基于粗糙集和神经网络的柱塞泵故障诊断

《基于粗糙集和神经网络的柱塞泵故障诊断》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、稿件ID号：200905050050457198基于粗糙集和神经网络的柱塞泵故障诊断高兴培（茂名广播电视大学，广东茂名，525000）摘要：针对轴向柱塞泵故障机理的复杂性和故障信息的不确定性，提出了基于粗糙集与神经网络相结合的故障诊断方法，并详细阐述了基于粗糙集与神经网络的轴向柱塞泵故障诊断系统的设计步骤和实现技术。实验结果表明，该方法不仅能优化神经网络的拓扑结构，同时能有效提高轴向柱塞泵故障诊断的精度和效率。关键词：粗糙集；人工神经网络；轴向柱塞泵；故障诊断［中图分类号］TP18［文献标识码］AFaultdiagnosisofaxialplungerpumpbased

2、onroughsettheoryandneuralnetworkGAOXing-pei(MaomingRadioandTVUniversity，Maoming，Guangdong，525000，China)Abstract:Consideringcomplexityofmechanismanduncertaintyofinformationintheaxialplungerpumpfaults,afaultdiagnosismethodbasedonroughsettheoryandneuralnetworkisdiscussed.Thedesignstepsandme

3、thodsofthefaultdiagnosissystemofaxialplungerpumpbasedonroughsettheoryandneuralnetworkarepresented.Thesimulationresultsshowthatthismethodcanoptimizethestructureofartificialneuralnetworkandefficientlyenhancetheprecisionoffaultdiagnosisforaxialplungerpump.Keywords:roughset;artificialneuraln

4、etwork;axialplungerpump;faultdiagnosis1引言液压泵是液压系统中最核心的组成部分之一。在众多液压泵中，柱塞泵结构紧凑、体积小、重量轻，并且具有较高的容积效率和总效率，能在较高的转速和压力下工作，所以在液压系统中应用最为广泛。但由于工作环境比较恶劣，柱塞泵容易发生故障，严重影响企业的正常生产和经济效益。导致柱塞泵故障的因素多种多样，故障机理复杂，探索一种智能的故障诊断方法，实现在不停机、不开盖的情况下对柱塞泵故障作出高效准确的诊断具有重要的意义。人工神经网络(ArtificialNeuralNetwork，ANN)是由大量简单的人工神经

5、元相互联结，模拟人的大脑神经工作方式，进行信息处理和转换的复杂网络系统。神经网络具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力，神经网络的广泛应用极大地推动了故障诊断技术的发展。但神经网络用于故障诊断时，也常常存在着不能判别冗余知识、网络规模较大、训练时间过于漫长等缺陷。粗糙集(RoughSet，RS)理论是一种处理模糊和不确定知识的数学工具，其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出最小的问题决策或分类规则。但粗糙集在容错性、自适应性和实时处理信息的速度等方面的表现往往不如人意。粗糙集理论和神经网络相结合，两者可以互相取长补短，充分发

6、挥各自的优势。基于粗糙集和神经网络的故障诊断方法，可以利用粗糙集理论对神经网络的输入数据进行预处理，消除冗余信息，提取关键成分，以达到减少输入神经元节点，简化网络结构的目的，同时又可以缩短网络训练时间，提高识别精度。本文结合轴向柱塞泵的常见故障信息，探讨基于粗糙集和神经网络的故障诊断系统的设计和实现方法。2基于RS和ANN的柱塞泵故障诊断系统设计和实现2.1构造决策表第1页共4页本文以某钢铁公司PCY14-1DB型恒压变量轴向柱塞泵为研究对象，并且只考虑三种最常见的故障。选择该公司记录的27次典型故障的现场测量数据作为样本集，其中故障症状属性（条件属性）集为C={r1，

7、r2，r3，r4，r5，r6}，r1至r6分别表示压力小、压力波动大、流量小、泄漏大、泵温高、振动大；故障原因属性（决策属性）集为D={d}，d=1表示柱塞与缸筒磨损，d=2表示配流盘与转子磨损，d=3表示滑靴损坏。由于RS只能处理离散属性值，必须对样本数据进行离散化处理。因决策属性本身已为离散值，无需进行量化。各条件属性为连续值，本文综合考虑各故障的参数的范围和液压领域专家提供的经验数据，按表1所示的量化区间对各条件属性值进行离散处理。表1条件属性量化区间分类号r1（Mpa）r2（±Mpa）r3（L/min）r4（L/min）r5（℃）