基于SVM的无轨胶轮车全液压制动系统故障诊断研究

作     者：杨凯迪 

作者单位：山东科技大学 

学位级别：硕士

导师姓名：刘志海

授予年度：2017年

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 

主      题：无轨胶轮车 全液压制动系统 支持向量机 故障诊断 Labwindows/CVI 

摘      要：经国内外实践经验表明,矿用无轨运输设备在现代化矿井的运作中发挥着重要作用。与传统的运输方式相比,矿用无轨运输设备具有载重量大,速度快,效率高等独特优势,因此,可以在很大程度上提高矿井运输能力、生产能力和社会经济效益。其中,无轨胶轮车因其较好的灵活性得到广泛使用。为了提高行车安全性和制动可靠性,无轨胶轮车一般采用全液压双回路制动系统。由于煤矿井下环境比较恶劣,无轨胶轮车要长期承受巨大的工作负荷,同时在大载荷下车辆还要进行频繁的启动与制动等操作,因此制动回路中的制动器、蓄能器、充液阀以及液压管路等部件会不可避免地出现一些故障,使车辆在运输过程中失去控制,严重时则可能造成矿井人员伤亡,带来不必要的人财损失。因此,针对无轨胶轮车全液压制动系统进行故障诊断研究,对于煤矿安全、高效地生产具有重大价值。首先,根据无轨胶轮车的全液压制动系统结构组成和重要工作参数,在AMESim环境下搭建了全液压制动系统仿真模型,得到前桥蓄能器、后桥蓄能器、前桥制动器、后桥制动器的压力输出曲线。结合全液压制动系统的工作原理,对系统的动态响应性能进行分析,验证了所建立AMESim仿真模型的合理性。同时,通过该仿真模型获得了前后桥蓄能器、前后桥制动器的压力输出数据,以及制动踏板压力输入数据,为下一步进行支持向量机故障诊断提供了可靠的原始数据样本。其次,基于SVM回归预测故障诊断原理,建立了 4个SVM回归预测模型,分别对前桥蓄能器压力、后桥蓄能器压力、前桥制动器压力以及后桥制动器压力进行了训练和校验,得到的建模误差和校验误差均在10-2～10-1数量级,验证了 SVM模型的推广性能。再通过所建立的SVM回归预测模型对故障数据进行预测,结果发现在故障数据下得到的残差值发生突变,有效诊断出了相应的故障及其发生时间,验证了 SVM在全液压制动系统故障诊断中的可行性。为了进一步增强SVM故障预测模型的诊断性能,有效提高故障诊断正确率,利用交叉验证、遗传算法以及粒子群算法分别对SVM故障预测模型的核参数g以及惩罚参数c进行优化。在最佳参数g和参数c下再次对SVM回归模型进行训练与预测,得到诊断效果更优的SVM故障预测模型,其预测精度由原来的10-3提升到10-5数量级,结果令人满意。最后,基于Labwindows/CVI软件设计了 一套全液压制动系统状态监测与故障诊断系统,通过友好的人机界面对液压制动系统的状态进行实时监控,并利用ActiveX技术调用MATLAB支持向量机故障预测模型程序,实现了对全液压制动系统的状态监测与故障诊断。