基于小波神经网络的液压泵故障诊断研究

摘要

液压系统以其小体积、轻重量、大功率密度、工作平稳并且便于实现自动工作循环和自动过载保护等优点，广泛的应用于各个技术领域的执行系统。液压泵是液压系统的最重要的部分，对于液压泵的状态监测和故障诊断问题就成为保证液压系统正常工作的关键。
　　 本文将小波神经网络应用到了液压泵故障诊断研究中。通过实验结果证明，小波神经网络应用在故障诊断领域中，有利于提高故障诊断的确诊率，具有良好的发展前景。论文的主要内容包括：
　　 1、详细介绍了液压系统的基本结构以及齿轮泵的常见故障，简单介绍了几种液压设备故障检测仪器并选用了适合本实验的相关仪器。
　　 2、介绍了小波分析。把小波分析引入到了液压泵状态信号的处理中。通过对采样信号进行多分辨率分解、小波包信号重构，有效去除了液压泵状态信号中混杂的高频噪声，提取了故障信号频带内的信号成分。
　　 3、对标准BP网络进行了改进，详细地探讨了改进后的三层PCA-LMBP神经网络诊断模型的建立，并针对不同的算法进行比较分析。详细地描述了小波神经网络的结构。仿真结果说明，改进后的小波PCA-LMBP神经网络比标准的BP网络在收敛速度和精度方面有明显改善。
　　 4、利用VC++开发平台及ACCESS数据库软件，设计了基于小波PCA-LMBP神经网络故障诊断系统，提供了良好的人机交互界面，实现了故障诊断的功能。
　　 5、以齿轮泵为主要研究对象，进行了实验分析。实验证明采用小波PCA-LMBP神经网络方法取得了良好的诊断效果，并且验证了改进的小波PCA-LMBP神经网络在液压泵故障诊断中的可行性和有效性。

目录

文摘

英文文摘

声明

第一章 绪论

1.1课题研究背景

1.1.1液压系统故障诊断的意义

1.1.2液压系统故障诊断技术的研究现状

1.1.3液压系统故障诊断的发展趋势

1.2小波理论和神经网络的发展与现状

1.2.1小波理论和神经网络的发展与现状

1.2.2小波与神经网络的结合

1.3液压泵的常见故障和诊断方法

1.3.1液压系统的整体结构

1.3.2齿轮泵常见故障及诊断方法

1.4本课题的主要内容

第二章 小波分析在液压泵故障诊断中的应用

2.1小波变换简介

2.2多分辨率分析和小波包分析

2.3多分辨率分析对液压泵信号消噪

2.4小波包对液压泵信号故障特征向量提取

2.5小波分析处理液压泵信号仿真应用实例

2.6小结

第三章 BP神经网络改进及其在故障诊断中的应用

3.1神经元模型和特征

3.2 BP神经网络及其不足

3.3 BP神经网络的改进

3.3.1 Levenberg—MarquardtBP

3.3.2对信号的正规化处理

3.4建立针对液压泵的故障诊断模型

3.5小波神经网络

3.6小波PCA-LMBP神经网络和标准的神经网络仿真对比分析

3.6.1不同神经网络对比分析

3.6.2小波PCA-LMBP神经网络仿真

3.7小结

第四章 基于小波PCA-LMBP神经网络故障诊断系统设计

4.1软件概述

4.2软件系统总体设计

4.3在VC++中调用MATLAB

4.3.1混合编程的优越性及方法

4.3.2混合编程设计及初步实现

4.4故障诊断系统的实现

4.4.1用户管理和故障知识库管理

4.4.2神经网络模块

4.5 小结

第五章 实验及结果分析

5.1实验方案设计

5.1.1实验系统组成

5.1.2实验原理

5.1.3采集方案

5.2实验结果分析

5.2.1信号预处理

5.2.2结果分析

5.3小结

第六章 研究结论及展望

6.1研究结论

6.2研究展望

参考文献

附录

致谢

攻读学位期间发表论文情况