EMD與神經網絡的ATOS柱塞泵故障診斷
混凝土泵車是一種負載變化復雜、工作環境惡劣的工程機械,其內部元件常由于疲勞或油液污染引起各種故障的發生,混凝土泵車一旦出現事故往往對生產安全造成很大危害。根據統計,ATOS柱塞泵是混凝土泵車中zui主要的故障源之一,但是ATOS柱塞泵作為泵車泵送動力的來源,既是旋轉機械,又是往復運動機械和機液轉換元件,工作過程中既有機械零件間的振動,又有工作介質引起的沖擊,因而其給診斷帶來了很大的難度。

EMD與神經網絡的ATOS柱塞泵故障診斷
分析了ATOS柱塞泵的結構特點與運動規律,指出常見故障的發生位置與振動頻率,通過傳統頻譜分析方法做出功率譜與包絡譜,但由于介質沖擊影響嚴重無法找出故障特征。進而提出利用Hilbert-Huang變換的核心理論EMD,將實驗臺中測取的五種常見故障與正常狀態的振動信號進行分解,得到與自身頻率組成相符的各頻段信號波形,通過分析將其中蘊含故障信息豐富的高頻段分量建立時間序列AR模型,并將模型參數作為故障診斷的特征參數,作為后續神經網絡的輸入。神經網絡具有強大的非線性映射和并行處理的功能,網絡中的權值向量模擬人大腦神經元的記憶方式,可以較為穩定的存儲來自輸入樣本的特征信息,并利用已有信息對新輸入做出分類辨識,以斜盤式軸向ATOS柱塞泵作為研究對象,運用有限元分析的方法,對其施加滿足實際工況的約束,在計算機容量允許的情況下,選擇精度更高的單元和劃分更細的網格密度,計算出ATOS柱塞泵的固有頻率以及模態振型。為了驗證有限元法計算結果,又通過實地的振動試驗,具體測出了ATOS柱塞泵的共振頻率,驗證了有限元計算結果的正確性。利用經過驗證的有限元模型,在計算機上作結構改進仿真設計,找到提高ATOS柱塞泵共振頻率的措施。通過多種方案比較,采用將ATOS柱塞泵前端的圓柱滾子軸承改成深溝球軸承,可以實現在不改動ATOS柱塞泵其他零件尺寸的前提下,提高ATOS柱塞泵的模態頻率,使ATOS柱塞泵更不易發生共振。

EMD與神經網絡的ATOS柱塞泵故障診斷
因此利用較新型的Fuzzy ARTMAP神經網絡對ATOS柱塞泵六種狀態振動信號的特征參數進行學習與分類,結果表明該方法可以有效地完成診斷。還就特征參數個數對神經網絡的分類效率影響進行了討論,并實現了在不影響診斷準確率的條件下對特征參數數量的減少。