液压泵轴承故障特征及其诊断方法研究

《液压泵轴承故障特征及其诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、液压泵轴承故障特征及其诊断方法研究：目前对液压泵轴承故障缺少有效的故障诊断方法，而轴承出现的游隙，如果不是液压泵内部三对磨擦副的正常间隙，则导致柱塞泵轴承使用寿命减少。本文探讨了液压泵轴承存在的故障特征，通过对集成BPX络进行故障诊断的原理和神经X络鲁棒性的研究，论述了故障诊断的方法。　　关键词：液压泵轴承故障诊断　　　　轴承的平均使用寿命是10000小时，大于此就需要更换新的；滚柱表面变色或者有划痕，也要更换。更换下来的轴承应注意型号和英文字母，但没有仪器是无法检测出轴承的游隙柱塞泵轴承一般采用大载荷容量

2、轴承，更换时候最好购买原厂家规格的产品，但若换为另一品牌，并且保持载荷容量和轴承的精度等级，需要请教对轴承有经验的人员查表更换。　　一、液压泵轴承故障的特征提取　　在机械系统中，有故障就会引起系统的附加振动。振动信号很适合进行故障诊断，因为它是包含丰富信息的动态信号，但若固有信号或外界干扰对故障信号的干扰很大，那么关键是要从振动信号中提取有用信号。　　(1)振动的平均能量特征　　假定在液压泵泵体上的振动加速信号为：a(t)={a1(t),a2(t),...，an(t)}，它是故障信号以泵体传输后的信号。　　

3、振动信号的有效值由特征参数代表，反映振动的平均能量。根据统计学理论，振动的时域信息可以通过振动的均方根反映：　　　　(2)振动信号的峰值特征　　反映振动信号中周期性脉动的特征量，峰值特征量为Pp=max{a(t)}。　　(3)倒谱包络特征　　设为故障激励信号f(t)，传输通道的脉冲响应为h(t)，由傅里叶变换得：　　，变换得：　　其中，τ称为倒频率，(τ)为倒频谱。　　由上得出故障激励信号特性和传递通道的特性被分离，故障激励信号与传递通道信号一般在不同的倒频区，突出故障振动信号的特性。　　当轴承滚柱及流动面

4、的内、外环滚道上出现损伤，滚道的表面受到破坏，根据摩擦学理论，每当滚子滚过损伤点，都会产生一次振动。选用以上抗干扰能力强的特征为故障诊断特征参数，可以克服轴承故障信号较弱且容易被液压泵固有振动淹没的困难。　　二、集成BPX络进行故障诊断的原理　　求解问题的领域特征决定了神经X络的组织结构，为了减少故障诊断系统的复杂性和X络学习时间，将故障诊断知识集合分解为若干子集合。每个逻辑上独立的子集合再分解为几个规则子集，每个规则子集是一个逻辑上独立的子X络的映射，通过规则子集间的联系、子X络的权系矩阵来组织X络。独立

5、地运用BP学习算法在各个子X络分别进行学习训练。由于分解后的子X络变得规模小了，所以使训练时间大为减少。　　利用集成BPX络对液压泵轴承故障诊断的信息处理能力，即BP算法和神经元的非线性机理特性，如图1所示。　　　　图1BPX络故障诊断示意图　　图2中每一个子X络由BP算法各自学习，学习后的结果最后集成到控制X络。BP子X络的学习算法如下：　　　　图2集成BPX络示意图　　将能量特征、幅值特征和倒谱包络特征每一个特征参数值的映射到神经X络输入输出层的单个节点上，进行正则变换，则：　　xi=0.8(x-xmi

6、n)/(xmax-xmin)0.1　　为了避免Sigmoid函数输出值极端化，比如学习无法收敛的问题，则需要把特征参数正则到(0.1，0.9)之间，得到每个神经元的加权值和阈值：　　　　其中，i代表前一层，j代表当前层，wij代表连接权值，cj代表当前节点的阈值，fj代表输出。而对于轴承故障诊断系统，若选取6个特征参数，即内滚道和滚柱的振动能量、振动峰及倒谱包络，则：　　　　子X络输出层有一个节点，集成BPX络输出有多个节点，可以用集成BPX络的输出节点组合，表示一种状态，从而对多故障诊断与识别。　　三、神

7、经X络鲁棒性的研究　　神经X络的鲁棒性是指神经X络对故障的容错能力。人类的大脑中每一个概念不只保存在一个神经元中，是分散于诸多神经元及其链接中，所以个别神经元的损伤不会破坏到整体性能。人脑再次学习获得知识，就可以使得损伤神经元的信息表达在其他神经元以及链接中。神经X络是对生物神经X络的模拟，其X络特征就是知识的组合，在部分信息不明确或者丢失的情况下，由于神经元联想记忆的特征，组合以往的知识，神经X络通过剩余信息作出诊断，其判断的成功率达到76％～100％，即使近一半参数不确定的情况，集成神经X络仍具有很强的

8、容错能力和鲁棒性。　　液压泵轴承的多故障诊断与识别利用集成BPX络，通过神经X络具有自学习、自组织、联想记忆等多种功能，试验集成X络利用频域和倒频域的振动信号作为特征参数，具有很高的成功率和鲁棒性。