基于RBF网络和ARX模型的液压系统故障诊断方法

被引：12

作者：

贺湘宇 ^{[1
,2
]}

何清华 ^{[2
]}

邹湘伏 ^{[2
]}

谢习华 ^{[2
]}

黄志雄 ^{[2
]}

机构：

[1] 长沙理工大学汽车与机械工程学院

[2] 中南大学机电工程学院

来源：

系统仿真学报 | 2009年 / 01期

关键词：

故障诊断; 液压系统; 挖掘机; 径向基函数网络; 有源自回归模型;

D O I：

10.16182/j.cnki.joss.2009.01.057

中图分类号：

TP277 [监视、报警、故障诊断系统];

学科分类号：

0804 ; 080401 ; 080402 ;

摘要：

提出了基于径向基函数(Radial Basis Function,RBF)网络和有源自回归(Auto-Regressive with Extra Inputs,ARX)模型的液压系统的故障诊断方法。作为一种性能优越的网络分类器,RBF网络比传统的反向传播(Back Propagation,BP)网络表现出更好的分类效果,非常适合于故障特征识别。故障诊断方法首先针对目标故障状态建立ARX模型,提取ARX模型的自回归系数作为故障特征向量。然后将故障特征向量作为RBF网络训练样本,建立RBF网络故障分类器,进一步根据RBF网络的输出结果来判断故障的类型。通过建立挖掘机铲斗部分液压系统仿真模型,验证了于基于RBF网络和ARX模型的故障诊断方法的有效性。

引用

页码：282 / 285

页数：4

共 8 条

[1] 液压挖掘机工作装置模型及控制的试验研究 [J].