液壓AGC伺服閥在線故障智能診斷的研究.pdf

1、本文主要以大型鋼鐵企業(yè)4200mm 寬厚板軋機(jī)液壓AGC（Automatic Gauge Control）系統(tǒng)的電液伺服閥為研究對(duì)象。電液伺服閥不僅是液壓AGC 系統(tǒng)中最容易發(fā)生故障的部位，而且性能好壞直接影響到寬厚板軋機(jī)的性能和可靠性。因此，開(kāi)展電液伺服閥故障智能診斷方面的研究對(duì)保證產(chǎn)品質(zhì)量，降低維修成本，推進(jìn)設(shè)備維修方式的現(xiàn)代化有著重要的意義。
　　 研究了伺服閥失效模式及其機(jī)理，并對(duì)伺服閥內(nèi)部流場(chǎng)進(jìn)行了仿真分析。由Pro/

2、E 軟件對(duì)伺服閥內(nèi)部流體進(jìn)行參數(shù)化建模，將建立的模型導(dǎo)入Fluent中進(jìn)行計(jì)算，仿真驗(yàn)證了伺服閥工作棱邊磨損會(huì)引起空載流量特性的嚴(yán)重非線性。同時(shí)，伺服閥出口壓力變化對(duì)流量影響的仿真結(jié)果為基于伺服閥動(dòng)態(tài)特性的特征提取方法提供了一定的依據(jù)。
　　 基于伺服閥動(dòng)態(tài)特性，提出一種新的特征提取方法，并將一類(lèi)支持向量機(jī)用于電液伺服閥的在線異常檢測(cè)。通過(guò)交叉有效性估計(jì)學(xué)習(xí)方法優(yōu)化了一類(lèi)向量機(jī)的參數(shù)，并與傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果進(jìn)行了對(duì)比。

3、實(shí)驗(yàn)結(jié)果表明，所提出的特征提取方法能夠有效地提取電液伺服閥的動(dòng)態(tài)特征信息，同時(shí)利用一類(lèi)支持向量機(jī)優(yōu)良的泛化能力能夠有效地對(duì)電液伺服閥的異常狀態(tài)進(jìn)行識(shí)別。
　　 針對(duì)傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)泛化能力差的缺點(diǎn)，通過(guò)Bayes 正則化方法提高了BP 神經(jīng)網(wǎng)絡(luò)的泛化能力。對(duì)比了BP 神經(jīng)網(wǎng)絡(luò)與不同的特征提取方法相結(jié)合的診斷效果，實(shí)驗(yàn)表明在采用BP 神經(jīng)網(wǎng)絡(luò)診斷的前提下，基于小波包分解的特征提取方法優(yōu)于基于時(shí)域信號(hào)數(shù)字特征的特征提取方法。