基于信息融合的液压缸故障模式识别方法研究

摘要

液压系统因其结构轻巧、运行平稳、容易实现无极调速、远距离操纵等优势被广泛应用于各工程领域，在众多设备中起着关键的控制、驱动等作用。及时准确地对液压系统实施故障诊断，保证其正常运行，对提高生产效率，降低维护成本以及减少不必要的经济损失有着重要的意义。液压缸作为液压系统的执行元件，如果出现故障将直接影响液压系统甚至整机的正常运作。
　　 本文以液压缸为对象，在对国内外研究现状进行分析的基础上，将信息融合技术应用于液压缸的内泄漏故障诊断，充分利用各个传感器之间包含的冗余和互补信息，提高系统决策的准确性和鲁棒性。本文首先介绍了液压缸内泄漏的失效机理，结合专门设计的液压缸内泄漏故障模拟实验台，介绍了包括其中的硬件选择、数据采集程序的编写等在内的故障信息获取的具体实现过程。在获取所需的故障信息后，提出了基于BP神经网络的信息融合诊断方法，在液压缸内泄漏上进行了验证。通过对融合后的结果分析发现，由于不确定因素的影响，将BP神经网络信息融合应用于液压缸内泄漏故障诊断时存在一定的不足；而D-S证据理论在处理不确定知识方面存在的优势恰好能够弥补这一不足，但还不能实现完全诊断。论文在对以上两种方法有所探索的基础上提出了基于BP神经网络与D-S证据理论相结合的综合诊断方法，并验证了这种方法的有效性，为液压缸故障诊断确诊率的提高提供了一条有效途径。