针对采煤机液压系统故障诊断精度不高的问题,提出一种套索(LASSO)算法与径向基函数神经网络(RBFNN)相结合的故障诊断模型。首先利用LASSO算法去除液压系统中冗余特征,筛选关键故障特征,减少模型过拟合风险;故障特征筛选后确定RBFNN拓扑结构,将采煤机液压系统故障数据输入模型中,进行故障诊断;最后将LASSO-RBFNN模型诊断结果与RBFNN模型和BP神经网络模型诊断结果进行对比。试验结果表明,该模型可用更短的网络训练时间得到较高的故障诊断精度。

由于压电型电液伺服阀的阀芯是采用两个对顶压电驱动器驱动，且压电驱动器固有的迟滞非线性，使两压电驱动器的输出具有很强的耦合作用，不能同步；从而使阀芯的运动速度、精度和平稳性降低。采用单纯的PID控制，可以在一定程度上实现解耦控制，但其控制精度比较低，同步性很差。所以，又提出了基于神经网络的参数自整定PID智能控制器，来进行解耦同步控制。实验结果表明BPNN整定的PID和RBFNN整定的PID智能控制器都可以很好地实现解耦同步控制，但后者的实时性要比前者好些，所以后者更适合该压电型电液伺服阀阀芯的控制。