基于小波分析的液压缸内泄漏检测方法
现有的液压缸内泄漏检测方法大都为实验室检测方法,主要为保压法、测量液压缸沉降法和量杯测量法等,上述方法均为静态检测方法,均无法在液压缸的使用过程中对液压缸的内泄漏进行态检测。详细地介绍一种基于小波分析提取液压缸内泄漏故障特征值来判断液压缸是否存在内泄漏故障的实时检测方法。该方法实时采集液压缸在运行过程中无杆腔液压油的压力信号并对采集的压力信号运用小波变换获得该压力信号的时频特性,分析获得与液压缸内泄漏故障相关的特征量,通过对提取的被检测液压缸内泄漏故障特征量与无泄漏故障的特征量进行对比的方式来实现对液压缸内泄漏故障的精确检测。可实现在液压缸的工作过程中对其内泄漏故障状态的实时检测,检测的准确度较高,具有一定的工程实际意义。
数字液压缸在数控折弯机液压控制系统中的应用与分析
数控折弯机是板料加工的专用设备,为实现折弯机液压油缸的同步化控制,传统的方式多为采用比例控制阀控制液压缸实现同步动作,达到液压系统同步控制的目的。为了提高现有数控折弯机的生产效率、控制精度及产品质量,将数字液压缸应用于数控折弯机的液压同步控制系统,建立数字液压缸的数学模型,进行仿真分析,仿真结果显示:将数字液压缸应用于数控折弯机的液压控制系统,可以简化控制系统,降低控制系统的复杂程度,简化控制流程,提高生产效率,提高数控折弯机的控制精度,进而提高了产品的质量。
DE_kmeans预测液压缸零件工时定额
为提高液压缸零件工时定额预测的准确性及高效性,提出一种基于加工特征参数的DE_kmeans预测模型。首先根据工时影响因素提炼出历史及待预测加工特征参数;采用改进的DE_kmeans算法对历史加工特征参数进行聚类成组;对每个聚类组分别建立BP神经网络预测模型并基于历史加工特征参数进行训练;针对待预测加工特征参数,按照标准化欧式距离最小的原则划分至特定聚类组及预测模型;用该模型对待预测零件工时进行预测。通过测试实例验证该方法的预测误差控制在10%以内,证明该方法的可行性及有效性。
-
共1页/3条