南通粉末液压机有限公司

专业生产:粉末成型液压机、多层数控液压机、全自动精整液压机、电子陶瓷液压机

0513-85250658
新闻动态

基于神经网络的数控液压机故障诊断

发布时间:2022/7/24
          基于神经网络的数控液压机故障诊断
  江苏大学李捷辉发表的《基于RBF神经网络的数控液压机故障诊断研究》论文给到了如下结论:
  (1)在精密数控液压机故障诊断系统中,RBF神经网络相当于完成一个数学映射,由于被检测的机床控制系统工况较复杂,r(K)残差序列较多,则RBFNN完成的映射关系也较复杂,但是只需选取适当的NN结构,就可以实现任意复杂的非线性映射。RBFNN工作时,信息的存储与处理是同时进行的,经过处理后,信息的隐含特征和规则分布于神经元之间的联接强度上,通常具有一定的冗余性。这样,当不完全信息或含噪声信息输入时,NN就可以根据这些分布式的记忆对输入信息进行处理,恢复全部信息。
  (2)由于神经元之间的高维、高密度的并列计算结构,神经网络具有很强的并行计算能力,完全可以实现对数控液压机故障的实时诊断。但在调试过程中,如何选择合适的RBFNN结构、权值及学习算法以缩短学习时间并提高数控液压机故障诊断的准确性,是一个关键问题。
  (3)RBFNN故障诊断检测方法只适用于故障检测,不能用于故障分离,这是它的缺陷,但是RBFNN方法对数控液压机系统故障敏感,是一种较好的快速故障诊断检测方法,且这种方法适用于多数非线性系统,具有较大的适用范围。
  上海交通大学宋刚和胡德金撰写的《基于匹配滤波模型神经网络在数控液压机故障诊断中的应用》论文中,为了改善双向联想记忆(BAM)神经网络的性能,提出了一种修正模型。该模型能增强神经网络的记忆容量和容错联想能力,具有渐进稳定的特征,并且改进了网络平衡状态的稳定性和吸引性能。理论分析和实验结果证明,这种修正模型不仅能正确完成数控液压机的故障诊断,而且对于存在干扰的输入信号序列具有很好的容错联想能力。
  南京工程学院朱晓春和汪木兰发表的《基于神经网络联想记忆模型的数控液压机故障诊断》论文提出了将一种改进的人工神经网络联想记忆模型应用于计算机数控液压机的故障诊断方法。介绍了基于联想记忆模型的诊断算法,总结出数控液压机的故障模式及故障分析表,然后将该样本向量进行HADAMARD预处理、存储记忆后,可据此模型进行样本和非样本的并行联想回忆,实现诊断功能。最后进行了数字仿真研究,并且还提出利用大规模现场可编程逻辑门阵列器件进行硬件实现的基本思路。
  哈尔滨工程大学张铭钧和徐建安撰写的《基于神经网络的数控线切割加工状态建模技术研究》论文,研制了一种数控线切割机床智能状态监测系统,实现了特征信号的实时采集与处理,基于人工神经网络技术建立了数控线切割加工状态模型,提出了运行状态综合劣化度的概念及其量化方法,实现了数控线切割加工状态在线辨识与运行状态在线监控。实验证明,该系统能够快速采集特征信号并进行去噪声处理,所建立的加工状态模型能够正确地识别加工状态,运行状态劣化度实时客观地评价了数控线切割机床的运行状态,从而有效地避免了机床严重故障的发生。