汽车车架的有限元结构分开析题报告修改胡远鹏修见.docVIP

毕业设计(论文)外文资料翻译 学 院： 机械工程学院 专 业： 机械设计制造及其自动化 姓 名： 尤兴亚 学 号： 0902070438 外文出处： Corresponding Author cnlwl@tongji.edu.cn 附 件： 1.外文资料翻译译文；2.外文原文。 指导教师评语： 签名： 2013 年 3 月 31 日 起重机液压系统支腿的智能故障诊断研究 李万里, 黄佳奎, 王鹏晨, 朱福明 机械工程学院，同济大学，上海201804，中国；物流工程学院，上海海事大学，上海200135，中国； 摘要：随着起重机液压系统越来越复杂，要求故障诊断更加快速和全面。根据起重机支腿液压系统的结构特点，本文提出了一种快速而广泛的硬件和软件体系结构模型的空调监测与故障诊断系统。在本文中,树的诊断方法和模糊神经网络理论的应用为液压系统的故障诊断提供了理论基础以及实现方法。 关键字：起重机，故障诊断，神经网络 引言 汽车起重机是一种重要的工程机械。以其日趋复杂的结构和功能,它更倾向于复杂的问题,所以很难诊断起重机支架液压系统的故障。在这样的场景中,一个单一的理论或方法,无论是聪明还是经典的都不足以实现全面、准确、快捷的故障诊断。 然而,结合了两个或更多经典和智能的方法,它可能是一个准确、快速的折中诊断方法。本文利用联合诊断算法（模糊神经网络的故障诊断）为支架的起重机液压系统诊断。该算法实现了硬件平台和软件模型的联合诊断,实现了状态监测和故障诊断液压系统。 2、建立基于模糊神经网络稳定支撑的液压系统的故障诊断模型 模糊神经网络(FNN)结构模型收集有神经网络和模糊理论的优势。用模糊神经网络的故障诊断液压系统的稳定支撑如图1所示。 图1结构模型的模糊神经网络算法 基于模糊神经网络的BP(反向传播)神经网络,采用串联方式与模糊系统。输入和输出的网络是模糊量和成员的一些特性和一些模型。网络结构分为五层,输入层、隐层、模糊层、输出层、模糊化消除层。 输入层是第一层网络。这层接收输入特征信号从外面直接传输之前的特征信号到二层——模糊神经元。转移重量是1。节点的数量在输入层取决于数量的特征信号的诊断。 模糊层是第二层的网络。它的功能是计算成员的输入特性信号,属于模糊集合中的每个变量值,根据隶属函数的模糊子集。模糊化后,每个输入层节点对应于三个模糊层节点,代表高边,正常和低侧分别。因此,节点的数量是3倍数量的输入节点。 隐藏层是第三层网络。它是用于实现从输入变量模糊值映射到输出变量的模糊值。激活函数使用是乙状结肠函数。节点的数量是两倍数量的模糊层节点,根据柯尔莫哥洛夫定理。在培训过程中,调整可以根据不同程度的准确性。 输出层是第四层的网络。每个节点对应的每个故障引起的液压子系统。输出值是会员大小隶属于故障原因。节点的数量对应于多种原因引起的典型故障的液压系统。模糊化消除层是第五层的网络。阐述了模糊结果输出层和输出明确的诊断结果。清晰的计算是基于最小阈值原则(会员价值的故障组件应大于某一阈值,这是定义在调试。的值应该设置为一个适当的值。一个大型会员价值可能会导致一些错误的无知,而小值可能导致假警报的缺点)。 特征信号的液压系统工况选择如下:油温的液压系统,油位在罐、油的压力和流量泵出口、操作压力和泄油压力的水平和垂直液压缸的每条腿。监测信号的分布如图2所示。 1-温度传感器;2-传感器;3-压力/流量传感器;4-压力传感器 图2特征信号的工作状态的起重机液压系统稳定支撑 除了工作状态的特征信号,信号的选择,包括控制信号拉伸/收缩水平/垂直腿拉伸/收缩,联动水平/垂直腿和选择信号的半拉伸/所有段水平腿等。 (1)、油温 当支腿系统正常工作,油的温度通常是40 ~ 60℃。但当故障发生时,液压油温度可能经常波动。这可能是由于泄漏的齿轮泵;泄漏或粘腿的液压缸;泄漏或太高的调整压力安全阀等。 油位油箱 当支腿系统工作正常，油位根据一定的方式不断变化的