基于神经网络的液压缸内泄漏在线测量研究

论文摘要

内泄漏是液压缸最常见故障,严重影响液压缸的正常工作,因此对其在线测量显得尤为重要。提出内泄漏在线测量的工作原理,包括在线测量系统、应变片的固定方式和流量-应变信号转换的数学模型,并搭建实验系统采集内泄漏和应变数据并进行数据处理。分别采用BP神经网络和卷积神经网络对液压缸内泄漏进行预测,结果表明,卷积神经网络准确度高、效率高,为其他液压元件微小流量的在线测量提供一种新的思路。

论文目录

• 引言
• 1 液压缸内泄漏在线测量原理
•   1.1 在线测量系统
•   1.2 流量-应变信号转换数学模型
• 2 数据采集系统
• 3 测试数据处理
• 4 内泄漏量的预测
•   4.1 基于BP神经网络的内泄漏预测
•   4.2 基于卷积神经网络的内泄漏预测
•     1) 卷积神经网络的介绍
•     2) 液压缸内泄漏的预测流程
•       （1） 创建数据集:
•       （2） 创建卷积神经网络模型:
•       （3） 训练卷积神经网络:
•       （4） 预测液压缸内泄漏值:
•     3) 液压缸内泄漏的预测实现
•   4.3 卷积神经网络和BP神经网络对比
• 5 结论

文章来源

类型: 期刊论文

作者: 郭媛,曾银川,曾良才,傅连东,湛从昌

关键词: 液压缸,内泄漏在线测量,应变片,神经网络,卷积神经网络

来源: 液压与气动 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,机械工业,自动化技术

单位: 武汉科技大学冶金装备及其控制教育部重点实验室,武汉科技大学机械传动与制造工程湖北省重点实验室

基金: 国家自然科学基金(51475338),湖北省自然科学基金创新群体重点项目(2014CFA013)

分类号: TH137.51;TP183

页码: 36-44

总页数: 9

文件大小: 1711K

下载量: 120