MDEL900提梁机卷扬系统多神经网络故障诊断研究

针对MDEL900提梁机卷扬系统液压故障多样性问题,讨论了传统反向传播(BP)神经网络、粒子群算法优化的反向传播(PSO-BP)神经网络及遗传算法优化的反向传播(GA-BP)神经网络这3种常见诊断方法的优劣性。在AMESim软件中建立了卷扬系统的机电液模型,设置了变量马达、变量泵和阀两两之间的混合故障模型,以此获得故障诊断样本。将样本数据导入MATLAB软件中训练神经网络,使其在不确定工况的情况下,能根据系统最终输出数据判断系统内部损坏位置,并进一步研究不同诊断方法对故障诊断率的影响,为故障诊断的改良提供参考。研究表明,遗传算法和粒子群算法均可提高BP神经网络的诊断率。其中,遗传算法参数更多,可塑性强,但寻优算法较复杂,所需时间较长;粒子群算法参数更少,寻优方式简单,能更快速地找到最优解。