如何诊断液压泵系统故障

　　从单柱塞液压泵的工作过程，可以或者得出统统液压泵的基本特点:

　　1)具有周期性变革的密封工作腔.容积式液压泵中的密封工作腔处于吸油时称为吸油腔，吸油腔体积埔大吸人工作液体，完成吸油过程.工作腔处于排油时称为压油腔，压油腔体积削减排斥液体，完成压油过程.

　　2)具有相应的配流机构.配流机构使吸油腔和压油腔严格分开.担保液压泵连续工作。所示的单向阀5. 6就是配流机构。吸油时，排油单向阀5 关闭，将单向阀后面的压汕管路(压油腔)与吸油腔离隔;压油时，吸油单向阀 6关闭.使吸油管路(吸油腔)与压油腔不相同.液压泵的结构事理不同，其配流机构也不相同。

　　3)具有自吸能力。液压泵可以或者或者借助大气压力自行吸油而变态工作的能力称为泵的自吸能力。为了使液压泵可以或者或者在大气压力浸染下从油箱中吸油，液压系统中的油箱必须与大气相同或采用密闭的充压油箱.

　　为担保液压泵在最高转速下能变态吸油.泵的吸油口存在一个最低吸人压力。泵的吸油腔的压力取决于吸油高度和吸油管路的阻力，当泵的装配高度太高或吸油限力太大时，泵的吸油压力低于最低吸人压力，液压泵将不克不迭充分吸满甚至产生气穴和气蚀。

　　由于错误诊断系统的复杂性，将神经网络利用于障诊断系统的筹划中，将是大规模神经网络的结构和学习成就。为了减少工作的复杂性，减少网络学习时间，本文将错误诊断知识凑集分解为几个逻辑上独立的子凑集，每一个子凑集再分解为若干规则子集，尔后根据规则子集来结构网络。每个规则子集都是一个逻辑上独立的子网络的映射，规则子集间的联系，经过进程子网络的权系矩阵表示。各个子网络独立地利用BP学习算法分别结束学习演习。由于分解后的子网络比原来的网络规模小得多且成就局部化了，从而使演习时间大为减少。利用集成BP网络结束液压泵轴承错误诊断的信息处理能力源于神经元的非线性机理特性和BP算法，每一个子网络均为一个BP网络，各个子网络由BP算法各自学习，学习后的结果由控制网络集成。BP网络的学习算法如 把选取的每一个特性参数(包括能量特性，幅值特性和倒谱包络特性)x的值映像到神经网络输入输入层的单个节点上，并对其结束正则处理：

　　xi=0.8(x-xmin)/(xmax-xmin)+0.1　　　(8)式(8)把特性参数正则到(0.1,0.9)之间的目的是避免Sigmoid函数输入值极端化 而引起学习无法收敛的成就。对(8)式得到的正则值完成如下运算，得到每一个神经元的加权值和阈值：式中，j代表今后层，i代表前一层，wij代表连接权值;cj代表今后节点的阈 值;fj代表输入 。