基于PSO-WNN的液压泵故障诊断-论文.pdf

《基于PSO-WNN的液压泵故障诊断-论文.pdf》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、液压与气动2014年第7期doi：10．11832／j．issn．1000-4858．2014．07．009基于PSO·WNN的液压泵故障诊断钱宝存，赵龙章，何如意，高士翔(南京工业大学自动化与电气工程学院，江苏南京211816)摘要：提出一种多理论融合的新型故障诊断方法并实验验证。选择在函数逼近、学习速率等方面有优势的径向基(RBF)网络，同时采用小波包分解对振动信号降噪并提取频带能量作为RBF的输入。引入粒子群算法(PSO)对RBF神经网络的参数进行优化。结果表明PSO优化的小波RBF神经网络能较为准确地对液压泵故障做出识别与监测。关键词：液压泵；PSO优化；小波包分解；RBF神经网络中

2、图分类号：TH137；TP13文献标志码：B文章编号：1000-4858(2014)07-0034-05HydraulicPumpFaultDiagnosisBasedonPSO—WNNQIANBao—CUf，ZHAOLong-zhang，HERu-yi，GAOShi-xiang(SchoolofAutomationandElectricalEngineering，NanjingUniversityofTechnology，Nanjing，Jiangsu211816)Abstract：Anewfaultdiagnosismethodisproposedthatmultipletheories

3、cooperate．Theradialbasisfunction(RBF)neuralnetworkswhichtakeadvantagesinfunctionapproximationandlearningratearechosen．Inordertoimprovetheabilityofthehydraulicpumpfaultdiagnosis，thewaveletpacketdecompositionisusedtoreducethenoiseofthevibrationsignal，andthebandenergyistakenastheinputofRBF．Theparticle

4、swarmoptimization(PSO)isintroducedtooptimizetheweightsandthethresholdvalueoftheRBFneuralnetwork．ResultsindicatethatoptimizedwaveletRBFneuralnetworkbyPSOcanidentifyandmonitorthefaultofthepumpaccurately．Keywords：hydraulicpump，PSOoptimization，waveletpacketdecomposition，RBFneuralnetwork引言度，可以在整个频段上进行多频

5、带分析。在工程应液压系统已广泛地应用在各行各业。煤矿机械中用上，小波包被看成是空间函数分层正交分割的延展。的采煤机、煤矿液压支架等都使用液压系统，这些设备正交分割由连续的低通滤波与高通滤波构成。小波变的正常运作关系到煤炭的生产进程，而在液压系统中换的发展延伸出了小波包分析，由此提高了信号的通液压泵起着重要动力作用，所以快速准确诊断液压泵频带的频率分辨率，并且小波包能对高频段信号进行故障至关重要。小波变换解决了傅里叶变换无法处理分解，从而获得可靠的信号信息。小波包分解过程使非平稳信号的难题，并且从小波变换中衍生出来的小得信号在全频带内实现了正交分解，使得信号的时频波包分解对信号的分析与重构、消

6、噪和特征提取更加特性更好的表现出来，同时也更好地挖掘出故障的特征信息。小波包分解过程如图1所示。s表示初始信的细致。RBF神经网络学习速率快、逼近能力强、分类效果好，更适用于多故障诊断⋯。PSO算法优化效号，L代表低频分解，H代表高频分解，数字表示信号果好，简单易实现，用其优化RBF神经网络参数、权收稿日期：2013—12—10值。优化后的小波RBF神经网络在液压泵故障诊断基金项目：浙江省重大科技专项优先主题重大项目中取得了很好的诊断效果。(2008C13024—1)1小波包分解与特征提取作者简介：钱宝存(1989一)，男，江苏徐州人，硕士，主要从事小波包是一种正交分解方法，具有高分辨率和精

7、控制理论与控制工程、故障诊断方面的研究。2014年第7期液压与气动35分解层。识别。RBF神经网络具有良好的函数逼近特性和拟合能力，所以选择RBF网络作为故障诊断的学习网络。RBF神经网络是前馈型的反向传播网络，它由输入层，隐层，输出层构成三层网络。RBF网络结构如图2所示。图中隐层为径向基层，包含5个神经元，输出层为线性层，有．s个神经元组成，径向基函数选择高斯函数radbas，用公式(5)表示，RBF网络