路灯安装车出租顺德升降安装车出租

     

        路灯安装车出租顺德升降安装车出租139 2829 2824 登高车出租, 顺德升降安装车出租, 顺德升降安装车租赁 基于神经网络诊断系统的结构模型的登高车液压系统故障诊断方法   液压系统故障诊断神经网络模型: 登高车液压系统故障诊断中，诊断对象既有设备本身又有生产工艺过程，可以通过振动、噪声、压力和电流等信号来获取故障特征信息。研究的信号有显性参量和隐性参量，显性参量包括电流、温度、压力和流量等，隐性参量包括振动和噪声信号。进行故障诊断就是从这些信号中提取故障特征信息，形成网络训练的输入输出向量，供网络的学习和识别。其过程如图1所示。登高车液压系统故障诊断的神经网络的组建过程为：①诊断知识的获取；②神经网络的结构构造；③对神经网络进行训练，获得网络连接权值和阈值，形成知识库。本文以登高车行驶液压系统为代表，研究基于BP网络的故障诊断模式。由选取的样本相应确定网络的输入输出神经元数目为8个和10个，通过不断试算确定隐层的佳神经元数目为12，这样就确定了网络的结构。 获取知识的获取表现为训练样本的选择和获取，训练样本来源于同类诊断设备在正常工作状态和故障状态的各种特征参数。对于登高车液压系统故障，本文确定系统的压力、系统的温度、马达的转速、液压泵的马力等显性参量作为网络的输入，同时通过传感器测定泵的噪声和溢流阀的噪声等信号，并提取信号的特征值共同作为输入。网络的输入向量，一般对于网络的c个类别的模式识别问题，每个类别分别有Ni（i=1，2，…，c）个训练样本向量，总计就有I=ci=1ΣNi个样本向量。那么对应的期望输出，即外监督信号为一个I列矩阵：与实际输出作比较得信号误差，对网络进行训练。训练成功后，就会得到神经网络的一个输入层到隐含层的12×8的权值矩阵、一个12维隐层阈值向量、一个10×12的隐层到输出层的权值矩阵和一个10维的输出层阈值向量，这就是代表了该组登高车液压系统训练样本的诊断领域的知识。

 

      登高车出租, 顺德升降安装车出租, 顺德升降安装车租赁

 

      诊断的模糊化研究, 由于实际的数据常常是病态的，其分类边界是模糊的，而且故障与征兆之间的关系也常常是模糊的，因此有必要把模糊理论与神经网络结合起来处理。在此将网络输入输出训练样本模糊化，通过训练后，使网络具有反应训练集中输入与输出之间模糊隶属关系的能力。在应用阶段，输出就能给出相应模式的隶属度。这种对不同类输出给出不同的隶属度的方式取代了原来的二值方式，从而使神经网络更能有效地对边界模糊数据进行分类。下面是输出向量模糊化的步骤：a）依所分析问题的故障种类，取得不同类的训练样本。如果每一类故障原因都至少需要一组训练样本，那么在本文中我们选取10组样本；b）由下式求出每一类样本的均值矢量和标准差矢量；c）由下式求出训练模式Fi对第k类的加权距离；Zik=Mj=1Σfij-XkjΣ ：fij———第i个模式的第j个元素值。d）由公式uk[Fl]=1/1+（Zik/α）β求得第i个模式对第k类的隶属度值uk，这样分别计算了输出某一模式下对各故障的隶属度，终形成输出向量。

    神经网络是一种应用极其广泛的有监督学习的前馈神经网络，监督学习神经网络模型包括3个重要组成部分：a）环境。被学习的对象，可以向学习机提供一组样本向量x，具体来说就是指登高车行驶液压系统；b）教师。它本身存储了有关环境的知识，对于给定的输入x，就可以得到相应的响应d；c）学习机。即算法，它可以实现一组输入到输出的映射y=f（x，w，θ），其中y是学习机产生的输出，w和θ是网络的权值和阈值。5登高车液压系统故障神经网络诊断的推理神经网络故障诊断过程实质上就是由已知的输入模式(故障征兆)经过网络的计算得到输出模式(故障原因)，是一种正向推理过程。登高车液压系统故障诊断神经网络为3层，其推理步骤如下：a）调入故障诊断的知识库，即网络的两个权值矩阵和两个阈值向量；b）输入各项故障的征兆值（xi1，xi2，…，xil），i=1，2，…，N，即待识向量；c）计算各隐含层神经元的输出；d）计算各输出层神经元的输出。6结束语本文介绍了BP神经网络在登高车液压系统故障诊断中的应用。一般说来，由故障征兆输入信号来确定网络的输入层神经元数目ni，故障原因对应于网络的输出层神经元个数n0，再由公式n=ni+n0姨+a大致估计隐含层神经元数目，其中a取1～10之间的常数。

 

        登高车出租, 顺德升降安装车出租, 顺德升降安装车租赁