首页> 中文学位 >工程机械液压缸拉缸和密封圈损坏故障诊断研究
【6h】

工程机械液压缸拉缸和密封圈损坏故障诊断研究

代理获取

目录

摘要

1 绪论

1.1 课题来源

1.2 论文研究背景及意义

1.3 液压缸泄漏故障国内外研究现状

1.3.1 液压缸泄漏故障诊断国内研究现状

1.3.2 液压缸泄漏故障诊断国外研究现状

1.3.3 现有研究的不足

1.4 本文主要工作内容

2 液压缸拉缸和密封图损坏故障分析及模拟实验

2.1 拉缸和密封圈损坏故障分析

2.1.1 拉缸故障分析

2.1.2 密封圈损坏故障分析

2.2 液压缸工况模拟实验台概述

2.3 基于LabVIEW的液压缸测试系统开发

2.3.1 测试系统硬件选择

2.3.2 测试系统软件设计

2.3.3 实验验证

2.4 液压缸拉缸故障的模拟实验及方法

2.4.1 拉缸故障模拟测试及方法

2.4.2 拉缸故障内泄漏测试结果分析

2.5 液压缸密封圈损坏故障的模拟实验

2.5.1 密封圈损坏故障模拟测试及方法

2.5.2 密封圈损坏故障内泄漏测试结果分析

2.6 本章小结

3 基于小波变换的液压缸拉缸及密封圈损坏故障特征提取

3.1 小波变换基本理论

3.1.1 小波分析

3.1.2 小波包分析

3.2 液压缸压力信号的故障敏感特征参量选择

3.2.1 压力信号组成分析

3.2.2 压力信号小波包子带能量

3.2.3 压力信号小波包能量熵

3.2.4 压力信号小波包能量方差

3.2.5 压力信号小波系数均方根值

3.3 液压缸拉缸故障特征提取

3.4 液压缸密封圈损坏故障特征提取

3.5 故障特征量敏感度分析

3.6 本章小结

4 小波神经网络在液压缸拉缸及密封圈损坏故障诊断中应用

4.1 小波神经网络算法概述

4.1.1 松散型小波神经网络的结构及学习算法

4.1.2 紧密型小波神经网络的结构及学习算法

4.2 基于小波神经网络的液压缸拉缸故障诊断

4.2.1 拉缸故障诊断的输入、输出向量设计

4.2.2 基于松散型小波神经网络的拉缸故障诊断

4.2.3 基于紧密型小波神经网络的拉缸故障诊断

4.3 基于小波神经网络的液压缸密封圈损坏故障诊断

4.3.1 密封圈损坏故障诊断的输入、输出向量设计

4.3.2 基于松散型小波神经网络的密封圈损坏故障诊断

4.3.3 基于紧密型小波神经网络的密封圈损坏故障诊断

4.4 本章小结

全文总结与展望

参考文献

攻读硕士期间的主要研究成果

致谢

声明

展开▼

摘要

液压缸是机床、工程机械等机械设备液压系统的关键元件,其性能好坏直接影响液压系统甚至整机性能的优良与否,所以对液压缸进行性能检测以及故障诊断意义十分重大。液压缸最常见故障为内泄漏,内泄漏失效主要原因包括拉缸和活塞密封圈损坏。本文以QY110汽车起重机支腿油缸作为研究对象,着重研究了拉缸和密封圈损坏故障,并对这两种故障进行了诊断与评估。本文主要内容如下:
  1、根据现场调研及统计数据的方法,总结分析了拉缸和密封圈损坏的主要原因以及对液压缸性能的影响。在液压缸工况模拟实验台基础上,基于LabVIEW软件开发了液压缸综合性能测试系统。人工模拟预制了液压缸拉缸和密封圈损坏故障,进行了实验数据的采集。通过液压缸内泄漏量的计算结果,得出了负载压力与拉缸以及密封圈损坏状态下的内泄漏量变化规律。
  2、利用小波变换对拉缸和密封圈损坏状态下的液压缸无杆腔压力信号进行了特征提取。确定了小波系数均方根、小波包子带能量、小波包能量熵和小波包能量方差四个故障特征向量,得到了各个特征向量值在不同拉缸和密封圈损坏程度上的变化规律,并对比分析了这四个故障特征向量对拉缸和密封圈损坏的敏感度。
  3、介绍了松散型和紧致型小波神经网络的基本结构和学习规则,设计了小波神经网络的输入、输出向量,将这两种小波神经网络分别应用于液压缸拉缸和密封圈损坏的故障诊断。对拉缸的4种状态和密封圈损坏的3种状态进行了故障识别,都得到了较理想的识别效果。结果表明,紧致型小波神经网络的故障识别精度比松散型小波神经网络的更高,此方法可以应用到其它设备的故障诊断。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号