《BP神经网络在液压挖掘机.pptVIP

演 示：嘻嘻嘻 指导教师：哈哈哈 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 摘要：为了实现液压挖掘机的整机故障诊断，提出基于BP神经网络的故障诊断方法。以液压挖掘机整机故障诊断为例，选择典型的故障样本训练神经网络，使神经网络具有较好容错性和稳定性，经过训练的神经网络就可以实时、准确地诊断出挖掘机的故障。使用Matlab的神经网络工具箱进行模拟仿真，结果表明：BP神经网络能够很好地应用于液压挖掘机的实际故障诊断，网络收敛速度快、学习记忆稳定，具有一定的工程实用价值。 关键词：神经网络；故障诊断；液压挖掘机 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 液压挖掘机整机故障诊断BP网络的建立 针对液压挖掘机整机故障原理，提取故障征兆X={x1,x2,x3,x4,x5},其中x1表示功率下降，x2表示压力不足，x3表示回转失灵，x4表示行走力不足，x5表示行走跑偏。 通过神经网络对故障原因进行诊断，输出应是各种故障类型D={d0,d1,d2,d3,?,d7}，其中d0表示正常，d1表示柴油机输出功率不足，d2表示油泵磨损，d3表示分配阀或主溢流阀调整不当，d4表示缓冲阀调整压力下降，d5表示油马达性能下降，d6表示回转轴承损坏，d7表示中央回转接头密封损坏。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 网络输入向量及参数的选取 针对每个故障原因，提取可能发生的故障征兆，建立可能的征兆集X={x1,x2,?,x5},将其作为各个神经元的输入值；建立相应的故障原因集Y={y1，y2，y3?,y8}，用故障原因隶属度值来说明故障y发生的可能性大小，其变化范围为[0，1],故障等级分类参照表2所示。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 训练样本的选取 表3所示为液压挖掘机整机故障的8种典型故障类型，共16个故障样本(其中后3个带*的为验证样本)， 每个故障样本都有5个故障特征值，因而网络的输入节点数为5。 在故障样本中，根据故障等级分类采用的数字化原则为：对于输入层故障征兆，致命故障0.9，严重故障O.7，正常运行0.5；对于输出层，不发生0.1，故障原因发生0.9一l。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 训练样本的选取 用3个神经网络的输出节点表示8种故障类型， 对输出进行二进制编码，分别为[0 0 0],[0 0 1],[0 1 0],[0 1 1],[1 0 0],[1 0 1],[1 1 0],[1 1 1]并抽取一大部分故障样本进行神经网络的训练，训练样本的部分样本如表4所示。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 该网络的输入层用来接收故障信息，因此有5个输入单元，输出层用来输出故障类别，因此有3个输出单元。 隐含层的单元数由训练试验择优选择确定： 网络结构 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 网络训练 x1=[0.5 0.9 0.7 0.8 0.7 0.9 0.9 0.