基于遗传神经网络的压电型电液伺服阀故障诊断

摘要：

压电型电液伺服阀是一种具有高频响的新型电液伺服阀,是一个集机、电、液于一体的精密液压元件,其故障通常表现为机械故障、电气故障和液压故障的复杂耦合,从而导致故障的现象与故障的原因之间呈现很强的非线性映射关系,传统的故障诊断方法难以准确识别其故障模式。由于人工神经网络具有很强的非线性逼近能力,三层的BP 网络可以以任意的精度逼近任意的非线性,很适用于压电型伺服阀的故障诊断。然而单纯的BP 网络容易陷入局部极优,而遗传算法有强全局随机搜索能力,所以本文采用遗传BP 神经网络对压电型伺服阀进行故障诊断,该算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局随机搜索能力,仿真实验结果表明该算法非常适合于压电型伺服阀的故障诊断。

关键词： 压电型电液伺服阀 遗传算法 BP神经网络 故障诊断 故障分析 非线性逼近

作者: 曹锋 焦宗夏 梁磊 王少萍

作者单位: 北京航空航天大学自动化科学与电气工程学院,北京,100083

会议类型: 国内会议

会议名称: 第7届国际可靠性、维修性、安全性学术会议(The Seventh International Conference on Reliability,Maintainability and Safety)

会议地点: 北京

会议语种:中文

在线出版日期: 2007-08-22（万方平台首次上网日期，不代表论文的发表时间）