GA-BP神经网络在液压缸故障诊断仿真中的应用

简介

大型AGC伺服液压缸结构复杂、价格昂贵、维修成本高,故障模拟代价巨大。为解决大型液压缸实际工作过程中故障数据难收集难处理的问题,提出利用仿真模拟液压缸模型,从中提取故障数据,通过遗传算法(Genetic Algorithm,GA)来优化BP神经网络处理数据的故障诊断方式。运用仿真软件AMESim建立对应的液压缸仿真模型,通过改变仿真参数模拟出液压缸5种故障类型,获取故障数据。分别用传统的BP网络和经过遗传算法优化后的BP网络进行训练和测试。测试结果表明,GA-BP神经网络比传统BP神经网络测试误差小、预测精度高,能够准确实现故障诊断。该方法也为大型液压缸故障诊断提供了一种解决思路和方法。