如何診斷液壓泵系統故障

　　從單柱塞液壓泵的工作過程，可以或者得出統統液壓泵的基本特點:

　　1)具有周期性變革的密封工作腔.容積式液壓泵中的密封工作腔處于吸油時稱為吸油腔，吸油腔體積埔大吸人工作液體，完成吸油過程.工作腔處于排油時稱為壓油腔，壓油腔體積削減排斥液體，完成壓油過程.

　　2)具有相應的配流機構.配流機構使吸油腔和壓油腔嚴格分開.擔保液壓泵連續工作。所示的單向閥5. 6就是配流機構。吸油時，排油單向閥5 關閉，將單向閥后面的壓汕管路(壓油腔)與吸油腔離隔;壓油時，吸油單向閥 6關閉.使吸油管路(吸油腔)與壓油腔不相同.液壓泵的結構事理不同，其配流機構也不相同。

　　3)具有自吸能力。液壓泵可以或者或者借助大氣壓力自行吸油而變態工作的能力稱為泵的自吸能力。為了使液壓泵可以或者或者在大氣壓力浸染下從油箱中吸油，液壓系統中的油箱必須與大氣相同或采用密閉的充壓油箱.

　　為擔保液壓泵在最高轉速下能變態吸油.泵的吸油口存在一個最低吸人壓力。泵的吸油腔的壓力取決于吸油高度和吸油管路的阻力，當泵的裝配高度太高或吸油限力太大時，泵的吸油壓力低于最低吸人壓力，液壓泵將不克不迭充分吸滿甚至產生氣穴和氣蝕。

　　由于錯誤診斷系統的復雜性，將神經網絡利用于障診斷系統的籌劃中，將是大規模神經網絡的結構和學習成就。為了減少工作的復雜性，減少網絡學習時間，本文將錯誤診斷知識湊集分解為幾個邏輯上獨立的子湊集，每一個子湊集再分解為若干規則子集，爾后根據規則子集來結構網絡。每個規則子集都是一個邏輯上獨立的子網絡的映射，規則子集間的聯系，經過進程子網絡的權系矩陣表示。各個子網絡獨立地利用BP學習算法分別結束學習演習。由于分解后的子網絡比原來的網絡規模小得多且成就局部化了，從而使演習時間大為減少。利用集成BP網絡結束液壓泵軸承錯誤診斷的信息處理能力源于神經元的非線性機理特性和BP算法，每一個子網絡均為一個BP網絡，各個子網絡由BP算法各自學習，學習后的結果由控制網絡集成。BP網絡的學習算法如 把選取的每一個特性參數(包括能量特性，幅值特性和倒譜包絡特性)x的值映像到神經網絡輸入輸入層的單個節點上，并對其結束正則處理：

　　xi=0.8(x-xmin)/(xmax-xmin)+0.1　　　(8)式(8)把特性參數正則到(0.1,0.9)之間的目的是避免Sigmoid函數輸入值極端化 而引起學習無法收斂的成就。對(8)式得到的正則值完成如下運算，得到每一個神經元的加權值和閾值：式中，j代表今后層，i代表前一層，wij代表連接權值;cj代表今后節點的閾 值;fj代表輸入 。