SOM神经网络在全液压钻机故障诊断中的应用.pdfVIP

中国煤炭学会煤矿机电一体化专业委员会、中国电工技术学会煤矿电工专业委员会论文集 ·77· SOM神经网络在全液压钻机故障诊断中的应用 贺康，庞海荣 (煤炭科学研究总院谣安研究院，陕西西安710054) 摘 要： 根据钻机液压系统的故障特点，选取故障样本，设计相应的SOM神经网络，并在MAT— LAB环境下实现训练和仿真实验。结果表明该方法有很强的实用性，为全液压钻机的故障诊断提 供了一种途径。 关键词：全液压钻机；SOM神经网络；故障诊断 ofSOMNeuralNetworkinFault Application Diagnosis ofHydraulicDrillingRig HE kaag，PANGHai。rong ResearchInstituteofChinaCoalResearch ()(i’an Institute，Xi’8n710054，China) thefaultfeatures fault tobuildthe Abstract： to of drillingrig，takingsamples corresponding According hydraulic SOMneuralnetworkandrealize andsimulation intheMatlabenvironment．Resultsshowedthat training experiment themethodwaseffectiveonthefault of diagnosishydraulicdrillingrig． Keywords：hydraulicdrillingrig；SOM(Self-OrganizingMaps)neuralnetwork；faultdiagnosis 1概述 输出层 全液压钻机的液压系统比较复杂，故障因果关 系复杂。本文以ZDYl900S型全液压钻机为对象， 探讨SOM神经网络在故障诊断中的应用。神经网 联接权值 络的输入输出的非线性映射特性、信息的分布存储、 并行处理和全局集体应用，特别是自组织和自学习 能力，使其成为故障模式识别的一种有效方法。 2 SoM神经网络的结构 自组织映射(Self-OrganizingMaps，简称SOM) 网络是由芬兰赫尔辛基大学神经网络专家Kohonen 教授在1981年提出的竞争式神经网络旧J。SOM网 络(图1)输入层通过权向量将外界信息汇集到输出 层各神经元，输出层最典型的结构是二维形式。输 出层的每个神经元同它周围的神经元侧向连接，排 列成棋盘状平面；输入层为单层神经元排列。 自组织特征映射神经网络模拟大脑神经系统的 (1)钻机液压系统 自组织特征映射功能，是一种无监督竞争式学习的 ZDYl900S型钻机液压系统如图2所示。可分 前馈网络，在训练中能无监督自组织学习。通过学 解为3个主要回路，即：回转回路，给进／起拔回路和 ·78· 中国煤炭学会煤矿机电一体化专业委员会、中国电工技术学会煤矿电工专业委员会论文集 卡盘、夹持器动作回路。 图2 ZDYl900S型全液压钻机液压系统图 1一电动机；2一主变量泵；3、29一吸油滤油器；4、30、35一截止阀；5一回油滤油器；6一冷却器；7一主泵系统压力表；8一多路换向阀； 9一副泵系统压力表；10一单向阀