关键词:
三峡升船机
液压系统
内泄漏故障
故障仿真
故障诊断
摘要:
三峡升船机防撞缓冲液压系统在三峡升船机防撞装置运行过程中起到对船舶撞击力缓冲的作用,因其工作环境较为复杂,在实际工作中会发生泄漏故障。内泄漏故障作为泄漏故障的一种形式,具有隐蔽性的特点,在其发生时,工作人员不易察觉,也难以对其进行实时的诊断,当诊断信号中混入噪声时,诊断方法的诊断准确率也会下降。本文针对液压系统内泄漏故障,建立了该系统的内泄漏故障仿真模型,对其内泄漏故障仿真开展了研究,得到用于后续故障诊断方法研究的故障样本,设计了基于卷积神经网络的防撞缓冲液压系统内泄漏故障诊断方法,对其内泄漏故障实现了诊断,最后对该诊断方法进行改进,提高了其抗噪性能。论文的主要研究工作如下:(1)分析介绍了液压系统内泄漏故障的产生原因和机理,建立了三峡升船机防撞缓冲液压系统正常工况以及液压缸和电液换向阀的内泄漏故障仿真模型,研究了间隙量对液压油缸活塞位移、有杆腔压力和流量以及无杆腔压力和流量产生的影响规律,为后续的故障诊断方法研究提供了数据支撑。(2)利用卷积神经网络的结构和Adam优化算法,建立了用于液压系统内泄漏故障诊断的卷积神经网络模型,编写了仿真自动化程序,得到了大量的故障数据样本,将其划分了训练集和测试集,完成了网络模型的训练和测试,并对其分类过程进行了可视化,与两种基于机器学习算法的诊断方法在诊断诊断率上进行了对比,最后分析了训练超参数对网络模型诊断准确率产生的影响。(3)对BN和dropout算法以及mini-batch训练方法相应的公式进行了探讨,在第三章建立的卷积神经网络的基础上,对其进行了改进,提升了诊断方法的抗噪性能,改进的内容有:加深了网络结构、增加了BN层和dropout层,采用了mini-batch训练方法。在样本集中添加了不同程度的噪声,对改进后的网络模型进行了训练、测试和分类过程可视化,最后在抗噪性能方面,与基于机器学习算法以及卷积神经网络的诊断方法做了对比。