亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于SOM的電靜壓伺服機(jī)構(gòu)油濾堵塞故障診斷

        2019-11-08 09:15:14陳換過(guò)劉培君
        關(guān)鍵詞:伺服機(jī)構(gòu)權(quán)值故障診斷

        俞 杭,陳換過(guò),肖 雪,劉培君

        (1.浙江理工大學(xué) 浙江省機(jī)電產(chǎn)品可靠性技術(shù)研究重點(diǎn)實(shí)驗(yàn)室,浙江 杭州 310018;2.北京精密機(jī)電控制設(shè)備研究所 事業(yè)部,北京 100076)

        電液伺服機(jī)構(gòu)因其良好的穩(wěn)定性和高響應(yīng)性,被廣泛應(yīng)用于航空航天領(lǐng)域.其中,電靜壓伺服機(jī)構(gòu)(EHA, Electro-Hydraulic Actuator)作為一種新型的電液伺服機(jī)構(gòu),既具有與電機(jī)伺服機(jī)構(gòu)(EMA, Electro-Mechanical Actuator)類似的電機(jī)驅(qū)動(dòng)和控制功能,又具備高承載、易實(shí)現(xiàn)余度設(shè)計(jì)等突出優(yōu)點(diǎn),是當(dāng)今伺服機(jī)構(gòu)的主要發(fā)展趨勢(shì)之一[1].但是,EHA是一個(gè)復(fù)雜的電、氣、液系統(tǒng),其故障呈現(xiàn)多樣化和廣泛性特點(diǎn).其中,油濾堵塞故障是EHA相比于EMA特有的故障類型,也是EHA機(jī)構(gòu)的薄弱環(huán)節(jié).機(jī)構(gòu)中雙向油濾主要用來(lái)濾除系統(tǒng)油路中存在的固體雜質(zhì),降低油液的污染度,減少油腔內(nèi)部的磨損,從而延長(zhǎng)使用壽命.文獻(xiàn)[2]研究表明,油濾堵塞會(huì)直接導(dǎo)致通油面積減小,流阻和節(jié)流損失增大而顯著影響系統(tǒng)的響應(yīng)速度.堵塞嚴(yán)重時(shí)還會(huì)造成油溫升高,甚至導(dǎo)致液壓部件的損壞.

        目前,EHA的故障診斷技術(shù)尚處于起步階段.WLAMIR等考慮噴嘴堵塞有關(guān)的失效模式,提出了一種利用衰落擴(kuò)展卡爾曼濾波器進(jìn)行系統(tǒng)辨識(shí)的伺服閥退化估計(jì)的方法[3];黃岳等基于執(zhí)行器內(nèi)部測(cè)點(diǎn)的數(shù)據(jù)變化,選用多元統(tǒng)計(jì)學(xué)方法對(duì)伺服機(jī)構(gòu)執(zhí)行器進(jìn)行了故障診斷[4].SONG等從數(shù)學(xué)上推導(dǎo)了電液伺服機(jī)構(gòu)油路泄漏和受摩擦影響的兩種故障模型[5].肖雪等建立了伺服機(jī)構(gòu)健康工況的主元模型,并依據(jù)油濾堵塞工況的平方預(yù)測(cè)誤差統(tǒng)計(jì)量、Hotelling-T2統(tǒng)計(jì)量及其與健康閾值的對(duì)比狀況,進(jìn)行了故障診斷[6].這些研究主要針對(duì)的是伺服機(jī)構(gòu)的液壓泵、伺服閥等單部件.對(duì)于EHA的研究,目前還停留在性能分析與設(shè)計(jì)階段,且在系統(tǒng)層面利用統(tǒng)計(jì)數(shù)據(jù)分析進(jìn)行故障診斷的研究很不深入.由于伺服機(jī)構(gòu)本身的復(fù)雜性和實(shí)際工況的多變性,伺服機(jī)構(gòu)的信號(hào)隨外負(fù)載而隨機(jī)變化,信號(hào)不具有典型的頻譜特征,導(dǎo)致特征提取十分困難,因此采用傳統(tǒng)的故障診斷方法無(wú)法準(zhǔn)確地反饋伺服機(jī)構(gòu)的當(dāng)前狀態(tài).

        自組織映射網(wǎng)絡(luò),是一種無(wú)監(jiān)督的學(xué)習(xí)方式,因此無(wú)需設(shè)置狀態(tài)標(biāo)簽.它能夠根據(jù)輸入樣本的分布,通過(guò)神經(jīng)元之間的競(jìng)爭(zhēng)選擇獲勝神經(jīng)元,對(duì)輸入模式進(jìn)行分類,同時(shí)能夠識(shí)別輸入向量的拓?fù)浣Y(jié)構(gòu),展現(xiàn)故障神經(jīng)元之間的內(nèi)部關(guān)聯(lián)性.若將人工神經(jīng)網(wǎng)絡(luò)運(yùn)用到EHA的故障診斷中,則可從數(shù)據(jù)處理層面進(jìn)一步挖掘故障信息和特征,建立更為可靠、精確的故障診斷模型.

        1 自組織映射神經(jīng)網(wǎng)絡(luò)

        自組織特征映射網(wǎng)絡(luò)(Self-Organizing Feature Maps, SOFM)又稱自組織映射神經(jīng)網(wǎng)絡(luò)(SOM),最早由芬蘭赫爾辛基理工大學(xué)的神經(jīng)網(wǎng)絡(luò)專家Kohonen于1981年提出[7],是一種競(jìng)爭(zhēng)性神經(jīng)網(wǎng)絡(luò),且具有自組織特性.

        (1)設(shè)定變量.假設(shè)神經(jīng)元輸入樣本為X=[X1,X2,…,Xm],每個(gè)樣本包含m維向量;Wi(k)=[Wi1(k),Wi2(k),…,Wim(k)]為第i個(gè)輸入節(jié)點(diǎn)與輸出神經(jīng)元之間的權(quán)值向量.

        (2) 初始化.對(duì)輸出層各權(quán)值向量賦值隨機(jī)數(shù),進(jìn)行歸一化處理,并建立初始優(yōu)勝鄰域Nj(0)和初始學(xué)習(xí)率η.

        歸一化的輸入樣本為:

        (1)

        式中,‖X‖為輸入向量的歐幾里得范數(shù).

        歸一化的權(quán)值向量為:

        (2)

        式中,‖Wi(k)‖為權(quán)值向量的歐幾里得范數(shù).

        (3) 輸入隨機(jī)樣本Xi,尋找獲勝節(jié)點(diǎn),計(jì)算權(quán)值向量Wi(k)和樣本Xi的內(nèi)積,并使內(nèi)積最大的輸出神經(jīng)元贏得競(jìng)爭(zhēng).由于樣本向量和權(quán)值向量均已歸一化,因此最小歐氏距離處即為內(nèi)積最大處,也就是說(shuō),可將距離最小的那個(gè)神經(jīng)元記為獲勝神經(jīng)元.神經(jīng)元之間的距離為:

        D(i,j)=‖X-Wi(k)‖

        (3)

        (4) 定義優(yōu)勝鄰域.以獲勝神經(jīng)元為中心,根據(jù)其權(quán)值調(diào)整域確定獲勝區(qū)域.確定鄰域時(shí)可采用不同的距離函數(shù),如歐式距離、曼哈頓距離等.

        (5) 調(diào)整權(quán)值.針對(duì)優(yōu)勝鄰域的所有節(jié)點(diǎn)調(diào)整權(quán)值,并采用Kohonen規(guī)則按下式進(jìn)行更新.

        wij(n+1)=wij(n)+η(xi(n)-wij(n))

        =(1-η)wij(n)+ηxi(n)

        (4)

        式中:xi(n)為第i個(gè)輸入神經(jīng)元的值;wij(n)為鄰域內(nèi)神經(jīng)元與xi(n)相連的權(quán)值.

        在Matlab中,使用learnSOM函數(shù),通過(guò)神經(jīng)元輸入樣本X、激活率a2(i,j)和學(xué)習(xí)率lr,進(jìn)行自組織映射神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí),并按下式進(jìn)行權(quán)值ΔWi(k)的更新.

        ΔWi(k)=lr·a2(i,j)·(X′-Wi(k))

        (5)

        式中,a2(i,j)由網(wǎng)絡(luò)的輸出值a(i,j)、神經(jīng)元之間的距離D(i,j)及鄰域大小Nd決定,即

        (6)

        (6) 當(dāng)學(xué)習(xí)率衰減到某一預(yù)定值時(shí),結(jié)束迭代.

        2 仿真建模及數(shù)據(jù)分析

        選取油濾堵塞類故障模式,并在AMESim系統(tǒng)中進(jìn)行仿真建模.在AMESim系統(tǒng)中建立一個(gè)模擬飛控系統(tǒng)襟翼結(jié)構(gòu)的電靜壓伺服機(jī)構(gòu)仿真模型[8-10].系統(tǒng)在實(shí)際運(yùn)行時(shí),通過(guò)飛行控制計(jì)算機(jī)確定一個(gè)特定位置.電機(jī)通過(guò)泵的液壓來(lái)推動(dòng)作動(dòng)器,從而移動(dòng)襟翼來(lái)調(diào)整飛行姿態(tài),完成指定動(dòng)作.在仿真模型中,電機(jī)驅(qū)動(dòng)液壓泵旋轉(zhuǎn)而提供系統(tǒng)流量,通過(guò)伺服驅(qū)動(dòng)控制器調(diào)節(jié)電機(jī)轉(zhuǎn)速、方向來(lái)改變系統(tǒng)的流量和方向,實(shí)現(xiàn)對(duì)作動(dòng)器活塞桿伸縮和速度的控制,同時(shí)通過(guò)集成位移傳感器,實(shí)現(xiàn)反饋閉環(huán)控制.

        所建立的仿真模型為單通道電靜壓伺服機(jī)構(gòu).仿真時(shí)以指定脈沖信號(hào)作為輸入信號(hào),作動(dòng)器最大位移為10 mm,并在9.523 s時(shí)施加1 500 N的外部負(fù)載.模型中各信號(hào)采集點(diǎn)的布置如圖1所示.

        圖1 模型中各信號(hào)采集點(diǎn)的布置

        在仿真模型中,設(shè)置阻尼孔并改變其通徑,以模擬不同程度的油濾堵塞故障工況.將阻尼孔(即油濾通油孔)的直徑分別設(shè)為5.0 mm(健康工況)、3.0 mm、2.0 mm、1.5 mm、1.0 mm、0.5 mm.剩余通油面積百分比分別為100%、36%、16%、9%、4%、1%.系統(tǒng)仿真時(shí)間為20 s,采樣頻率為1 000 Hz.考慮到現(xiàn)實(shí)中傳感器的布置特點(diǎn)及機(jī)構(gòu)布置的合理性,選取作動(dòng)器位移、電機(jī)電流和伸出腔油路壓力這3個(gè)量進(jìn)行信號(hào)采集.作動(dòng)器位移曲線、電機(jī)電流曲線和伸出腔油路壓力曲線分別見(jiàn)圖2、圖3和圖4.

        (b) 通油面積4%以下與正常情況

        由圖2~圖4可知:在高負(fù)載情況下,當(dāng)系統(tǒng)通油面積在16%及以上時(shí),各測(cè)量曲線基本重合,無(wú)法直接判斷系統(tǒng)狀況;當(dāng)通油面積下降到4%時(shí),系統(tǒng)各參數(shù)的幅值隨著通油面積的下降,出現(xiàn)劇烈變化,相比于正常工況差異較大,作動(dòng)器出現(xiàn)明顯的沖擊、動(dòng)作信號(hào)出現(xiàn)黏連,無(wú)法達(dá)到預(yù)定運(yùn)行要求.對(duì)此進(jìn)一步分析研究發(fā)現(xiàn),在無(wú)負(fù)載下,系統(tǒng)的故障信息差別不大,但作動(dòng)器位移信號(hào)隨著通油孔徑(即通孔直徑)改變而發(fā)生變化的趨勢(shì)更為明顯.

        (a) 通油面積16%以上與正常情況

        (b) 通油面積4%以下與正常情況

        (a) 通油面積16%以上與正常情況

        (b) 通油面積4%以下與正常情況

        3 基于SOM模型的油濾堵塞故障診斷

        3.1 仿真數(shù)據(jù)訓(xùn)練及測(cè)試

        (1) 在AMESim系統(tǒng)中,選取7類以時(shí)間序列為故障樣本的數(shù)據(jù)集(它包含正常狀態(tài)1組,輕微堵塞和嚴(yán)重堵塞狀態(tài)各3組).每個(gè)故障樣本集中含有4組特征,分別是電機(jī)電流、電機(jī)轉(zhuǎn)速、輸出位移和輸出速度.

        不同油濾通油面積工況的測(cè)量值(又稱特征參數(shù))如表1所示.

        表1 不同油濾通油面積工況的測(cè)量值

        注:1.為簡(jiǎn)化表格,每個(gè)故障樣本集只列舉2個(gè)采樣點(diǎn)的測(cè)量值;2.表中數(shù)據(jù)均已歸一化處理,量綱為1。

        (2) 選取通孔直徑0.5 mm、1.0 mm、2.0 mm、3.0 mm、5.0 mm這5類狀態(tài)作為訓(xùn)練樣本,以通孔直徑0.6 mm、2.5 mm,即通油面積1.44%、25%為測(cè)試樣本,并設(shè)置神經(jīng)元個(gè)數(shù)為10×10,訓(xùn)練步數(shù)為1 000.那么,應(yīng)用SOM建立油濾堵塞故障模型的步驟如下:①選取故障樣本;②對(duì)每種標(biāo)準(zhǔn)故障樣本進(jìn)行學(xué)習(xí),學(xué)習(xí)后將具有最大輸出的神經(jīng)元作為該故障的標(biāo)記;③將待檢測(cè)樣本輸入SOM模型;④若輸出神經(jīng)元在輸出層的位置與某標(biāo)準(zhǔn)故障樣本的位置相同,則說(shuō)明待檢測(cè)樣本發(fā)生了相應(yīng)的故障;若輸出神經(jīng)元在輸出層的位置介于很多標(biāo)準(zhǔn)故障之間,則說(shuō)明這幾種標(biāo)準(zhǔn)故障樣本都有可能發(fā)生,且各故障發(fā)生的程度可根據(jù)該位置與相應(yīng)標(biāo)準(zhǔn)故障樣本位置的歐式距離來(lái)確定.

        (3) 正常狀態(tài)、輕微堵塞、嚴(yán)重堵塞這3種故障仿真數(shù)據(jù)的SOM神經(jīng)元反饋分布如圖5所示.

        (a) 正常狀態(tài)

        (b) 輕微堵塞

        (c) 嚴(yán)重堵塞

        圖5 3種故障仿真數(shù)據(jù)的SOM神經(jīng)元反饋分布

        從圖5可看出:正常情況下,SOM神經(jīng)元反饋分布在拓?fù)浣Y(jié)構(gòu)的中間區(qū)域,呈條狀分布;輕微堵塞故障下,SOM神經(jīng)元反饋呈隨機(jī)分布,主要集中在拓?fù)浣Y(jié)構(gòu)的右端及左側(cè)區(qū)域;嚴(yán)重堵塞故障下,SOM神經(jīng)元反饋主要分布在拓?fù)浣Y(jié)構(gòu)的右端,呈半包圍結(jié)構(gòu)分布。

        (4) 將測(cè)試樣本0.6 mm、2.5 mm(指通孔直徑)油路堵塞狀態(tài)的系統(tǒng)特征參數(shù)輸入SOM模型,可得圖6所示的SOM神經(jīng)元反饋分布情況。

        (a) 通孔直徑 0.6 mm

        (b) 通孔直徑2.5 mm

        圖6 測(cè)試樣本的SOM神經(jīng)元反饋分布

        圖6與圖5對(duì)比可知:在通孔直徑0.6 mm(即通油面積為1.44%)狀態(tài)下,SOM神經(jīng)元的反饋分布與嚴(yán)重堵塞時(shí)情況一致;在通孔直徑2.5 mm(即通油面積為25%)狀態(tài)下,SOM神經(jīng)元的反饋分布與輕微堵塞時(shí)情況一致.這與實(shí)際情況相符,表明了該方法的有效性.通常SOM模型的聚類運(yùn)用往往針對(duì)單個(gè)神經(jīng)元進(jìn)行判斷,本文以所有激活神經(jīng)元的分布情況來(lái)判斷故障程度,可大大減小采用單個(gè)神經(jīng)元節(jié)點(diǎn)帶來(lái)的誤判風(fēng)險(xiǎn),使結(jié)果更為直觀.

        3.2 實(shí)測(cè)數(shù)據(jù)訓(xùn)練及測(cè)試

        搭建EHA試驗(yàn)平臺(tái),在空載荷下進(jìn)行測(cè)試與分析[5].EHA樣機(jī)的基本參數(shù)如表2所示.以通孔直徑14 mm(即健康工況)作為參考,模擬油濾堵塞導(dǎo)致節(jié)流損失增大的故障工況,使通孔直徑下降到6.3 mm,通油面積下降到78.29%,進(jìn)行連續(xù)的位置指令階躍信號(hào)測(cè)試.測(cè)試時(shí)間為0.5 s,采樣頻率為500 Hz,同時(shí)選取3個(gè)直接量(即作動(dòng)器位移、電機(jī)轉(zhuǎn)速和電機(jī)電流)對(duì)位移進(jìn)行微分,得到作動(dòng)器速度(這里稱作間接量).以兩種工況的3個(gè)直接量和1個(gè)間接量作為SOM模型的基本參數(shù)(表3),完成實(shí)測(cè)數(shù)據(jù)的訓(xùn)練.

        表2 EHA樣機(jī)的基本參數(shù)

        表3 SOM模型的基本參數(shù)

        注:1.為簡(jiǎn)化表格,每種工況只列舉4個(gè)采樣點(diǎn)的測(cè)量值;2.表中數(shù)據(jù)均已歸一化處理,量綱為1.

        針對(duì)SOM模型,按照樣本數(shù)量為460份(其中230份健康樣本,230份故障樣本),兩種工況測(cè)試樣本各20份,進(jìn)行試驗(yàn),可得圖7所示試驗(yàn)數(shù)據(jù)的SOM神經(jīng)元反饋分布情況.

        (a) 正常狀態(tài)激活神經(jīng)元

        (b) 故障狀態(tài)激活神經(jīng)元

        (c) 正常狀態(tài)輸入測(cè)試

        (d) 故障狀態(tài)輸入測(cè)試

        圖7 試驗(yàn)數(shù)據(jù)的SOM神經(jīng)元反饋分布

        觀察圖7可發(fā)現(xiàn),將測(cè)試樣本輸入訓(xùn)練好的SOM模型,神經(jīng)元的反饋分布與真實(shí)狀態(tài)類似.這證明該方法是可行的.經(jīng)過(guò)研究,該模型初步訓(xùn)練后,對(duì)正常狀態(tài)的識(shí)別率可達(dá)80%,對(duì)故障狀態(tài)的識(shí)別率可達(dá)90%.

        4 結(jié)束語(yǔ)

        通過(guò)仿真和試驗(yàn)數(shù)據(jù)的SOM模型搭建發(fā)現(xiàn),SOM對(duì)于電靜壓伺服機(jī)構(gòu)油濾堵塞故障診斷有良好的適用性,以神經(jīng)元反饋分布作為故障程度判斷的依據(jù),比傳統(tǒng)上依靠單個(gè)神經(jīng)元來(lái)判斷故障狀態(tài)更為準(zhǔn)確,在缺乏訓(xùn)練數(shù)據(jù)的情況下也可反饋當(dāng)前狀態(tài).

        盡管本文模型訓(xùn)練使用的數(shù)據(jù)點(diǎn)較少,且存在不可預(yù)測(cè)的測(cè)量噪聲,使健康工況也有故障率,最后的反饋分布存在部分異常點(diǎn),但這些異常點(diǎn)可通過(guò)后續(xù)加大訓(xùn)練樣本量或者進(jìn)一步優(yōu)化訓(xùn)練模型得到消除.此外,基于SOM在電靜壓伺服機(jī)構(gòu)油濾堵塞故障診斷方面的研究成果可應(yīng)用于其他故障模式.

        猜你喜歡
        伺服機(jī)構(gòu)權(quán)值故障診斷
        一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
        CONTENTS
        伺服機(jī)構(gòu)氣囊自動(dòng)裝配工藝與工裝
        軸對(duì)稱推力矢量控制伺服機(jī)構(gòu)空間運(yùn)動(dòng)解耦研究*
        基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
        歸一化小波能量熵的彈上伺服機(jī)構(gòu)傳動(dòng)鏈動(dòng)態(tài)可靠性評(píng)估
        因果圖定性分析法及其在故障診斷中的應(yīng)用
        一種伺服機(jī)構(gòu)剛度計(jì)算方法
        基于LCD和排列熵的滾動(dòng)軸承故障診斷
        基于WPD-HHT的滾動(dòng)軸承故障診斷
        大尺度极品粉嫩嫩模免费| 在线高清精品第一区二区三区| 99久久国产亚洲综合精品| 男女啪啪免费视频网址| 亚洲一区二区三区,日本| 国内精品视频在线播放不卡| 午夜片无码区在线| 精品少妇人妻久久免费| 国产实拍日韩精品av在线| 亚洲av综合永久无码精品天堂| 熟女俱乐部五十路二区av| 成人av天堂一区二区| 日本不卡一区二区三区在线视频| 最新中文字幕av无码不卡| 在线免费黄网| 日韩精品久久不卡中文字幕| 手机在线观看免费av网站| 男人靠女人免费视频网站| 男人j进女人p免费视频| 亚洲精品中文字幕码专区| 精品亚洲a∨无码一区二区三区| 色老头在线一区二区三区| 欧美日韩综合在线视频免费看 | 国产无码十八禁| 久久久噜噜噜久久熟女| 在线中文字幕乱码英文字幕正常| 国产中老年妇女精品| 69堂在线无码视频2020| 风韵人妻丰满熟妇老熟| 在线 | 一区二区三区四区| 真实国产乱视频国语| 亚洲日本精品一区二区三区| 国产午夜精品无码| 天堂а√在线最新版中文| 免费在线观看亚洲视频| 国产一区二区三区在线观看完整版 | 亚洲午夜无码AV不卡| av国产免费在线播放| 狠狠噜狠狠狠狠丁香五月| 麻豆国产高清精品国在线| 成人激情视频一区二区三区|