CN108843654A - 一种基于子空间辨识的阀控液压缸泄漏判断装置及方法 - Google Patents
一种基于子空间辨识的阀控液压缸泄漏判断装置及方法 Download PDFInfo
- Publication number
- CN108843654A CN108843654A CN201810726465.3A CN201810726465A CN108843654A CN 108843654 A CN108843654 A CN 108843654A CN 201810726465 A CN201810726465 A CN 201810726465A CN 108843654 A CN108843654 A CN 108843654A
- Authority
- CN
- China
- Prior art keywords
- oil liquid
- leakage
- hydraulic cylinder
- valve control
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/005—Fault detection or monitoring
Abstract
一种基于子空间辨识的阀控液压缸泄漏判断装置及其判断方法,所述装置包括液压缸、压力传感器、节流阀、回油箱、负载和故障诊断器;所述压力传感器用于测量液压缸活塞两侧的油液压力;所述节流阀用于监测液压缸的外泄漏和内泄漏;所述故障诊断器根据采集的负载位移、油液压力数据,采用子空间辨识算法判断液压缸是否发生泄漏。本发明采用子空间辨识方法计算阀控液压缸的内、外泄漏系数,利用离散时间状态空间模型描述阀控液压缸系统,由此进行阀控液压缸泄漏故障判断,使得计算量减小,且能够准确计算得到系统内、外泄漏系数的估计值,提高了阀控液压缸泄漏故障判断的准确率。
Description
技术领域
本发明涉及阀控液压缸监测领域,具体涉及一种基于子空间辨识的阀控液压缸泄漏判断装置及方法。
背景技术
阀控液压缸作为执行机构在工程机械及工业装备中有着广泛的应用。近年来,有关阀控液压缸泄漏诊断的理论与方法受到高度关注:一方面,液压缸的内泄漏检测长期以来是工程实践中的一大难点;另一方面,泄漏故障一旦发生而未及时采取有效措施,可能会造成极其严重的后果。因此,提出一种有效、及时且便捷的阀控液压缸泄漏诊断方法具有重要的现实意义。
近二十年来,国内外学者针对液压装置泄漏诊断进行了大量的研究工作。LiangAN等采用广义卡尔曼滤波方法对液压系统状态进行估计预测,实现了对液压系统不同泄漏类型的故障诊断;邹俊等针对液压泥炮系统泄漏量小、故障频发的特点,将主成分分析(PCA)方法引入到液压泥炮系统的泄漏检测中,克服了该系统由于泄漏量小对泄漏诊断产生的不利影响,提高了系统泄漏故障诊断的准确性;周小军将外泄漏和内泄漏分别等效为孔口出流和缝隙流动,采用支持向量机方法提出故障诊断策略,并运用AMESim对相关系统进行了仿真分析。A.Y.Goharrizi等研究了Hilbert变换对于液压缸的内泄漏检测的适用性,证明了与第一固有模态函数相关的瞬时振幅的均方根值能够有效地反应液压缸内泄漏及其严重程度,实现了对液压缸小流量泄漏的在线识别。李琳等通过小波分解提取液压缸进口压力信号特征,利用BP神经网络建立分类器,实现了对液压缸内泄漏的智能识别。
然而上述现有方法的物理含义通常比较模糊,缺乏直观性,计算比较复杂。
发明内容
(一)发明目的
本发明的目的是提供一种基于子空间辨识的阀控液压缸泄漏判断装置及方法,通过测量、计算得到装置系统内、外泄漏系数的估计值,判断阀控液压缸泄漏的发生、类型及其严重程度。
(二)技术方案
为解决上述问题,本发明的第一方面提供了一种基于子空间辨识的阀控液压缸泄漏判断装置,包括:液压缸、压力传感器、节流阀、回油箱、负载和故障诊断器;
所述压力传感器用于测量液压缸活塞两侧的油液压力;
所述液压缸活塞两侧分别连接一个节流阀,每个节流阀连接一个回油箱,且活塞两侧之间连接一个节流阀;所述节流阀分别用于监测液压缸的外泄漏和内泄漏;
所述负载连接所述液压缸的活塞杆;
所述故障诊断器根据采集的负载位移、油液压力数据,采用子空间辨识算法判断液压缸是否发生泄漏。
在一些实施例中,所述负载包括质量块、阻尼和弹簧;所述质量块连接所述活塞杆,所述阻尼和弹簧一端连接所述质量块,另一端连接固定壁。
在一些实施例中,还包括光栅尺,用于测量所述负载的位移。
在一些实施例中,取状态变量其中xp是液压缸活塞位移、p1是无杆腔油液压力、p2是有杆腔油液压力,输入量u为驱动力F,输出量y为[xp p1 p2]T,所述装置的离散时间状态空间表达式为:
式中
其中,k=0,1,2,…,τ为采样周期,ks为负载弹性模量,m为负载质量,bd为阻尼系数,A1为无杆腔活塞有效面积,A2为有杆腔活塞有效面积,V1为无杆腔油液体积,V2为有杆腔油液体积,Kci为内泄漏系数,Kco1为无杆腔外泄漏系数,Kco2为有杆腔外泄漏系数,E为油液体积弹性模量。
在一些实施例中,采用子空间辨识的MOESP方法,通过所述装置的输入、输出得到矩阵Ad经线性变换后的矩阵AdT,Ad与AdT具有相同的特征值和特征多项式。所述输入为对负载的外驱动力,所述输出为液压缸位移、无杆腔油液压力和有杆腔油液压力;然后,分别求Ad与AdT的特征多项式,得到Ad的特征多项式各次项系数关于的Kci,Kco1,Kco2的表达式,使之与AdT的特征多项式各次项系数对应相等;最后,解出Kci,Kco1,Kco2的估计值并由所述故障诊断器根据估计值判断阀控液压缸泄漏的发生、类型与严重程度。
本发明的第二方面提供了一种基于前述装置进行阀控液压缸泄漏的判断方法,包括如下步骤:
对所述装置进行状态空间建模,得到关于Kci、Kco1、Kco2的状态空间离散矩阵表达式,其中Kci为内泄漏系数,Kco1为无杆腔外泄漏系数,Kco2为有杆腔外泄漏系数;
采集所述装置的输入、输出信号,所述输入信号为对负载的外驱动力,所述输出信号为液压缸位移、无杆腔油液压力和有杆腔油液压力;
采用子空间辨识算法,根据所述输入、输出信号,计算得出Kci,Kco1,Kco2的估计值
根据所述估计值评估液压缸泄漏状况。
在一些实施例中,采集所述装置的输入、输出信号之后还包括对所述输入、输出信号进行去噪、滤波预处理的步骤。
在一些实施例中,所述关于Kci、Kco1、Kco2的状态空间离散矩阵表达式为:
取状态变量x,xp是液压缸活塞位移、p1是无杆腔油液压力、p2是有杆腔油液压力,输入量u为驱动力F,输出量y为[xp p1 p2]T;
式中
其中,k=0,1,2,…,τ为采样周期,ks为负载弹性模量,m为负载质量,bd为阻尼系数,A1为无杆腔活塞有效面积,A2为有杆腔活塞有效面积,V1为无杆腔油液体积,V2为有杆腔油液体积,E为油液体积弹性模量。
在一些实施例中,采用子空间辨识的MOESP方法,通过所述装置的输入、输出得到矩阵Ad经线性变换后的矩阵AdT,Ad与AdT具有相同的特征值和特征多项式;然后,分别求Ad与AdT的特征多项式,得到Ad的特征多项式各次项系数关于的Kci,Kco1,Kco2的表达式,使之与AdT的特征多项式各次项系数对应相等;最后,解出Kci,Kco1,Kco2的估计值并由此判断阀控液压缸泄漏的发生、类型与严重程度。
综上所述,本发明提供了一种基于子空间辨识的阀控液压缸泄漏判断装置及其判断方法,所述装置包括液压缸、压力传感器、节流阀、回油箱、负载和故障诊断器;所述压力传感器用于测量液压缸活塞两侧的油液压力;所述节流阀用于监测液压缸的外泄漏和内泄漏;所述故障诊断器根据采集的负载位移、油液压力数据,采用子空间辨识算法判断液压缸是否发生泄漏。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果:
采用子空间辨识方法计算阀控液压缸的内、外泄漏系数,利用离散时间状态空间模型描述阀控液压缸系统,由此进行阀控液压缸泄漏故障判断,使得计算量减小,且能够准确得到系统内、外泄漏系数的估计值,提高了阀控液压缸泄漏故障判断的准确率。
附图说明
图1是本发明的阀控液压缸泄漏判断装置的结构示意图;
图2是本发明的阀控液压缸泄漏判断方法的流程示意图。
附图标记:
1:回油箱;2:节流阀;3:压力传感器;4:差动液压缸;5:质量块;6:弹簧;7:阻尼;8:光栅尺;9:故障诊断器。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
本发明首先建立阀控液压缸装置的状态空间模型。研究对象如图1所示,一种基于子空间辨识的阀控液压缸泄漏判断装置,包括:回油箱1、节流阀2、压力传感器3、差动液压缸4、质量块5、弹簧6、阻尼7,光栅尺8和故障诊断器9。其中,a,b,c三处的节流阀2分别模拟液压缸4两腔之间的内泄漏与各自的外泄漏,a处的节流阀2模拟液压缸4的无杆腔和有杆腔之间的内泄漏,b、c两处的节流阀2分别模拟无杆腔外泄漏和有杆腔外泄漏,且b、c两处的节流阀2连接有回油箱1。压力传感器3具有两个,分别用于测量液压缸活塞两侧的油液压力、即无杆腔油液压力和有杆腔油液压力,并将测得的压力信号传输给故障诊断器9。所述液压缸4活塞杆轴向的外力驱动F活塞杆运动,使得活塞杆和负载产生位移。该负载包括质量块5、弹簧6和阻尼7,所述质量块5连接所述活塞杆,所述阻尼6和弹簧7一端连接所述质量块5,另一端连接固定壁。光栅尺8固定在质量块5上方用于标识质量块5的位移,并由位移传感器测量位移后传输给故障诊断器9。所述故障诊断器根据采集的负载位移、油液压力数据以及给活塞杆施加的驱动力F,采用子空间辨识算法判断液压缸是否发生泄漏。
对于图1给出的装置进行状态空间建模,为此,给出装置所满足的物理方程。液压缸无杆腔流量连续性方程:
液压缸有杆腔流量连续性方程:
式中A1为无杆腔活塞有效面积;A2为有杆腔活塞有效面积;V1为无杆腔油液体积;V2为有杆腔油液体积;Kci为内泄漏系数;Kco1为无杆腔外泄漏系数;Kco2为有杆腔外泄漏系数;E为油液体积弹性模量;p1为无杆腔油液压力;p2为有杆腔油液压力;xp为活塞位移。
考虑到活塞杆上的惯性、阻尼、弹簧负载,其力平衡方程为:
式中F为外驱动力,m为负载质量,bd为系统阻尼系数,ks为负载弹性模量。
取状态变量,xp是液压缸活塞位移、p1是无杆腔油液压力、p2是有杆腔油液压力,输入量u为驱动力F,输出量y为[xp p1 p2]T,则图1装置的连续时间状态空间表达式为:
式中
由于实际过程中,传感器测得的位移与压力信号均为离散时间信号,因而将式(4)转化为离散时间形式。设采样周期为τ,并采用欧拉法近似替代状态变量的一阶导数,得到装置的离散时间状态空间表达式:
式中
本发明所针对的阀控液压缸泄漏模型为四阶开环离散时间系统,采用子空间辨识理论中经典的MOESP方法,由装置输入、输出量得到原装置矩阵Ad经某一线性变换后的矩阵AdT,Ad与AdT具有相同的特征值和特征多项式。所述子空间辨识方法是一种多输入多输出(MIMO)线性系统的离散时间状态空间模型的辨识方法,MOESP(multivariable outputerror state space)是其中具有代表意义的离线算法之一。
以下阐述对于一般离散系统的MOESP辨识算法,假设装置状态空间模型为:
上式中状态变量x(k)为n维实数向量,系统输入u(k)为m维实数向量,系统输出y(k)为l维实数向量,A为n行n列的实数矩阵,B为n行m列的实数矩阵,C为l行n列的实数矩阵,D为l行m列的实数矩阵,n,m,l均为正整数,k=0,1,2,…。若装置初值为x(0),则由式(6)可得
式中i为求和式的整数下标,由0变化至k-1。类似地,对于装置输出有
将式(7)、式(8)写成矩阵形式,则有
式中,s>n,正整数s为采样点个数,即上式表达了系统在s个采样时点的输入u、输出y与状态变量x间的关系,正整数n为状态变量x的维数。定义
Yi,N=[y(i),y(i+1),…,y(i+N-1)]∈Rm×N
N为正整数。类似地,定义Xi,N,Ui,N与Ui,s,N。同时,定义
则式(10)可简写为
Y0,s,N=ΓsX0,N+Hu,sU0,s,N (11)
显然,若能求得Γs,则矩阵A与矩阵C便能较方便地通过矩阵相关运算得到。为此,需消除等式(11)右边的Hu,sU0,s,N项。在输入数据满足满秩的条件下,等式(11)两边同时乘以任意矩阵的行空间在矩阵U0,s,N行空间的正交补空间上的投影算子其定义为
其中,IN为N阶单位矩阵,显然
则式(11)转化为
可以证明,在一个可观可达的装置中,与Γs的列空间是等价的,二者的秩均为n。因而,根据矩阵理论可以通过对进行SVD分解得到Γs经线性变换后的矩阵,进一步,可辨识出原装置矩阵A经线性变换后的矩阵AT。然而,在计算时需进行矩阵求逆运算,且列数为N,当N较大时运算量十分庞大。因而本发明采用对U0,s,N与Y0,s,N进行LQ分解避免矩阵求逆运算:
式(14)中Q1,Q2,Q3均为正交矩阵,则
由于Q2是正交矩阵,因此R22与Γs的列空间等价,rank(R22)=n。设R22的SVD分解为
R22=UnΣnVn (16)
其中,Un,Vn均为正交矩阵,Σn为对角矩阵且对角线元素为R22的n个特征值。由矩阵理论知,Un的各列为矩阵R22列空间的一组标准正交基,因而Un可看作Γs经某一线性变换后的矩阵,即存在可逆矩阵T,使得
其中CT=CT,AT=T-1AT。
由式(17)可知,Un的前l行即为CT,而AT可由下式求得
Un(1:(s-1)l,1:n)AT=Un((l+1):sl,1:n) (18)
以上过程证明了与原系统矩阵A特征值相等、特征多项式相同的矩阵AT是可求的,并给出了求解方法。式(5)建立的离散时间状态空间模型中,系统矩阵Ad的特征多项式系数可由Kci、Kco1、Kco2表示,而由子空间方法辨识所得AdT的特征多项式系数均为确定数值,根据AdT与Ad特征多项式相同建立方程,便可求出Kci、Kco1、Kco2的估计值。
根据上述阀控液压缸泄漏判断装置的判断方法流程如图2所示,包括如下步骤:
对所述阀控液压缸泄漏判断装置进行状态空间建模,得到关于Kci、Kco1、Kco2的状态空间离散矩阵表达式,其中Kci为内泄漏系数,Kco1为无杆腔外泄漏系数,Kco2为有杆腔外泄漏系数;
采集所述装置的输入、输出信号,所述输入信号为对负载的外驱动力,所述输出信号为液压缸位移、无杆腔油液压力和有杆腔油液压力;
采用子空间辨识算法,根据所述输入、输出信号,得到原装置表达式的矩阵Ad经某一线性变换后的矩阵AdT,Ad与AdT具有相同的特征值和特征多项式。分别求Ad与AdT的特征多项式,得到Ad的特征多项式各次项系数关于的Kci,Kco1,Kco2的表达式,使之与AdT的特征多项式各次项系数对应相等;计算得出Kci,Kco1,Kco2的估计值
根据所述估计值评估液压缸泄漏状况,并由此判断阀控液压缸泄漏的发生与否、类型与严重程度。
进一步的,在步骤采集所述装置的输入、输出信号之后还包括对所述输入、输出信号进行去噪、滤波等预处理的步骤。
综上所述,本发明提供了一种基于子空间辨识的阀控液压缸泄漏判断装置及其判断方法,所述装置包括液压缸、压力传感器、节流阀、回油箱、负载和故障诊断器;所述压力传感器用于测量液压缸活塞两侧的油液压力;所述节流阀用于监测液压缸的外泄漏和内泄漏;所述故障诊断器根据采集的负载位移、油液压力数据,采用子空间辨识算法判断液压缸是否发生泄漏。本发明采用子空间辨识方法计算阀控液压缸的内、外泄漏系数,利用离散时间状态空间模型描述阀控液压缸系统,由此进行阀控液压缸泄漏故障判断,使得计算量减小,且能够准确计算得到系统内、外泄漏系数的估计值,提高了阀控液压缸泄漏故障判断的准确率。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (9)
1.一种基于子空间辨识的阀控液压缸泄漏判断装置,其特征在于,包括:液压缸、压力传感器、节流阀、回油箱、负载和故障诊断器;
所述压力传感器用于测量液压缸活塞两侧的油液压力;
所述液压缸活塞两侧分别连接一个节流阀,每个节流阀连接一个回油箱,且活塞两侧之间连接一个节流阀;所述节流阀分别用于监测液压缸的外泄漏和内泄漏;
所述负载连接所述液压缸的活塞杆;
所述故障诊断器根据采集的负载位移、油液压力数据,采用子空间辨识算法判断液压缸是否发生泄漏。
2.根据权利要求1所述的基于子空间辨识的阀控液压缸泄漏判断装置,其特征在于,所述负载包括质量块、阻尼和弹簧;所述质量块连接所述活塞杆,所述阻尼和弹簧一端连接所述质量块,另一端连接固定壁。
3.根据权利要求2所述的基于子空间辨识的阀控液压缸泄漏判断装置,其特征在于,还包括光栅尺,用于测量所述负载的位移。
4.根据权利要求1-3任一项所述的基于子空间辨识的阀控液压缸泄漏判断装置,其特征在于,取状态变量x,其中xp是液压缸活塞位移、p1是无杆腔油液压力、p2是有杆腔油液压力,输入量u为驱动力F,输出量y为[xp p1 p2]T,所述装置的离散时间状态空间表达式为:
式中
其中,k=0,1,2,…,τ为采样周期,ks为负载弹性模量,m为负载质量,bd为阻尼系数,A1为无杆腔活塞有效面积,A2为有杆腔活塞有效面积,V1为无杆腔油液体积,V2为有杆腔油液体积,Kci为内泄漏系数,Kco1为无杆腔外泄漏系数,Kco2为有杆腔外泄漏系数,E为油液体积弹性模量。
5.根据权利要求4所述的基于子空间辨识的阀控液压缸泄漏判断装置,其特征在于,采用子空间辨识的MOESP方法,通过所述装置的输入、输出得到矩阵Ad经线性变换后的矩阵AdT,Ad与AdT具有相同的特征值和特征多项式;所述输入为对负载的外驱动力F,所述输出为液压缸位移xp、无杆腔油液压力p1和有杆腔油液压力p2;然后,分别求Ad与AdT的特征多项式,得到Ad的特征多项式各次项系数关于的Kci,Kco1,Kco2的表达式,使之与AdT的特征多项式各次项系数对应相等;最后,解出Kci,Kco1,Kco2的估计值并由所述故障诊断器根据估计值判断阀控液压缸泄漏的发生、类型与严重程度。
6.一种基于权利要求1-3任一项所述的装置进行阀控液压缸泄漏的判断方法,其特征在于,包括如下步骤:
对所述装置进行状态空间建模,得到关于Kci、Kco1、Kco2的状态空间离散矩阵表达式,其中Kci为内泄漏系数,Kco1为无杆腔外泄漏系数,Kco2为有杆腔外泄漏系数;
采集所述装置的输入、输出信号,所述输入信号为对负载的外驱动力,所述输出信号为液压缸位移、无杆腔油液压力和有杆腔油液压力;
采用子空间辨识算法,根据所述输入、输出信号,计算得出Kci,Kco1,Kco2的估计值
根据所述估计值评估液压缸泄漏状况。
7.根据权利要求6所述的判断方法,其特征在于,
采集所述装置的输入、输出信号之后还包括对所述输入、输出信号进行去噪、滤波预处理的步骤。
8.根据权利要求6所述的判断方法,其特征在于,
所述关于Kci、Kco1、Kco2的状态空间离散矩阵表达式为:
取状态变量x,xp是液压缸活塞位移、p1是无杆腔油液压力、p2是有杆腔油液压力,输入量u为驱动力F,输出量y为[xp p1 p2]T;式中
其中,k=0,1,2,…,τ为采样周期,ks为负载弹性模量,m为负载质量,bd为阻尼系数,A1为无杆腔活塞有效面积,A2为有杆腔活塞有效面积,V1为无杆腔油液体积,V2为有杆腔油液体积,E为油液体积弹性模量。
9.根据权利要求8所述的判断方法,其特征在于,采用子空间辨识的MOESP方法,通过所述装置的输入、输出得到矩阵Ad经线性变换后的矩阵AdT,Ad与AdT具有相同的特征值和特征多项式;然后,分别求Ad与AdT的特征多项式,得到Ad的特征多项式各次项系数关于的Kci,Kco1,Kco2的表达式,使之与AdT的特征多项式各次项系数对应相等;最后,解出Kci,Kco1,Kco2的估计值并由此判断阀控液压缸泄漏的发生、类型与严重程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726465.3A CN108843654A (zh) | 2018-07-04 | 2018-07-04 | 一种基于子空间辨识的阀控液压缸泄漏判断装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726465.3A CN108843654A (zh) | 2018-07-04 | 2018-07-04 | 一种基于子空间辨识的阀控液压缸泄漏判断装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108843654A true CN108843654A (zh) | 2018-11-20 |
Family
ID=64200128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810726465.3A Pending CN108843654A (zh) | 2018-07-04 | 2018-07-04 | 一种基于子空间辨识的阀控液压缸泄漏判断装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108843654A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488612A (zh) * | 2019-09-20 | 2019-11-22 | 长沙航空职业技术学院 | 基于神经网络模型切换的非对称电液伺服系统内模控制方法、系统及可读存储介质 |
CN110748531A (zh) * | 2019-10-12 | 2020-02-04 | 王勐 | 一种测试液体泄漏量的装置 |
CN114576237A (zh) * | 2022-01-30 | 2022-06-03 | 江苏飞达液压成套设备有限公司 | 基于多地信息网络的液压启闭机油缸弯曲损伤监测系统 |
WO2023115841A1 (zh) * | 2021-12-23 | 2023-06-29 | 中国矿业大学 | 基于恒压实验的压力平衡阀阀泄漏量检测装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001140809A (ja) * | 1999-11-09 | 2001-05-22 | Hitachi Constr Mach Co Ltd | 油圧シリンダの故障診断装置 |
WO2015153727A2 (en) * | 2014-04-02 | 2015-10-08 | Sikorsky Aircraft Corporation | System and method for heatlh monitoring of servo-hydraulic actuators |
CN205138794U (zh) * | 2015-09-21 | 2016-04-06 | 华北电力大学 | 一种模拟燃气轮机压气机进口可转导叶液压调节系统装置 |
CN205605540U (zh) * | 2016-04-25 | 2016-09-28 | 中冶赛迪工程技术股份有限公司 | 一种高精度液压缸内泄漏检测装置 |
CN107329939A (zh) * | 2017-06-29 | 2017-11-07 | 华北电力大学 | 燃机压气机进口导叶液压调节系统油缸泄漏系数估算方法 |
-
2018
- 2018-07-04 CN CN201810726465.3A patent/CN108843654A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001140809A (ja) * | 1999-11-09 | 2001-05-22 | Hitachi Constr Mach Co Ltd | 油圧シリンダの故障診断装置 |
WO2015153727A2 (en) * | 2014-04-02 | 2015-10-08 | Sikorsky Aircraft Corporation | System and method for heatlh monitoring of servo-hydraulic actuators |
CN205138794U (zh) * | 2015-09-21 | 2016-04-06 | 华北电力大学 | 一种模拟燃气轮机压气机进口可转导叶液压调节系统装置 |
CN205605540U (zh) * | 2016-04-25 | 2016-09-28 | 中冶赛迪工程技术股份有限公司 | 一种高精度液压缸内泄漏检测装置 |
CN107329939A (zh) * | 2017-06-29 | 2017-11-07 | 华北电力大学 | 燃机压气机进口导叶液压调节系统油缸泄漏系数估算方法 |
Non-Patent Citations (1)
Title |
---|
张强、吴庆鸣、张志强: ""基于控制响应的时变系统模态参数辨识的改进子空间方法", 《计算力学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488612A (zh) * | 2019-09-20 | 2019-11-22 | 长沙航空职业技术学院 | 基于神经网络模型切换的非对称电液伺服系统内模控制方法、系统及可读存储介质 |
CN110748531A (zh) * | 2019-10-12 | 2020-02-04 | 王勐 | 一种测试液体泄漏量的装置 |
WO2023115841A1 (zh) * | 2021-12-23 | 2023-06-29 | 中国矿业大学 | 基于恒压实验的压力平衡阀阀泄漏量检测装置及方法 |
CN114576237A (zh) * | 2022-01-30 | 2022-06-03 | 江苏飞达液压成套设备有限公司 | 基于多地信息网络的液压启闭机油缸弯曲损伤监测系统 |
CN114576237B (zh) * | 2022-01-30 | 2022-11-29 | 江苏飞达液压成套设备有限公司 | 基于多地信息网络的液压启闭机油缸弯曲损伤监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108843654A (zh) | 一种基于子空间辨识的阀控液压缸泄漏判断装置及方法 | |
Jianyong et al. | Robust control for static loading of electro-hydraulic load simulator with friction compensation | |
CN108227676A (zh) | 阀控缸电液伺服系统在线故障检测、估计及定位方法 | |
CN110500339B (zh) | 一种电液伺服系统加性故障检测方法 | |
CN109940622A (zh) | 一种基于电机电流的机器人机械臂无传感碰撞检测方法 | |
Rozali et al. | PID controller design for an industrial hydraulic actuator with servo system | |
Chinniah et al. | Failure monitoring in a high performance hydrostatic actuation system using the extended Kalman filter | |
Xu et al. | A comparative study of sensor fault diagnosis methods based on observer for ECAS system | |
Yoo et al. | A resilience measure formulation that considers sensor faults | |
CN111897221A (zh) | 一种基于组合观测器的航天器故障诊断方法 | |
Renganathan et al. | An observer based approach for achieving fault diagnosis and fault tolerant control of systems modeled as hybrid Petri nets | |
Tehrani et al. | Dynamic neural network-based estimator for fault diagnosis in reaction wheel actuator of satellite attitude control system | |
CN109117576B (zh) | 一种确定岸桥结构载荷及实时应力场的方法 | |
Mahulkar et al. | Adaptive fault tolerant control for hydraulic actuators | |
Czajkowski et al. | Stability analysis of the neural network based fault tolerant control for the boiler unit | |
Hulttinen et al. | Parameter identification for improved performance of model-based control of hydraulic manipulators | |
Ling et al. | System identification of electro-hydraulic actuator system using ANFIS approach | |
Nurmi et al. | Detection and isolation of leakage and valve faults in hydraulic systems in varying loading conditions, Part 1: Global Sensitivity Analysis | |
Olma et al. | Model-based method for the accuracy analysis of Hardware-in-the-Loop test rigs for mechatronic vehicle axles | |
Zahidi et al. | Monitoring of solenoid parameters based on neural networks and optical fiber squeezer for solenoid valves diagnosis | |
Choux | Nonlinear, Adaptive and Fault-tolerant Control for Electro-hydraulic Servo Systems | |
Kaida et al. | Design of disturbance observer using composite filter in two-dimensional shaking table systems | |
Kościelny et al. | Fault detection based on fuzzy neural networks-application to sugar factory evaporator | |
Kamezaki et al. | Relative accuracy enhancement system based on internal error range estimation for external force measurement in construction manipulator | |
Zhu et al. | Robustness analysis of the thermal error model for a CNC machine tool |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |
|
RJ01 | Rejection of invention patent application after publication |