论文部分内容阅读
盾构机作为地铁、隧道建设的主要工程装备,其核心部件刀盘液压驱动系统,由于现场施工条件复杂以及各元件使用维护不当等原因,致使该系统故障频发。因此,为确保盾构掘进过程安全可靠运行,对其进行及时有效的故障诊断具有重要意义。本文围绕天津轨道交通?6450mm土压平衡盾构刀盘液压驱动系统展开研究,针对该系统故障发生机理,构建Simulink-AMESim盾构刀盘液压驱动系统恒功率控制联合仿真模型;提出了变量加权主元分析(VW-PCA)故障诊断算法模型与基于差分进化算法(Differential Evolution,DE)和BP神经网络相融合的故障诊断算法模型,旨在提高该系统故障诊断的正确率与故障数据的处理效率。本文主要完成了以下研究工作:(1)分析了刀盘液压驱动系统的结构、工作原理及其常见故障发生机理,通过建立关键系统组成元件的数学模型,找出模型参数改变对故障特性的影响关系,为文章通过修改AMESim刀盘液压驱动系统仿真模型参数,仿真故障奠定理论基础。(2)在AMESim软件环境下构建刀盘液压驱动系统仿真模型,同时选择在Simulink中搭建驱动系统恒功率控制模型,从而构建Simulink-AMESim盾构刀盘液压驱动系统恒功率控制联合仿真模型。通过修改元件关键参数,仿真各类故障,并选取液压泵输出油压、刀盘转速,粘性摩擦扭矩和软土层负载扭矩等8个故障参数对故障数据进行提取,为文章故障诊断方法的研究提供历史故障数据。(3)建立变量加权主元分析(VW-PCA)故障诊断算法模型,采用偏F值变量加权(VW)算法得到每一类故障的加权向量,对系统各参数赋予不同的权值,从而突显各参数对不同类别故障的影响程度,提高主元分析(PCA)方法的准确性。(4)对于变量加权主元分析(VW-PCA)故障诊断方法仅能对刀盘液压驱动系统故障发出报警,并不能对具体的故障类型做出识别,文章在此基础上提出了基于DE-BP神经网络的故障诊断方法,利用BP神经网络完成系统各故障输入数据到故障类别输出的非线性映射,同时采用差分进化算法(DE)来提高BP神经网络的收敛速度,提高故障诊断的效率。