液压与气动
液壓與氣動
액압여기동
CHINESE HYDRAULICS & PNEUMATICS
2014年
6期
34-38
,共5页
赵秀栩%周传丽%胡喆旻%赵磊%张清润%姜继海
趙秀栩%週傳麗%鬍喆旻%趙磊%張清潤%薑繼海
조수허%주전려%호철민%조뢰%장청윤%강계해
液压系统%多故障模式%故障模拟试验%少样本%支持向量机
液壓繫統%多故障模式%故障模擬試驗%少樣本%支持嚮量機
액압계통%다고장모식%고장모의시험%소양본%지지향량궤
hydraulic%system%multicomponent%failure%mode%fault%simulation%experiment%small%samples%support%vector%machine
由于液压系统结构复杂程度的增加,以及实际使用工况的恶化,所以增加了多种故障模式同时发生的可能性.但是,工程实际中可用的故障样本数量却非常有限,如何通过有限的数据进行多故障模式的准确识别成为一个亟待解决的问题.为此,首先研究了液压系统中液压缸、换向阀以及液压泵等元件的泄漏故障机理,进行了多元件泄漏故障模拟试验;然后对故障样本数据进行故障特征提取,采用粗糙集理论进行故障特征的约简;最后,在少样本的条件下,分别采用SVM和RBF神经网络进行液压系多故障模式的识别,并对分析结果进行了对比.结果表明通过建立多分类支持向量机在少样本情况下进行多故障模式识别方法的有效性.
由于液壓繫統結構複雜程度的增加,以及實際使用工況的噁化,所以增加瞭多種故障模式同時髮生的可能性.但是,工程實際中可用的故障樣本數量卻非常有限,如何通過有限的數據進行多故障模式的準確識彆成為一箇亟待解決的問題.為此,首先研究瞭液壓繫統中液壓缸、換嚮閥以及液壓泵等元件的洩漏故障機理,進行瞭多元件洩漏故障模擬試驗;然後對故障樣本數據進行故障特徵提取,採用粗糙集理論進行故障特徵的約簡;最後,在少樣本的條件下,分彆採用SVM和RBF神經網絡進行液壓繫多故障模式的識彆,併對分析結果進行瞭對比.結果錶明通過建立多分類支持嚮量機在少樣本情況下進行多故障模式識彆方法的有效性.
유우액압계통결구복잡정도적증가,이급실제사용공황적악화,소이증가료다충고장모식동시발생적가능성.단시,공정실제중가용적고장양본수량각비상유한,여하통과유한적수거진행다고장모식적준학식별성위일개극대해결적문제.위차,수선연구료액압계통중액압항、환향벌이급액압빙등원건적설루고장궤리,진행료다원건설루고장모의시험;연후대고장양본수거진행고장특정제취,채용조조집이론진행고장특정적약간;최후,재소양본적조건하,분별채용SVM화RBF신경망락진행액압계다고장모식적식별,병대분석결과진행료대비.결과표명통과건립다분류지지향량궤재소양본정황하진행다고장모식식별방법적유효성.