QQ交談
您所在位置：請輸入產(chǎn)品關(guān)鍵字：
郵編：
聯(lián)系人：仲經(jīng)理
電話：021-32205893
傳真：021-52500777
手機(jī)：13795311448
售后電話：13795311448
留言：發(fā)送留言
個(gè)性化：www.jrjxsh.com
手機(jī)站：m.jrjxsh.com
網(wǎng)址：www.mtfinger.com/st140169
商鋪：http://www.mtfinger.com/st140169/
原裝MOOG伺服閥性能曲線圖
最近更新時(shí)間：2016-3-29
提 供 商：上海維特銳實(shí)業(yè)發(fā)展有限公司資料大?。?/span>15.5KB
文件類型：WORD 文檔下載次數(shù)：159次
資料類型：未知文件瀏覽次數(shù)：281次
原裝MOOG伺服閥性能曲線圖
美國MOOG穆格伺服閥在線特征向量的提取
利用上述小波包技術(shù)對伺服閥的開口度信號進(jìn)行聯(lián)合時(shí)頻分析。作者采集了正常到zui終因球頭過度磨損而損壞的伺服閥開口度信號，分別對正常、中間和損壞狀態(tài)進(jìn)行5 層小波包分解。圖4 列出了第2、3、6、16、24 和31 頻帶上的圖譜。圖中橫坐標(biāo)為一個(gè)道次的時(shí)間，單位為s，縱坐標(biāo)為開口度。比較分析三種狀態(tài)的伺服閥開口度發(fā)現(xiàn)，損壞的伺服閥的信號分解后在各個(gè)頻帶上的變化頻率要大于正常狀態(tài)，但無法直觀判斷哪個(gè)頻帶對伺服閥狀態(tài)的變化zui靈敏。為此需要進(jìn)一步進(jìn)行實(shí)驗(yàn)研究。實(shí)驗(yàn)證明，5 層小波分解得到的結(jié)果結(jié)合神經(jīng)網(wǎng)絡(luò)狀態(tài)識別方法能較好地區(qū)分出伺服閥的狀態(tài)，故基于伺服閥開口度獲得32 個(gè)特征量，同時(shí)結(jié)合伺服閥的在線檢測參數(shù) δs 和pl，提取出伺服閥在線特征向量[ew1，ew2，…，ew32，δs，pl]。但是，過多的特征量將對在線診斷效率產(chǎn)生較大的影響，因此需要對特征量進(jìn)行約簡。
美國MOOG穆格伺服閥的動態(tài)故障診斷，需要對伺服閥的在線工作特性進(jìn)行研究，在此基礎(chǔ)上對其工作特征信息進(jìn)行在線提取。這方面的研究目前還很少，文獻(xiàn)[6]提出了用小波分析的方法來構(gòu)造奇異信號的提取器，應(yīng)用于伺服閥的故障診斷中。文獻(xiàn)[7]運(yùn)用動態(tài)神經(jīng)網(wǎng)絡(luò)對伺服閥建立了動態(tài)模型仿真，并進(jìn)行實(shí)時(shí)監(jiān)控，在系統(tǒng)發(fā)生故障時(shí)可對故障源準(zhǔn)確定位。前者對伺服系統(tǒng)的實(shí)時(shí)信號進(jìn)行采集，并與正常情況下的標(biāo)準(zhǔn)信號分別進(jìn)行離散小波變換后對比，然后在提取器中做信號重構(gòu)并輸出異常成分，從而達(dá)到對系統(tǒng)故障的實(shí)時(shí)診斷效果。后者的動態(tài)診斷性能體現(xiàn)在對系統(tǒng)的位置、壓差等連續(xù)信號進(jìn)行實(shí)時(shí)監(jiān)控檢測，并與系統(tǒng)原有信號生成故障殘差，從而動態(tài)監(jiān)測系統(tǒng)故障。作者運(yùn)用小波包分解結(jié)合系統(tǒng)實(shí)時(shí)檢測選取適當(dāng)?shù)奶卣飨蛄浚⒔柚植诩喕卣飨蛄烤S數(shù)，動態(tài)監(jiān)控系統(tǒng)運(yùn)行狀態(tài)，通過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對系統(tǒng)發(fā)生的故障進(jìn)行動態(tài)檢測。
美國MOOG穆格伺服閥狀態(tài)信號的分析和選擇
所研究的伺服閥為多級伺服閥，一個(gè)雙噴嘴擋板的二級先導(dǎo)閥和一個(gè)大功率輸出級滑閥的主閥。伺服閥把微小的電信號通過力位移轉(zhuǎn)換器 ( 力矩馬達(dá))變?yōu)槲⑿〉奈灰菩盘?，再用前置放大器把微小的位移信號轉(zhuǎn)換為推動滑閥運(yùn)動的壓力信號?；y借助閥芯的位移輸出很大的流體動力信號。
原裝MOOG伺服閥性能曲線圖
美國MOOG穆格電液伺服閥的在線故障診斷長期以來都是重大裝備性能維護(hù)中亟需解決的難題之一，作者對伺服閥的動態(tài)特征信息的在線提取方法進(jìn)行了研究:
( 1) 基于伺服閥的工作特性，提出了一種反映伺服閥動態(tài)特征的狀態(tài)信號選取方法。
( 2) 通過對伺服閥閥芯開口度的時(shí)頻聯(lián)合分析，結(jié)合所選取的伺服閥特征參數(shù)，提取出反映伺服閥動態(tài)特征信息的特征向量。
( 3) 基于粗糙集理論對特征量進(jìn)行了特征約簡，大大提高了伺服閥異常狀態(tài)在線識別的效率。通過人工神經(jīng)網(wǎng)絡(luò)對伺服閥性能在線診斷的實(shí)驗(yàn)結(jié)果表明: 基于所提出的伺服閥動態(tài)特征信息在線提取方法，能有效判斷伺服閥的工作狀態(tài)，為電液伺服閥的在線故障診斷奠定了基礎(chǔ)，對實(shí)際伺服閥的使用和維護(hù)具有指導(dǎo)意義。進(jìn)一步的研究將是通過伺服閥故障模式的積累，對伺服閥的潛在故障作出診斷和預(yù)測，為伺服閥的維護(hù)提供更加有效便捷的手段。
美國MOOG穆格電液伺服閥是電液伺服控制中的關(guān)鍵元件，其性能關(guān)系到整個(gè)伺服系統(tǒng)的控制精度和響應(yīng)速度。當(dāng)前，伺服閥的故障診斷仍以離線為主，缺乏在線診斷的有效手段。根據(jù)伺服閥的工作特性，提出一種反映伺服閥動態(tài)特征的狀態(tài)信號選取方法; 通過對伺服閥閥芯開口度進(jìn)行時(shí)頻聯(lián)合分析，結(jié)合所選取的伺服閥特征參數(shù)，提取出反映伺服閥動態(tài)特征信息的特征向量; 采用粗糙集理論對特征量進(jìn)行約簡以提高在線診斷效率。基于人工神經(jīng)網(wǎng)絡(luò)的伺服閥性能在線診斷的實(shí)驗(yàn)結(jié)果表明: 所提取的特征向量能夠準(zhǔn)確反映伺服閥動態(tài)特征信息，有效判斷伺服閥的異常狀態(tài)，為電液伺服閥的在線故障診斷提供了參考。
原裝MOOG伺服閥性能曲線圖
阿托斯電子放大器現(xiàn)貨