本書以近年來智能故障診斷的技術(shù)為例,對(duì)每種智能故障診斷方法進(jìn)行分析與驗(yàn)證,設(shè)計(jì)了液壓機(jī)故障檢測(cè)的硬件與軟件,以及信號(hào)處理的基本算法,列舉典型液壓機(jī)的工作原理,并通過支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)、專家系統(tǒng)、隱馬爾科夫HMM、傅里葉描述子、SDPCA、ES-MLSTM 等及其改進(jìn)算法的集成,對(duì)液壓機(jī)的故障分類精度進(jìn)行測(cè)試,并設(shè)計(jì)了基于PCA的液壓機(jī)性能評(píng)估算法。本書內(nèi)容簡(jiǎn)練,具有很強(qiáng)的應(yīng)用性和適用性,許多內(nèi)容是經(jīng)過實(shí)踐驗(yàn)證的,具有很好的借鑒價(jià)值。在理論研究上也進(jìn)行了創(chuàng)新,解決了部分理論應(yīng)用中存在的瓶頸,并成功應(yīng)用到實(shí)踐中。
本書可以作為自動(dòng)化類或機(jī)械制造與自動(dòng)化等相關(guān)專業(yè)本科或研究生的參考用書,也可供從事液壓機(jī)開發(fā)的研究人員和從事液壓維保工程師參考使用。
《液壓機(jī)智能故障診斷方法集成技術(shù)》對(duì)每種智能故障診斷方法進(jìn)行了分析與驗(yàn)證,并設(shè)計(jì)了液壓機(jī)故障檢測(cè)的硬件與軟件。具有較強(qiáng)的理論性和應(yīng)用性,對(duì)于學(xué)生、從業(yè)人員學(xué)習(xí)具有很大幫助。
液壓機(jī)是各行各業(yè)生產(chǎn)設(shè)備中的關(guān)鍵裝置,其工作性能的好壞對(duì)企業(yè)經(jīng)濟(jì)效益有重要的影響,液壓機(jī)故障診斷難度大,近年來智能化診斷方法得到廣泛的應(yīng)用。針對(duì)液壓機(jī)結(jié)構(gòu)復(fù)雜,故障診斷難度大的特點(diǎn),采用智能化診斷技術(shù)可以大大減少故障的診斷時(shí)間。利用各種信息對(duì)故障進(jìn)行預(yù)測(cè)是故障診斷的發(fā)展方向,可以預(yù)防事故的發(fā)生,還可以降低維修成本,產(chǎn)生社會(huì)效益。隨著現(xiàn)代工業(yè)的發(fā)展,液壓機(jī)逐步向大型化、智能化、高速化和高精度化發(fā)展,其功能和結(jié)構(gòu)也發(fā)生了較大的變化,進(jìn)而故障診斷的難度也大大增加,所以采用先進(jìn)的診斷方法是非常有必要的。本書從智能化故障診斷角度出發(fā),分析液壓機(jī)常見的故障診斷模型,并對(duì)這些模型的優(yōu)點(diǎn)與不足進(jìn)行分析,對(duì)不同的模型進(jìn)行有效驗(yàn)證,給工程技術(shù)人員提供參考依據(jù)。本書具有以下幾個(gè)特點(diǎn)。
(1)理論與實(shí)踐結(jié)合,系統(tǒng)性強(qiáng)。本書采用了多種故障診斷方法,如支持向量機(jī)、BP 神經(jīng)網(wǎng)絡(luò)、RBF 網(wǎng)絡(luò)、專家系統(tǒng)、隱馬爾科夫HMM、傅里葉描述子、SDPCA、ES-MLSTM 等及其改進(jìn)算法的集成,同時(shí)針對(duì)每一種方法在實(shí)踐應(yīng)用中的缺點(diǎn),進(jìn)行了改進(jìn)和提升。
(2)實(shí)用性強(qiáng)。書中介紹每一種故障診斷方法,并對(duì)其算法進(jìn)行講解,程序代碼經(jīng)過調(diào)試,能完整地運(yùn)行,便于讀者能更好地學(xué)習(xí)和實(shí)踐。同時(shí)書中也對(duì)調(diào)試的技巧進(jìn)行了詳細(xì)的講解,便于讀者在實(shí)踐中應(yīng)用。
(3)靈活性與獨(dú)創(chuàng)性相結(jié)合。書中對(duì)程序代碼進(jìn)行詳細(xì)講解,有利于技術(shù)人員更加深入理解算法。
本書共分5章,主要內(nèi)容如下。
第1章為液壓機(jī)故障分析方法,主要介紹了液壓機(jī)的結(jié)構(gòu)、應(yīng)用和故障診斷方法。第2章為典型液壓機(jī)液壓回路分析,主要介紹了幾種典型的液壓機(jī)原理圖、常見故障及其處理、故障診斷方法等。第3章為液壓機(jī)數(shù)據(jù)采集及數(shù)據(jù)處理,主要介紹了數(shù)據(jù)采集系統(tǒng)的拓?fù)浣Y(jié)構(gòu)、硬件設(shè)計(jì)與軟件設(shè)計(jì),最后介紹了數(shù)據(jù)處理常用的算法。第4章為液壓機(jī)故障智能診斷技術(shù),主要介紹了常見的智能算法對(duì)液壓數(shù)據(jù)的處理效果,并根據(jù)這些可以有針對(duì)性地選擇智能算法。第5章為液壓機(jī)故障診斷集成方法,主要介紹了幾種智能算法的集成方法、性能評(píng)估方法等。
本書編寫得到吉林大學(xué)張銳博士的支持,在此表示感謝。本書編寫過程中,參考或引用了參考文獻(xiàn)中所列論著的有關(guān)內(nèi)容,在此謹(jǐn)向這些論著的作者表示由衷的敬意。
由于作者水平有限,書中難免存在不足之處,懇請(qǐng)同行專家及廣大讀者批評(píng)指正。
編著者
2020年9月
第1章 液壓機(jī)故障分析方法 1
1.1 液壓機(jī)簡(jiǎn)介 3
1.2 液壓機(jī)故障診斷方法 4
1.3 液壓機(jī)可靠性維修 6
第2章 典型液壓機(jī)液壓回路分析 11
2.1 短周期貼面液壓機(jī)液壓回路分析 13
2.2 德國溫康納短周期貼面液壓機(jī)液壓回路分析 20
2.3 薄板拉伸液壓機(jī)液壓回路分析 25
2.4 打包機(jī)液壓回路分析 27
第3章 液壓機(jī)數(shù)據(jù)采集及數(shù)據(jù)處理 29
3.1 液壓機(jī)數(shù)據(jù)采集及處理框架設(shè)計(jì) 31
3.2 液壓機(jī)數(shù)據(jù)采集硬件設(shè)計(jì) 34
3.3 液壓機(jī)數(shù)據(jù)采集軟件設(shè)計(jì) 38
3.4 液壓機(jī)信號(hào)檢測(cè)的測(cè)量方式設(shè)計(jì) 49
3.5 信號(hào)的頻域分析 52
3.6 液壓機(jī)數(shù)據(jù)的小波處理 57
3.7 液壓機(jī)數(shù)據(jù)的EEMD處理 65
第4章 液壓機(jī)故障智能診斷技術(shù) 77
4.1 智能化故障診斷技術(shù)概述 79
4.2 支持向量機(jī)在液壓機(jī)故障診斷中的應(yīng)用 84
4.3 BP神經(jīng)網(wǎng)絡(luò)的算法及應(yīng)用 95
4.4 RBF網(wǎng)絡(luò) 102
4.5 基于PCA與奇異值分解算法的故障診斷 108
4.6 極限學(xué)習(xí)機(jī) 113
4.7 專家系統(tǒng) 117
4.8 基于圖顯專家系統(tǒng)(GES)的液壓機(jī)故障診斷設(shè)計(jì) 129
4.9 隱馬爾科夫HMM故障診斷方法 138
4.10 決策樹 141
4.11 隨機(jī)森林 146
4.12 傅里葉描述子在液壓機(jī)故障診斷中的應(yīng)用 149
4.13 遠(yuǎn)程監(jiān)控系統(tǒng) 159
第5章 液壓機(jī)故障診斷集成方法 163
5.1 基于CBR-FAT的液壓機(jī)故障診斷專家系統(tǒng)構(gòu)建 165
5.2 CLIPS與VC+ +混合編程的專家系統(tǒng)在液壓機(jī)維修中的應(yīng)用 176
5.3 基于HSMM-SVM的大型液壓機(jī)故障診斷方法研究 181
5.4 基于ES-MLSTM的液壓機(jī)故障診斷系統(tǒng)設(shè)計(jì) 192
5.5 基于SDPCA主成分特征相似度的故障檢測(cè)與性能評(píng)估方法 216
5.6 基于SKDPCA故障檢測(cè)與性能評(píng)估方法 237
5.7 基于SDPCA的多態(tài)過程故障診斷與性能評(píng)估研究 253
參考文獻(xiàn) 262