｅ ０ ６ ｃ ｍｂ ｒ２ １ ２， … ， ２ ０（ 一 ， … ｑ（ ）
以故障模式 Ｘ＝（ ｚ、 。 ） 、 作为网络输 Ｔ 入， 故障原 因 Ｙ＝（ １ ＇ 、 、 、， ｙ 、 、 、， 一 ） ！ ＇、７ ） ６ 。 １、１ ２ ） 、 。 １ 。作为网络输出， 、 、 建立故障模式 与故 障原因的非线性映射关系 ， 对网络进行训练 。 输入向量 ｚ 、 、 。 分别表 示泵 的不正 常噪 、 声、 系统高频振动、 吸油管堵塞 、 油温高。输 出向
量 １ 、 ３ 、 ５ 、 ７ 、 ９ （ ｙ １、， 、 、 ４ 、６ Ｙ 、 ｙ 、 ］ ｎ、 ２＇３ ２ ８ ｌ、 ） １
ｗｏｋ ｈ ｓｂ ｅ ｓ ｄ ｔ ｉｇ ｏ ｅｔ ｅｆｕ ｔｐ ｔ ｒ ｆｔ ｅｈ ｄ ａ ｌ ｘ ｅｉ ｎ ａ ｅ ｃ ｒ ａ ｅｎ ｕ ｅ Ｏ ｄａ ｎ ｓ ｈ ａ ｌ ａｔ ｎｏ ｈ ｙ ｒｕｉ ｅ ｐ ｒ ｅ ｃ ｍｅ ｔｌｂ ｎ ｈ，ｔ ｅｅ ｙａｎ ｗ ｔｏ ｏ ｈ ｒ ｂ ｅ ｍｅｈ ｄｔ
基于BP神经网络的液压马达故障诊断
Ｆａ ｔ ｄ ａｇ ｕｌ ｉ ｎｏｓ ｓ ｏ ｉ ｎ ｈｙｄｒ ｕｌｃ ｍ ｏｔ ｒ ａ ｉ ｏ ｓ ｂａｓ ｄ ｏ Ｐ ｕｒ ｌｎｅ ｗ ｏ ｋ ｅ ｎ Ｂ ｎｅ ａ ｔ ｒ
提取有用 的故障特征信息。 但这样使得故障诊断的实时性有所降低 ， 且对工程人员的素质有较高要求 ． 因 此如何从 一些 可见 的故 障表征 中提 取 出故 障 的本 质原 因成 为 了人 们迫 切需要解 决 的问题 ． 神 经 网络通过 对典 型故 障样本 的训 练和学 习 ， 分布 在神 经 网络 中的权值 和 阈值来 表 达 所学 习 的故 用 障诊 断知识 ， 具有 对故 障 的联 想 、 忆 、 式 匹配和相 似 归纳 的能力 ， 以实 现故 障征兆 和故 障原 因间 的复 记 模 可 杂 的非 线性 映射 关 系． 因此 ， 避开 了模式 识别 中建模 和特 征提 取 的麻 烦 ， 而消 除 了模 式不 符 和 特征 提 取 从 不 当所带来 的影 响 ， 故 障状态易 于识 别 ． 使 本 文运 用 Ｂ Ｐ神 经 网络 ， 集工程 用液 压 马达 的典 型故 障样 本 ， ＭＡ Ｌ Ｂ编 程训 练 用 于 故 障 诊断 采 将 ＴＡ 的神经网络， 并在液压马达故障诊断中得到有效的应用 ．
（． １军事交通学院 军事物流系 ， 天津 ３ ０ ６ ；２ 军事交通学院 研究生大队 ， ０１１ ． 天津 ３０６ ） ０ １１
摘要 ：以液压系统 中液压马达为研究 对象 ， 出ｌ一种 基于故 障表 征的诊断模 型 ， 提 ｒ 该模 型无需 建立被诊 断对象 的精确数学模 型 ， 只需以显性的故障表 征作 为诊 断模 型的输入 ， 为其建立 Ｂ 并 Ｐ神经 网络模型 ， 用 ＭＡ Ｌ Ｂ给 运 ＴＡ 出该网络的训练过程及结果 ， 并提供应用于液压 马达 的故 障诊 断实例 ． 关键词 ： Ｐ算法 ； Ｂ 神经 网络 ；液压马达 ； 故障诊断 ； Ｔ Ａ ＭＡ Ｌ Ｂ
基于LM—BP神经网络的起重机制动器故障识别系统研究
进的Ｂ Ｐ 神 经 网络进 行液 压盘 式制动 器故 障类 型的识 别 ，
收敛 速度 快 ，识别率 高 ，证 明了其 可行性 。
低 ， 引起 弹簧 刚度 急剧下 降，甚至 使 弹簧 断裂 ，导致 正 压 力 不足 ： 闸瓦磨损 导致 闸瓦间 隙过 大 ，使 得正 压力 不 足 ；因油质 差 或被污 染等 因素使 油路 不畅 或堵塞 ，将 出
基于 Ｌ Ｍ— Ｂ Ｐ 神经网络的 起重机制动器故障识别系统研究 术
何常远 ， 马润梅 丁克勤 １ 北京化工大学 北京 １ ０ ０ ０ ２ ９ ２中国特种设 备检 测研 究院 北京 １ ０ ０ ０ ２ ９
摘 要 ： 研 究了液压盘式制动器的故障种类 ，使用基于 Ｌ Ｍ 算法改进的 Ｂ Ｐ神经 网络作为 系统框 架，利用制动器故 障状态数据进行 网络训练，最后通过训练好 的网络识别待测样本故障原 因，结果与实际情 况相符，表 明使用 Ｌ Ｍ— Ｂ Ｐ 神经 网络进行制动器故障识别快速 、有效。
中图分类号：Ｔ Ｈ ２ １ ３ ． ５
文献标识码 ：Ａ
丈章 编号：１ ０ ０ １ — ０ ７ ８ ５（ ２ ０ １ ７ ）１ ２ — ０ ０ ９ ２ — ０ ３
近 年 来 ，因为神 经 网络 具有较 强 的适应 能 力和 学习
污 染制动 盘 、油 管漏 油污染 制 动盘 、制动 器液 压缸 内活 塞 的密封 圈破 损漏 油污染 制动 盘 。
１ 制动器典型故障与分析
液 压 盘 式制 动 器 是靠 碟 形 弹 簧产 生 制 动 力 ，用 油 压 解 除制动 的制 动器 ，其 主 要故 障模式 有摩 擦 因数 降低
引起 的制动 力矩 不足 导 致失 效和 正压 不足 造成 制动 失
基于BP神经网络的故障诊断研究
基于BP神经网络的故障诊断研究故障诊断是工业生产中的重要环节，能够有效地保障生产设备的运转，减少设备的损坏和停机时间，提高工业生产效率和经济效益。
近年来，随着神经网络技术的发展和应用，基于BP神经网络的故障诊断方法受到了广泛关注和研究。
本文将从问题阐述、方法研究和应用展望三个方面来探讨基于BP神经网络的故障诊断研究。
一、问题阐述故障诊断是指在生产设备日常运作过程中，通过对设备的监测、检测和分析，及时、准确地判断设备状态，发现和分析故障根源，提出改进措施，防止和减少故障的发生和影响。
故障诊断包括多种方法和技术，如信号处理、统计分析、机器学习等。
其中，基于BP神经网络的故障诊断方法备受重视。
BP神经网络是一种基于误差逆传播算法的多层前馈网络，适合于非线性、强耦合、复杂的系统建模和预测。
在故障诊断中，BP神经网络可以通过监测信号的输入和输出，建立故障诊断模型，判断设备的健康状况和故障类型，提高故障诊断的准确性和可靠性。
然而，BP神经网络的应用也存在一些问题和挑战，如训练样本的获取和处理、网络结构的优化和选择等。
因此，基于BP神经网络的故障诊断研究面临着如何建立有效的模型、如何提高诊断准确性、如何提高网络可靠性等问题和挑战。
二、方法研究基于BP神经网络的故障诊断方法主要由三个步骤构成：数据采集与预处理、网络模型建立与训练、故障诊断与分析。
其中，数据采集与预处理是基础，网络模型建立与训练是关键，故障诊断与分析是应用。
下面将对这三个步骤进行详细介绍。
1. 数据采集与预处理数据采集是获取设备监测信号的过程，通常使用传感器和数据采集卡等设备来完成。
收集到的数据包括设备的各种信号，如电流、电压、温度、振动等。
预处理是对所采集到的数据进行滤波、降采样、归一化和特征提取等处理，目的是消除干扰和噪声、降低数据维度、提高特征有效性和区分度。
2. 网络模型建立与训练网络模型建立是指根据所采集到的数据，利用BP神经网络建立故障诊断模型。
基于虚拟仪器和BP神经网络液压系统故障诊断
基于虚拟仪器和BP神经网络液压系统故障诊断摘要针对液压系统故障诊断中存在的检测和分析判断困难、耗时费力且准确度不高等诸多问题，提出了一种基于虚拟仪器和BP 神经网络技术的液压系统远程故障诊断系统的设计。
利用虚拟仪器数据采集、分析和处理能力以及其开放性特点，实现了对液压系统故障的实时远程监测判断。
利用BP 神经网络技术对历史监测数据的分析判断，实现了对液压系统将来工作状态的预测，发现潜在故障，做好预防措施。
该方法具有良好的软件交互界面，操作简单，准确度高。
关键词液压系统；虚拟仪器；BP 神经网络；故障诊断液压系统在工程机械中占有重要的地位，其性能的好坏直接影响和决定整机的性能和品质。
液压传动具有重量轻、体积小、可实现无级变速、易于实现载荷控制和动力传输等优点，因而在工程中得到了广泛应用。
因此保证液压系统正常稳定的工作是保证工程机械正常工作状态的必备条件。
但液压系统的工作介质是流体，它本身存在连续性和静压传递的均布性，且工作在各元件和封闭管路内，故很难判断液压系统故障的因果关系。
一旦出现故障，单凭感官、经验和传统的检测方法来判断，相当困难并且准确率不高，故障的分析和排除比较困难。
文中提出了一种基于虚拟仪器和BP 神经网络技术的液压系统远程故障诊断方法。
虚拟仪器和BP 神经网络技术的引入，能实时远程监测液压系统的工作状态，收集当前液压系统各参数数据，通过数据融合分析判断系统工况，并预测将来的工况走向，发现潜在故障，真正达到预防为主的目的，保证液压系统处于正常稳定工作状态。
1 虚拟仪器和BP 神经网络技术1．1 虚拟仪器技术虚拟仪器(Virtual Instrument，VI)是现代测控技术和计算机技术相结合的产物。
它本质上是一个开放型的结构，由通用计算机、数字信号处理器或其它CPU 来提供信号处理、存储和显示功能，由数据采集板卡、GPIB 或VXI 总线接口板进行。
基于神经网络的农机液压系统故障诊断专家系统
压 系统 的 功 能越 来 越 多 ， 自身 的结 构 也 变得 更 加 复 杂 ，因此 发 生 故 障 的几 率 也 随之 增 多 。 由 于农 机 液
压 系统 经 常 处 于尘 土 弥 漫 的作 业 环 境 中 ， 染 严 重 ； 污
作 业 过 程 中经 常 会 产 生 意 外 的超 负 荷 力 ；停 放 时也
ｈ ｐｓ ｏ ＠１ 、 ｏｍ。 ｘ ｗ ｒｄ ６３ ｃ
一
６ｌ一
维普资讯
２０ 年 １ 月 ０７ １
农 机 化 研 究
第 １ 期 １
程 实 现 。 由 于 系统 采 用 面 向对 象 程 序 设 计 ，提 高 了 软件 的 可靠 性 、 维 护性 和 可重 用 性 ， 有 结 构 化 、 可 具 可 扩 充 、易 移 植 和 易 维 护 的特 点 。 本 系 统 按 模 块 化设 计 ，由人 机 界 面 、知 识 库 、推 理 机 、解 释 模 块
２ 系统 的组 成
用 Ｗ ｎ ｏ ｓ工 作 平 台 、Ｖ ｓ ａ ＋ ６ ０语 言 作 ｉｄ ｗ ｉｕ ｌｃ ＋ ．
为 软 件 开 发 环 境 ， 经 网 络 的 学 习 由 Ｍ ｔ ａ ６ ５ 编 神 ａｌｂ．
作 者 简 介 ：黄 晓 鹏 （１ ７ －）， ，兰 州 人 ，讲 师 ，硕 士 ， （－ ａｉ ） ９５ 男 Ｅｍ ｌ
常 经 历 风 吹 、 日晒 和 雨 淋 ，这 些 都 是 使 农 机 液 压 系
统 产 生 故 障 和 早 期 失 效 的原 因 。 同时 ， 由 于农 机 驾 驶 员 的 理 论 水 平 相 对 较 低 ，不 能 做 到 对 农 机 液 压 系
统 的 正 确 使 用 与 保 养 ， 因此 有 必 要 将 先 进 的故 障 诊
探究BP神经网络在矿山机械液压系统故障诊断中的应用
探究BP神经网络在矿山机械液压系统故障诊断中的应用【摘要】分析BP神经网络在矿山机械液压系统故障诊断中的应用状况，采集系统数据，提取特征向量，并分析应用特点。
为矿山机械液压系统的故障分析提供技术支持。
【关键词】BP神经网络；矿山机械液压系统；故障诊断1 BP神经网络结构神经网络理论中，构建了众多的网络模型，BP神经网络作为具有代表性的模型，在矿山机械产业中得到了广泛的应用。
它的结构主要有三个部分组成，分别为输入节点、隐层节点以及输出接点，如图1所示。
图1 BP神经网络结构描述图2 BP神经网络的工作原理BP神经网络模型的运行过程是：信号从输入节点进入网络模型，向前传播到达隐层节点，在作用函数的作用下，信号改造为输出信号，并传播到输出接点，最后由输出节点输出最终结果[1]。
隐层节点的作用函数满足下面公式：（1+e-x）F（x）=1 （1）根据公式（1），可以得出这样一个结论：任意一个非线性的函数，都能够通过BP网络模型得到逼近数据，因此，BP网络模型为非线性函数映射提供了一个很好的表述方法[2]。
若网络所表达的映射为y=F（x），对于一组样本x1，x2，……xk 及输出y1，y2，……yk，可以认为存在着某一映射G，使得：yi=G（xi）（i=1，2，……，k）（2）如果要求映射F（x）的结果是G的逼近值，那么应该提供一个含有参数的表达方法，并根据表达方法，计算出参数。
在使用神经网络模型之前，一般是通过一组基函数，将F表达为线性组合，利用最小二乘法或者其他数学方法计算出基函数的系数，最终得到G的逼近值，这种方法能够解决一些节点数目比较少的网络，或者G函数比较简单的问题，而无法解决复杂的映射函数，具有很大的局限性[3]。
而神经网络是一种利用非线性函数的反复符合，做到对G函数的无限逼近，从而获得较为精确的逼近值，能够处理复杂的网络，解决复杂的G 函数。
这种网络模型为信息处理提供了便捷的方式，同时可以不受操作人的专业水平的限制，对操作人员的神经元网络原理的认知不做要求。
液压系统故障智能诊断技术研究
液压系统故障智能诊断技术研究摘要：分析了神经网络诊断技术、专家系统诊断技术和小波分析诊断技术等智能故障诊断技术在液压系统故障诊断中的应用现状，指出了智能故障诊断技术今后的研究方向。
关键词：液压系统；智能；故障诊断；神经网络液压系统是结构复杂的机电液综合系统，具有机电液耦合，结构时变性、非线性等特性，液压装置对污染敏感，容易产生各种故障，且故障形式多样，难于检测和判断。
智能诊断技术在知识层次上实现了辨证逻辑与数理逻辑的集成、符号逻辑与数值处理的统一、推理过程与算法过程的统一、知识库与数据库的交互等功能，为构建智能化的液压故障诊断系统提供了坚实的基础。
本文对液压系统的智能故障诊断技术现状进行了分析，并提出了今后的研究方向。
1.基于神经网络的液压系统智能诊断方法1982年美国物理学家J. J. Hopfield提出了HNN神经网络模型，使神经网络的研究有了突破性进展。
在液压系统的故障诊断中，广泛应用的是多层前向神经网络及反向传播算法。
基于神经网络系统的诊断基本原则是：把领域专家的经验输入网络，通过对故障实例和诊断经验的训练学习，依据一定的训练算法，使网络的实际输出在某种数学意义下是理想输出的最佳接近，对应于特定的输入征兆，产生一故障输出模式，可以模仿人类专家的直觉、联想、记忆等能力，能较好地解决知识不完全性或不确定情况下的故障诊断问题。
文献[1]以轴向柱塞泵外壳的振动加速度信号为依据，采用3层神经网络，运用BP训练算法（通过误差反向传播修正权重，使网络的实际输出与期望输出之差的平方和达到极小），用C语言在微机上建立了泵的故障信号采集、预处理及神经网络的故障诊断框架。
经实际检验，证明了神经网络诊断法的有效性。
基于神经网络的诊断法是利用神经网络具有非线性和自学习以及并行计算能力，使其在液压系统故障诊断方而具有很大的优势。
其具体应用方式有：从模式识别角度应用神经网络作为分类器进行液压系统故障诊断；从故障预测角度应用神经网络作为动态模型进行液压系统故障预测；从检测故障的角度应用神经网络得到残差进行液压系统故障检测。
基于BP神经网络的某型装备故障诊断专家系统
基于BP神经网络的某型装备故障诊断专家系统公丕平;杨小强;崔中清;潘轶【摘要】为提高现代工程装备在复杂现场环境下的维修保障能力,提出了基于神经网络的专家系统故障诊断方法.进行了该装备各个组成系统的故障模式与故障元件分析,研究了专家系统知识库的建立步骤并完成了故障诊断专家系统的知识库构建,并设计了基于神经网络推理技术的专家系统正向推理机制.研究成果在工程兵部队进行了应用,有效地提高了部队的装备故障维护与保障能力.%In order to improve the maintenance and supporting capability of modem engineering equipment under complicated field circumstance, the fault diagnosis expert system based on neural network is proposed in this work. The construction step of the experts' system database is addressed. Meanwhile, the database of the expert system is built. The forward reasoning mechanism on the basis of neural network is accomplished too. The work is applied in engineering corps and subsequently improves the fault maintenance and support capability of the military troops.【期刊名称】《机械制造与自动化》【年(卷),期】2012(041)005【总页数】3页(P125-126,141)【关键词】专家系统;BP神经网络;推理机;故障诊断【作者】公丕平;杨小强;崔中清;潘轶【作者单位】解放军理工大学,江苏南京210007;解放军理工大学,江苏南京210007;解放军理工大学,江苏南京210007;94968部队,江苏南京211100【正文语种】中文【中图分类】TH165+.3现有的智能诊断系统都基于计算机系统或计算机网络，而某型工程装备实际作业在野外进行，上述条件很难具备，这将导致现有诊断技术不能实际应用到其故障诊断中。
BP神经网络在液压挖掘机
网络训练
net=newff(minmax(P),[10 3],{'logsig','logsig'},'traingdx'); %建立BP神经网络，10个隐层神经元，3个输出神经元
%'logsig'隐层采用Sigmoid传输函数(即S型对数函数)
%'logsig'输出层采用Sigmoid传输函数 %'traingdx'自适应调整学习速率附加动量因子梯度下降反向传播 算法训练函数 net.trainparam.goal=0.001;%训练要求精度0.001 net.trainparam.epochs=5000;%最大训练次数5000
x3=[0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.9 0.9 0.8 0.4 0.5];
x4=[0.5 0.5 0.5 0.5 0.9 0.5 0.7 0.9 0.9 0.9 0.8 0.4 0.9]; x5=[0.5 0.5 0.5 0.9 0.8 0.8 0.5 0.5 0.5 0.9 0.8 0.4 0.9];
net.trainparam.show=20;%每间隔200步显示一次训练结果
net=train(net,P,T);%调用traingdx算法训练 BP 网络
网络仿真（预测）
z1=[0.4 0.5 0.4]; z2=[0.8 0.9 0.4]; z3=[0.8 0.5 0.4]; z4=[0.8 0.5 0.8]; z5=[0.4 0.5 0.8]; Z=[z1;z2;z3;z4;z5]; A=sim(net,Z)% 对 BP 网络进行仿真 运行后得：
基于人工智能的机械液压系统故障诊断方法研究
基于人工智能的机械液压系统故障诊断方法研究摘要本文针对机械液压系统故障的特点,分析了现有故障诊断方法,重点探讨人工智能技术及其在机械液压系统故障诊断方面的应用和实践关键词液压系统;故障诊断;智能诊断技术0 引言现代工程机械液压系统向着高性能、高精度和复杂的方向发展,液压系统的可靠性成了一个十分突出的问题,除对液压系统进行可靠性设计外,液压系统故障检测和诊断技术越来越受到重视,成为液压技术发展的一个重要方向。
1 机械液压系统故障诊断方法故障诊断是对液压元件与系统产生故障的原因做出分析与判断,以便找出解决问题的方法。
目前,液压传动系统中的故障诊断主要有:1)基于人的主观诊断法基于人的主观诊断法主要是依靠简单的诊断仪器,凭借领域专家的实践经验,判断故障的部位和原因,并提出相应的排除方法。
这种方法又被称为简易诊断方法,它是设备维修部门普遍采用的方法,可以通过看、听、摸、闻、阅、问等方式,简单定性地判断液压系统工作的实际状况是否出现异常。
基于人的主观诊断法主要包括系统分析法、参数测量法、方框图分析法、鱼刺图分析法等。
基于人的主观诊断法只能对简单液压设备故障进行定性判断与决策,对于复杂液压设备,仅仅依靠个别专家的经验和知识是无法对故障进行准确定位与判断的。
2)基于数学模型与信息处理的诊断法这种诊断方法是用一定的数学手段描述系统某些可测量特征量在幅值、相位、频率及相关性上与故障源之间的联系,然后通过测量、分析、处理这些信号来判断故障源所在。
基于数学模型与信息处理的故障诊断方法通常有状态估计方法、参数估计方法、频谱分析法、小波分析法等。
基于数学模型与信息处理的故障诊断方法需要提取系统特征参数或对系统建模,而液压系统由于元件工作在封闭油路中,影响液压系统特性的因素多种多样且相互影响,不易得到能准确反映故障的特征参数。
液压系统一般都是由机、电、液耦合而成,存在着非线性时变环节,对系统建模也显得相当困难。
所以此故障诊断法在液压系统故障诊断应用中受到了一定的限制,有待于进一步改进。
基于BP神经网络液压制动故障诊断研究
基于BP神经网络液压制动故障诊断研究
刘海亮;熊静琪
【期刊名称】《微计算机信息》
【年(卷),期】2007(000)02S
【摘要】本文应用BP神经网络对某进行液压制动系统智能诊断,不仅可以系统的故障进行正确的诊断,而且由于神经网络自学习功能,对于新出现的故障也能够进行预测性的诊断。
【总页数】3页(P186-187,219)
【作者】刘海亮;熊静琪
【作者单位】电子科技大学,辽宁610054
【正文语种】中文
【中图分类】TP206.3
【相关文献】
1.基于BP神经网络液压制动故障诊断研究 [J], 刘海亮;熊静琪
2.基于自适应权重粒子群优化BP神经网络的光伏阵列故障诊断方法研究 [J], 何根新;周俊杰;周家兴;门艳娇;肖建伟
3.基于改进BP神经网络的变压器故障诊断方法研究 [J], 魏立明;徐硕
4.基于双隐含层RWPSO-BP神经网络的齿轮箱故障诊断研究 [J], 谢锋云;董建坤;王二化;符羽;闫少石
5.基于BP神经网络的核探测器故障诊断方法研究 [J], 谢宇希;颜拥军;李翔;丁天松;马川
因版权原因，仅展示原文概要，查看原文内容请购买。
液压系统故障诊断技术的研究现状与发展趋势研究
液压系统故障诊断技术的研究现状与发展趋势研究液压系统是一种广泛应用于工程领域中的能源传动装置，但其在使用过程中常常会出现故障，给设备正常运行带来一定的风险。
液压系统故障诊断技术的研究对于提高液压系统的可靠性和安全性具有重要意义。
本文将对液压系统故障诊断技术的研究现状和发展趋势进行探讨。
传统的故障检测方法主要是通过观察和分析设备的工作状态来判断是否存在故障。
这种方法适用于一些明显的故障情况，但对于一些隐蔽的故障难以有效诊断。
基于模型的故障诊断方法通过建立液压系统的数学模型来模拟系统的工作状态，并通过与实际工作状态的对比来检测和诊断故障。
这种方法具有很高的诊断准确性，但需要事先建立模型，成本较高。
基于信号处理的故障诊断方法通过采集系统的工作信号，如压力、流量和温度等，然后对信号进行处理和分析，从而判断系统是否存在故障。
这种方法具有实时性好、成本低等优点，被广泛应用于液压系统故障诊断中。
近年来，随着人工智能和机器学习技术的快速发展，液压系统故障诊断技术也得到了进一步的研究和应用。
基于神经网络的故障诊断方法可以通过训练神经网络模型来实现对液压系统故障的自动识别和诊断。
这种方法不仅提高了诊断的准确性，还能够实现故障的实时监测和预测。
液压系统故障诊断技术的研究现状已经取得了一定的进展，但仍存在一些挑战和亟待解决的问题。
未来的发展趋势主要包括以下几个方面：进一步提高诊断技术的准确性和可靠性。
当前的诊断技术虽然取得了一定的成功，但在复杂的工程环境中仍面临许多挑战。
需要进一步研究和发展更为精确和可靠的液压系统故障诊断技术。
研究多个故障同时发生的情况。
实际工程应用中，液压系统常常会出现多个故障同时发生的情况，这对于诊断技术提出了更高的要求。
需要开展相关的研究，探讨多故障情况下的诊断方法和策略。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｓ ｔ ｈ ｅ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｏ ｆ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｆ ｏ ｒ ｔ ｈ ｅ ｈ ｙ ｄ ｒ ａ ｕ ｌ ｉ ｃ ｓ ｙ ｓ ｔ ｅ ｍ ａ ｎ ｄ ｉ ｔ ｓ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｓ ｉ ｔ ｕ ａ ｔ ｉ ｏ ｎ ｓ ， ａ ｎ ｄ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｓ ｔ ｈ ｅ ｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅ ，ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｍｅ ｔ ｈ ｏ ｄ，ａ ｎ ｄ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｌ ｆ ｏ ｗ ｏ ｆ Ｂ Ｐ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ ．Ｔ ｈ ｅ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｍｏ ｄ ｅ ｌ ｆ ｏ ｒ ｃ ｅ ｒ ｔ ａ ｉ ｎ ｆ ｏ ｒ ｋ ｌ ｉ ｆ ｔ ｉ ｓ ｂ ｕ ｉ ｌ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｉ ｓ ．Ｔ ｈ ｅ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｌ ｉ ｂ ｒ ａ ｒ ｙ ｏ ｆ ｔ ｈ ｅ ｆ ｏ ｒ ｋ ｌ ｉ ｔ ｆ ｈ ｙ ｄ ｒ ａ ｕ ｌ ｉ ｃ ｓ ｙ ｓ ｔ ｅ ｍ ｃ ａ ｎ ｂ ｅ ｃ ｏ ｎ ｖ ｅ ｒ ｔ ｅ ｄ ｔ ｏ ｔ ｈ ｅ ｓ ａ ｍ－ ｐ ｉ ｅ ｄ ａ ｔ ａ ａ ｖ ａ ｉ ｌ ａ ｂ ｌ ｅ ｏｒ ｆ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｍｏ ｄ ｅ ｌ ，ｗｉ ｔ ｈ ｔ ｈ ｅ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｔ ｅ ｓ ｔ ｂ ｙ Ｍａ ｔ ｌ ａ ｂ．Ｉ ｔ ’ Ｓ ｖ ｅ ｒ ｉ ｉ ｆ ｅ ｄ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｃ ｏ ｎ ｖ ｅ ｒ ｇ ｅ ｎ ｃ ｅ ｐ ｅ ｒ ｆ ｏ ｒ ｍ—
重要 环 节 。
式 中 ：Ｘ＝（ １ ， ２ ， ３ ， ４ … ） ，为 非 空 的
所有 故 障征兆 的集合 ；Ｙ＝（ Ｙ ，Ｙ ： ，Ｙ ， ，Ｙ …Ｙ ） ， 为非 空 的所 有 故 障类 型 的集合 ；Ｅ Ｘ×Ｙ ，为定 义 在 Ｘ×Ｙ上 的关 系子集 ，即故 障征 兆与 故 障类 型之
间 因果对应 关 系 的 相 关 知 识 ；Ｘ ∈Ｘ，表 示 目前
叉 车液 压 系统 是 一 个 高 度 非 线 性 系 统 。各 回
路 之 间相 互 干 涉 ，各 主要 组 成 元 件 的失 效 形 式 复 杂 多样 ，故 障特 征 信 息 提 取 困难 且 故 障 征 兆 与 故 障 原 因之 间 存 在 着 复 杂 的非 线性 映 射 关 系 。 这 些 都使 得 常规 的 信 号 处 理 和 故 障诊 断方 法 难 以 取 得 较好 的成 效 。 而神 经 网 络 技 术 具 有 大 规 模 的 信 息 并行 处 理 能 力 ，特 别 适 用 于 复 杂 、多 因素 和 不 精 确诊 断 问题 的处 理 。本 文 利 用 神 经 网络 原 理 ，在 对叉 车 液压 系统 常见 故 障进 行分 析 归 类 的基 础上 ， 建立 了一 种 高 效 准 确 的诊 断模 型 ，为 未 来 构 建 液
明，并 由此建立 了某型叉车 的故 障诊 断模 型。将 该型叉 车液压 系统 的经 验故 障诊 断特 征库转化 为可 以被神经 网 络模 型利用 的样本 数据 ，并 利用 Ｍａ ｔ ｌ ａ ｂ软件进行 了仿 真实验 ，验证其 收敛性能达到相关要求。 关键词 ：Ｂ Ｐ神经 网络 ；叉车 ；液压系统 ；故障诊断
叉 车 是 装 卸 搬 运 领 域 常 见 装 备 之 一 ，主要 用
以将 这个 过程 用如 下数 学形式 来表 示
Ｄ Ｐ＝（ ， ， ， ， Ｅ， Ｘ ）
于进行取货 、上架 、堆垛等 作业。液压 传动 系统 由于功率 大、响应快 、精度 高等优点 ，在叉 车和
其他 装 运 机 械 上 得 到 了广 泛 应 用 。及 时 诊 断 与 排 除 液压 系 统 故 障 ，是 保 证 叉 车 作 业 安 全 与 高效 的
基于 Ｂ Ｐ神 经 网络 的某 型 叉车 液 压 系 统 故 障诊 断模 型 研 究
朱 学院研 究 生大 队
天津
３ ０ ０ １ ６ １ ２ ６ ９ ３ ２ ５部 队
喀什
８ ４ ４ ９ ０ ０
摘
要 ：阐述 了液压 系统故障诊 断 的特点 和现状 ，对 Ｂ Ｐ神 经网络 的结 构 、训练 方法 和算法 流程进 行 了说
ａ ｎ ｃ ｅ ｉ ｓ ｕｐ ｔ ｏ ｒ ｅ ｌ ａ ｔ ｅ ｄ ｒ ｅ ｑｕ ｉ ｒ ｅ ｍｅ ｎ ｔ ｓ ．
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ：ＢＰ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ ；ｆ ｏ ｒ ｋ ｌ ｉ ｔ；ｈ ｆ ｙ ｄ ｒ ａ ｕ ｌ ｉ ｃ ｓ ｙ ｓ ｔ ｅ ｍ ；ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ
压 系统 故 障诊断 专家 系统 奠定 了理论 基 础 。
已观 测到 的特 定故 障征 兆 。 在传 统 的诊断模 型 中 ，Ｅ可 以是 故 障引起 的相 应征 兆 的概率 ，也 可 以是定 义 在 Ｘ Ｘ Ｙ上 的 因果 二 元有 序模 糊 关 系 的 隶 属 函数 。在 神 经 网 络 诊 断 模