基于动态GRNN模型的挖掘机液压系统故障检测.pdfVIP

第 8卷第 3期 中 国 工 程 机 械 学 报 Vo1．8No．3 2010年 9月 CHINESEJOURNALOFCONSTRUCTIONMACHINERY OSp．2010 基于动态 GRNN模型的挖掘机液压系统故障检测 贺湘宇 ，何清华 ，蒋 苹。，何志勇 (1．长沙理工大学 汽车与机械工程学院，湖南 长沙 410004；2．中南大学 机电工程学院，湖南 长沙 410083) 摘要：提出了一种针对工程机械液压系统的动态广义回归神经网络 (GRNN)模型的故障诊断方法．动态 GRNN 模型是一种全局递归的动态模型，具有很强非线性收敛能力 ．首先建立系统正常状态故障建立动态 GRNN模型； 计算动态 GRNN模型的检测阈值；然后将测试故障样本带入动态 GRNN模型当中，其残差平方和在对应阈值范 围内即可判定故障．通过实验分析 ，基于动态GRNN模型的故障检测方法准确地诊断出了90％以上的系统故 障，实验结果表明，这一方法能够有效地应用于挖掘机液压系统的故障诊断． 关键词：液压系统 ；工程机械；故障诊断；广义回归神经网络 中图分类号：TP206．3 文献标识码：A 文章编号：1672—5581(2010)03—0335—05 DynamicGRNN．basedfaultdetection on excavatorhydraulicsystem HEXiang-yu ，HEQing-hua，JIANGPing，HEZhi-yong_ (1．CollegeofAutomobileandMechanicalEngineering，ChangshaUniversityofScienceandTechnology，Changsha410114，China 2．Co llegeofMechanicalandElectricalEngineering，CentralSouthUniversity，Changsha410083，China) Abstract：Inthisstudy，adynamicfaultdiagnosisapproachisproposedbasedontheGeneralRegression NeuralNetwork (GRNN)forhydraulicsystemsofconstructionmachinery．Asadynamicmodelwithglobal recursion，thismethod possesseshigh capabilityofnonlinearconvergence．Firstly，thedynamicGRNN model，togetherwith itstestingthreshold，isestablishedundernormalfaultconditions．Aftertestingfault samplesareinputtedintothismodel，thefaultscan thenbedetectedviathesquaresum ofresidualsand bespokethreshold．From theexperimentalresults，itisfinallyobservedthatover90％ ofsystem faultsare correctlyidentified．Therefore，thisapproachisproveneffectiveforfaultdiagnosisonexcavatorhydraulic systems． Key words：hydraulic system；construction machinery； faultdiagnosis；GeneralRegression Neural Network (GRNN) 液压系统是挖掘机的核心部件 ，针对它的故障诊断与预报技术一直是挖掘机的关键技术之一．挖掘机 工作环境恶劣，持续工作时间长，负载变动大，液压系统的故障发生频率高．随着液压技术向着高速、高压 和大功率方 向发展，挖掘机液压系统的规模、功能及其 自动化水平 日益提高，液压系