为了解决负载口独立控制阀控液压缸系统故障信息相似表征下的故障元件识别难题,提出基于独立循环神经网络(IndRNN)和一维大核卷积神经网络(1DLCNN)结合的故障诊断方法.构建负载口独立控制阀控液压缸系统,针对系统提出压力与位移信号的状态感知方案,分析了系统故障的信号特征.设计一种基于IndRNN-1DLCNN的深度神经网络模型,模型引入残差结构进行多层IndRNN设计并引入1DLCNN增强全局信息捕捉能力,实现多源信号的融合,识别发生故障的具体元件.结果表明在不同的负载工况下,利用提出的方法均能够准确地将系统故障定位至4个先导阀、2个主阀、1组位移传感器以及1个液压缸共8类具体元件,系统的整体诊断准确率最高达到96%,单一元件的故障识别准确率均大于93%.

利用高阶统计量-模糊神经网络方法对液压系统故障进行诊断,解决低信噪比故障特征信号下的故障诊断问题.介绍了高阶统计量和模糊神经网络的基本原理,阐述了利用高阶统计量-模糊神经网络诊断液压系统故障的方法,给出了以阀控液压缸系统为... 展开更多

本研究以模糊模式控制器设计理论整合常规控制技术应用在阀控液压伺服系统中。控制器设计结合模糊模式控制、液压伺服技术、PLC控制技术，以减少模糊规则库的数目，达到输出力精确控制之目的。实验结果显示，本研究成功地解决了常规控制技术不能很好加以控制的力控制问题，比传统阀控液压缸系统具有更佳的力控制响应、稳定性能。

对一开关型阀控液压缸进行数字建模,并在此基础上利用MATLAB/SIMULINK软件对其动态特性进行仿真与优化,从而对实际液压系统的设计起到十分重要的作用。