本站原创摘 要 ：针对电动轮自卸车可靠、高效运行的要求,采用小波包变换将车轮数据采集系统采集到的数据滤波、去噪后进行特征值提取,然后构建一个Elman神经网络来进行故障识别,相比原有的数据分析系统,性能有了大幅提高,故障诊断以及故障处理更加准确.
关 键 词 ：小波包 Elman 电动轮自卸车 智能化 故障诊断
中图分类号：TH137.51 文献标识码：A 文章编号：1007-9416（2013）12-0098-01
目前的电动轮自卸车只是采用硬件滤波方式,在恶劣工作环境下容易数据误差过大[1].而其故障诊断系统通过构建对象系统模型、知识库以及神经网络,获取故障特征的分析方法,这种方法的学习过程比较复杂,对于新的故障类型学习能力不强,不适宜多组数据的分析[2].
本系统采用高性能DSP构建电动轮自卸车综合性、智能化故障诊断系统,通过小波包变换来滤波消噪,构建Elman神经网络综合分析多类数据,减小了故障数据的误差,故障诊断更为准确.
1.故障诊断系统构成
电动轮自卸车故障诊断系统由DSP数据采集分析板、人机界面、J1939网络总线及电动轮自卸车信息单元组成,电动轮自卸车信息单元由各类传感器构成,J1939网络总线负责传输数据,DSP数据采集分析板进行数据采集、信号调理、A/D转换、综合分析、故障诊断.
2.小波包变换
小波包变换具有信号时频局部化的良好特性,能同时提供非平稳信号时域和频域中的局部化信息,已成为故障或异常状态特征信号提取的有力工具.小波包分析对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力.
3.Elman人工神经网络
4.电动轮自卸车车轮故障诊断仿真与研究
左、右轮电机是电动轮自卸车的重要部件,其主要故障有转子不平衡、转轴弯曲、转子不对中、转子与静止件摩擦、转子支承系统联接松动.电机转子不平衡包括转子系统的质量偏心及转子部件出现缺损.首先通过传感器采集到电动轮自卸车车轮在运转过程中的振动信号,再按照频率顺序小波包分解对数据进行处理,接下来通过时频方法矩阵对处理后的数据提取特征量,并使用提取出的特征量对Elman人工神经网络进行训练.最后得出计算结果,诊断出电机在运行过程中发生的故障,并与实际状况做出对比.
经过上面数据采集单元中振动传感器采集进入电脑的数据分为5组,分别对应着电动轮自卸车车轮运转在五种不同工作状况之下.
5.结语
从上面测试结果可以看出,将采集的振动信号进行小波包变换处理可以有效的提取特征向量,并能够利用这些特征向量对Elman 人工神经网络进行有效的训练,从而使神经网络系统对电动轮自卸车车轮的故障做出准确的判断.