您好, 歡迎來到化工儀器網
產品簡介
詳細介紹
液壓泵的工作環境一般比較惡劣，其工況受環境的影響較大，通常在泵出口檢測到的信號含有很大的噪聲。試驗表明，液壓泵出口檢測到的壓力信號和振動信號體現出以下特點：①信號的頻譜分布很寬、波形雜亂，規律性差；②時變與非平穩性表現明顯。中國臺灣KOMPASS壓力繼電器，KOMPASS葉片泵轉軸間隙補償”設計，可根據設定壓力，自動調整泵的排量內置壓力調整閥，系統無需加裝調壓閥裝配容易，可直結電機組成電機泵組合適用于研磨機、自動車床、工作母機、制鞋機械及其它各種機或單能機等使用
因此，基于這兩種信號的故障特征提取非常困難，有必要對檢測的信號進行消噪處理。
小波分析是目前較有效的信號處理方法，它可以同時在時域和頻域中對信號進行分析，能有效地區分信號中的突變部分和噪聲，實現信號的消噪。
泵出口振動信號及其小波消噪后的信號，選取小波消噪的全局閾值為1.049。很明顯，檢測信號中包含了許多干擾信號，很難簡單地利用檢測到的振動信號進行有效的故障診斷。為了消除干擾影響，經過小波處理，可以有效地消除泵出口振動信號中所包含的噪聲，有利于故障特征的提取。
3、信息融合故障診斷方法
信息融合是將多源信息加以智能合成，產生比單一信息源更精確、容錯性和魯棒性更強的估計和判斷‘2’。由于液壓泵出口檢測到的信息微弱，易于被干擾所淹沒，很難利用單個傳感器的檢測信號進行微弱故障特征的有效診斷。采用的信息融合故障診斷過程，即將振動信號和壓力信號進行小波消噪處理，利用統計分析提取有效特征信息，采用主成分分析(PrinciP81componentanalysis，PCA)有效解耦各故障特征間的相關性，減少故障特征的維數，采用改進算法的BP神經網絡實現液壓泵球頭松動故障診斷。
3.l特征層信息融合
特征層狀態屬性融合就是將對多種類型傳感器數據進行預處理以完成特征提取及數據配準，即通過傳感器信息轉換，把各傳感器輸人數據變換成統一的數據表達形式。
通過特征向量歸一化處理可以實現信息融合數據配準。本文提取振動信號和壓力信號的均值、峰值因子、特征頻率的能量值和功率譜幅值、四次矩等作為球頭松動故障的特征向量。
?
3.2選取主成分
齒輪油泵 CB-FA10 CB-FA18 CB-FA25 CB-FA31.5 CB-FC10 CB-FC16 CB-FC20 CB-FC25
CB-FC32 CB-FC40 CB-FD25 CB-FD10
CB-FD16 CB-FD20 CB-FD25 CB-FD32
CB-FD40 CB-HB50 CB-HB60 CB-HB70
CB-HB80 CB-HB90 CB-HB100
CB-FA10C-FL CB-FA18C-FL CB-FA25C-FL CB-FA32C-FL
CB-FA40C-FL CB-FC10C-FL CB-FC16C-FL CB-FC20C-FL
CB-FC25C-FL CB-FC31.5C-FL CB-FC40C-FL CB-FD10C-FL
高壓齒輪泵CB-Fc10-FL-Y2 CB-Fc16-FL-Y2 CB-Fc20-FL-Y2 CB-Fc25-FL-Y2 CB-Fc31.5-FL-Y2 CB-Fc40 -FL-Y2
高壓齒輪泵CB-Fc10-FL-Y2 CB-Fc16-FL-Y2 CB-Fc20-FL-Y2 CB-Fc25-FL-Y2 CB-Fc31.5-FL-Y2 CB-Fc40 -FL-Y2
高壓齒輪泵CB-Fc10-FL-Y2 CB-Fc16-FL-Y2 CB-Fc20-FL-Y2 CB-Fc25-FL-Y2 CB-Fc31.5-FL-Y2 CB-Fc40 -FL-Y2
齒輪油泵 CB-FA10-FL CB-FA18-FL CB-FA25-FL CB-FA31.5-FL
在新樣本空間上，逐次計算傳感器信息的綜合指數為主成分上的貢獻。令主成分貢獻綜合指數閾值為85%，根據貢獻綜合指數選取前幾個主成分，作為下一步信息融合的信息。
針對液壓泵正常和4種球頭松動故障，各選取100個樣本，由于高度顯著，說明這4組特征向量有十分明顯的差異，故此類故障的不同故障程度是可以診斷的。
選擇BP神經網絡的結構，對液壓泵正常和設置的4種球頭松動故障在訓練誤差精度要求下對網絡進行訓練，通過改進算法的學習和訓練得到BP網絡的優化權值矩陣。在實際使用時，利用BP神經網絡的權值矩陣及其改進算法實現多故障的有效診斷。其中輸出節點1表示液壓泵正常時神經網絡的輸出值，節點2表示間隙為6μm時神經網絡的輸出值，節點3表示間隙為9μm神經網絡的輸出值，節點4表示間隙為12μm時神經網絡的輸出值，節點5表示15μm時神經網絡的輸出值。
利用BP神經網絡及其改進算法可以有效診斷不同間隙大小的球頭松動故障。
4、結論中國臺灣KOMPASS壓力繼電器，KOMPASS葉片泵轉軸間隙補償”設計，可根據設定壓力，自動調整泵的排量內置壓力調整閥，系統無需加裝調壓閥裝配容易，可直結電機組成電機泵組合適用于研磨機、自動車床、工作母機、制鞋機械及其它各種機或單能機等使用
本文通過液壓泵出口的振動信號和壓力信號，通過小波消噪處理有效提取故障特征，利用PCA分析很大程度上減少了信息融合特征向量的維數，通過可診斷性檢驗證明PCA重新組合的特征向量可以實現多故障診斷。在BP算法中引人附加動量項，獲得學習率，通過改進BP算法實現不同間隙大小球頭松動故障的有效診斷。