1. 安徽科技学院机械工程学院,凤阳 233100; 2. 安徽工业大学机械工程学院,马鞍山 243000
出版日期:
2020-01-25发布日期:
2020-04-29Fault Diagnosis Method of Forging Machine Based on Fault Tree and Chaos Particle Swarm Algorithm
CHU Kun1, ZHANG Chunyu1 ,CHEN Lei2 ,CAO Qiang11. College of Mechanical Engineering, University of Science and Technology of Anhui, Fengyang 233100; 2. School of Mechanical Engineering, Anhui University of Technology, MaAnshan 243000
Online:
2020-01-25Published:
2020-04-29摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论
锻压机床由于生产效率高和材料利用率高的特点, 被广泛应用于各领域. 然而, 锻 压机床发生故障时, 其故障种类繁多、故障数据量大, 所以对锻压机床故障源的快速、准确诊断较困难. 针对该问题, 文章提出一种将故障树分析法和混沌粒子群算法相融合的方法, 对锻压机床的故障源进行故障诊断. 该方法是先通过故障树分析法对锻压机床的故障进行分析从而得到故障模式及其故障概率, 然后由得到的故障模式和已知的故障维修经验分析归纳出故障模式的学习样本, 再根据得到的故障概率运用混沌粒子群算法的遍历性快速、准确地诊断出锻压机床发生故障的精确位置. 文章提出的方法以锻压机床的伺服系统为例进行了故障诊 断实验, 将该实验结果与遗传算法、粒子群算法进行对比. 实验结果表明, 文章的算法在锻压 机床伺服系统的故障诊断中准确度更高、速度更快.
分享此文: