汽車起重機液壓系統(tǒng)的設(shè)計與計算-外文翻譯【可編輯】【完整版】

汽車起重機液壓系統(tǒng)的設(shè)計與計算外文翻譯【可編輯】【完整版】(文檔可以直接使用，也可根據(jù)實際需要修訂后使用,可編輯放心下載）

汽車起重機液壓系統(tǒng)的設(shè)計與計算外文翻譯【可編輯】【完整版】(文檔可以直接使用，也可根據(jù)實際需要修訂后使用,可編輯放心下載）畢業(yè)設(shè)計(論文)外文資料翻譯學院：機械工程學院專業(yè)：機械設(shè)計制造及其自動化姓名：尤興亞學號：0902070438外文出處：CorrespondingAuthorcnlwl@附件：1.外文資料翻譯譯文；2.外文原文。指導(dǎo)教師評語：簽名：2021年3月31日起重機液壓系統(tǒng)支腿的智能故障診斷研究李萬里,黃佳奎,王鵬晨,朱福明機械工程學院，同濟大學，上海202104，中國；物流工程學院，上海海事大學，上海200135，中國；摘要：隨著起重機液壓系統(tǒng)越來越復(fù)雜，要求故障診斷更加快速和全面。根據(jù)起重機支腿液壓系統(tǒng)的結(jié)構(gòu)特點，本文提出了一種快速而廣泛的硬件和軟件體系結(jié)構(gòu)模型的空調(diào)監(jiān)測與故障診斷系統(tǒng)。在本文中,樹的診斷方法和模糊神經(jīng)網(wǎng)絡(luò)理論的應(yīng)用為液壓系統(tǒng)的故障診斷提供了理論根底以及實現(xiàn)方法。關(guān)鍵字：起重機，故障診斷，神經(jīng)網(wǎng)絡(luò)引言汽車起重機是一種重要的工程機械。以其日趨復(fù)雜的結(jié)構(gòu)和功能,它更傾向于復(fù)雜的問題,所以很難診斷起重機支架液壓系統(tǒng)的故障。在這樣的場景中,一個單一的理論或方法,無論是聰明還是經(jīng)典的都缺乏以實現(xiàn)全面、準確、快捷的故障診斷。然而,結(jié)合了兩個或更多經(jīng)典和智能的方法,它可能是一個準確、快速的折中診斷方法。本文利用聯(lián)合診斷算法〔模糊神經(jīng)網(wǎng)絡(luò)的故障診斷〕為支架的起重機液壓系統(tǒng)診斷。該算法實現(xiàn)了硬件平臺和軟件模型的聯(lián)合診斷,實現(xiàn)了狀態(tài)監(jiān)測和故障診斷液壓系統(tǒng)。2、建立基于模糊神經(jīng)網(wǎng)絡(luò)穩(wěn)定支撐的液壓系統(tǒng)的故障診斷模型模糊神經(jīng)網(wǎng)絡(luò)(FNN)結(jié)構(gòu)模型收集有神經(jīng)網(wǎng)絡(luò)和模糊理論的優(yōu)勢。用模糊神經(jīng)網(wǎng)絡(luò)的故障診斷液壓系統(tǒng)的穩(wěn)定支撐如圖1所示。圖1結(jié)構(gòu)模型的模糊神經(jīng)網(wǎng)絡(luò)算法基于模糊神經(jīng)網(wǎng)絡(luò)的BP(反向傳播)神經(jīng)網(wǎng)絡(luò),采用串聯(lián)方式與模糊系統(tǒng)。輸入和輸出的網(wǎng)絡(luò)是模糊量和成員的一些特性和一些模型。網(wǎng)絡(luò)結(jié)構(gòu)分為五層,輸入層、隱層、模糊層、輸出層、模糊化消除層。輸入層是第一層網(wǎng)絡(luò)。這層接收輸入特征信號從外面直接傳輸之前的特征信號到二層——模糊神經(jīng)元。轉(zhuǎn)移重量是1。節(jié)點的數(shù)量在輸入層取決于數(shù)量的特征信號的診斷。模糊層是第二層的網(wǎng)絡(luò)。它的功能是計算成員的輸入特性信號,屬于模糊集合中的每個變量值,根據(jù)隸屬函數(shù)的模糊子集。模糊化后,每個輸入層節(jié)點對應(yīng)于三個模糊層節(jié)點,代表高邊,正常和低側(cè)分別。因此,節(jié)點的數(shù)量是3倍數(shù)量的輸入節(jié)點。隱藏層是第三層網(wǎng)絡(luò)。它是用于實現(xiàn)從輸入變量模糊值映射到輸出變量的模糊值。激活函數(shù)使用是乙狀結(jié)腸函數(shù)。節(jié)點的數(shù)量是兩倍數(shù)量的模糊層節(jié)點,根據(jù)柯爾莫哥洛夫定理。在培訓過程中,調(diào)整可以根據(jù)不同程度的準確性。輸出層是第四層的網(wǎng)絡(luò)。每個節(jié)點對應(yīng)的每個故障引起的液壓子系統(tǒng)。輸出值是會員大小隸屬于故障原因。節(jié)點的數(shù)量對應(yīng)于多種原因引起的典型故障的液壓系統(tǒng)。模糊化消除層是第五層的網(wǎng)絡(luò)。闡述了模糊結(jié)果輸出層和輸出明確的診斷結(jié)果。清晰的計算是基于最小閾值原那么(會員價值的故障組件應(yīng)大于某一閾值,這是定義在調(diào)試。的值應(yīng)該設(shè)置為一個適當?shù)闹?。一個大型會員價值可能會導(dǎo)致一些錯誤的無知,而小值可能導(dǎo)致假警報的缺點)。特征信號的液壓系統(tǒng)工況選擇如下:油溫的液壓系統(tǒng),油位在罐、油的壓力和流量泵出口、操作壓力和泄油壓力的水平和垂直液壓缸的每條腿。監(jiān)測信號的分布如圖2所示。1-溫度傳感器;2-傳感器;3-壓力/流量傳感器;4-壓力傳感器圖2特征信號的工作狀態(tài)的起重機液壓系統(tǒng)穩(wěn)定支撐除了工作狀態(tài)的特征信號,信號的選擇,包括控制信號拉伸/收縮水平/垂直腿拉伸/收縮,聯(lián)動水平/垂直腿和選擇信號的半拉伸/所有段水平腿等。(1)、油溫當支腿系統(tǒng)正常工作,油的溫度通常是40~60℃。但當故障發(fā)生時,液壓油溫度可能經(jīng)常波動。這可能是由于泄漏的齒輪泵;泄漏或粘腿的液壓缸;泄漏或太高的調(diào)整壓力平安閥等。油位油箱當支腿系統(tǒng)工作正常，油位根據(jù)一定的方式不斷變化的。當在系統(tǒng)中遇到的一些液壓元件的泄漏或其他故障時，系統(tǒng)的液壓油位會根據(jù)工作條件改變。齒輪泵的出口壓力油液壓油壓力泵的出口是由外部負載。如果在系統(tǒng)遇到故障時，出口油壓力會發(fā)生劇烈的變化。〔4〕輸出石油流動的齒輪泵如果液壓泵遇到故障，將在很長一段時間內(nèi)無法到達一個穩(wěn)定的范圍內(nèi)輸出油流。水平桿的液壓缸的油壓當支腿水平方向伸展,油壓桿少液壓缸取決于電阻的腿。阻力包括摩擦阻力和液壓阻力桿少液壓缸。當腿拉開水平,油壓桿少液壓缸取決于石油緩解壓力的方式回油。當腿水平方向伸展,如果泄漏發(fā)生在水平液壓缸或換向閥控制氣缸,油壓力桿少液壓缸將低于正常范圍。因此,腿不能移動或移動緩慢。當腿拉開水平,如果梗阻發(fā)生背壓值或油過濾器、油壓力桿少液壓缸將超過正常范圍。因此,腿不能返回。水平桿液壓缸的油壓當雙腿伸出水平，取決于桿液壓缸的油壓油溢流壓力回油方式。當腿抽到回水平，桿液壓缸的壓力油的電阻取決于的leg.The電阻包括摩擦阻力和桿液壓缸的液壓阻力。當腿伸出水平，如果阻塞發(fā)生背壓閥或油過濾器，油壓力桿液壓缸將在上述正常范圍。因此，雙腿不能移動或移動緩慢。當腿抽到回水平，如果發(fā)生泄漏的水平液壓缸或換向閥控制氣缸，桿液壓缸的油的壓力將低于在正常范圍。因此，腿不能返回。上面的分析描述信號特征之間的關(guān)系,故障現(xiàn)象和故障原因。手術(shù)期間,每個特征信號與許多現(xiàn)象和原因的故障而引起的故障現(xiàn)象或每個可能是由大量的信號特征。正如上面提到的,我們可以診斷故障原因的一些模糊神經(jīng)網(wǎng)絡(luò)基于傳感器我們已經(jīng)。失敗原因如下:缺乏石油、水力泵衰竭,平安閥失效,電磁換向閥故障,雙向液壓鎖故障,泄漏的水平液壓缸的腿,泄漏的垂直液壓缸的腿,阻礙背壓閥和油過濾器等。根據(jù)相關(guān)的設(shè)計和調(diào)諧的液壓系統(tǒng)中的參數(shù)，特征信號參數(shù)的正常范圍和嚴重程度的可能偏差，得到〔如表1所示〕。表1正常范圍內(nèi)的液壓系統(tǒng)的特征信號2、2模糊化過程和選擇隸屬函數(shù)的特征信號的液壓系統(tǒng)根據(jù)測量的每個特征信號參數(shù)的液壓系統(tǒng),我們可以知道如果參數(shù)是正常的,偏小或偏大。至于隸屬度的范圍,即隸屬度故障原因和故障現(xiàn)象之間,它被定義為相應(yīng)的隸屬函數(shù)。模糊隸屬函數(shù)的相關(guān)性,實際情況會影響診斷結(jié)果直接。因此,確定隸屬函數(shù)的關(guān)鍵是整個故障診斷。在許多情況下,根據(jù)實際情況,最簡單有效的方法是使用一些常見的隸屬函數(shù)來表達一些模糊變量的約。根據(jù)過去的經(jīng)驗和實際變化的參數(shù),本文選用常用的貝爾隸屬函數(shù)作為一個正常狀態(tài)的隸屬函數(shù)、隸屬度函數(shù)下z型是偏小的狀態(tài)的隸屬度函數(shù)和了z型隸屬函數(shù)作為隸屬函數(shù)偏大的狀態(tài)。考慮到?jīng)]有明顯邊界的這些模糊概念的偏小,正常和偏小,重疊局部必須設(shè)置為這些隸屬函數(shù)反映在模糊集的隸屬函數(shù)曲線。選擇適宜的重疊率是一個重要的因素來保證診斷的可靠性。關(guān)于過去的經(jīng)驗,重疊率的隸屬函數(shù)的文章被選中在0.2和0.6之間?？紤]的數(shù)量，形狀，位置，分布，重疊率，等后，我們確定信號參數(shù)支持的特性〔圖3，4，5，6，7和8〕的隸屬度函數(shù)的液壓系統(tǒng)。根據(jù)實際情況的操作，我們已經(jīng)調(diào)整了參數(shù)的隸屬函數(shù)。圖3隸屬函數(shù)的液壓油的溫度圖4隸屬函數(shù)的油位圖5隸屬函數(shù)的石油釋放壓力圖6隸屬函數(shù)的工作壓力的液壓油缸圖7隸屬函數(shù)的工作流程的液壓油缸圖8隸屬函數(shù)的控制油壓力模糊化過程特征信號的參數(shù)是傳遞精確的輸入值的特征信號參數(shù)模糊隸屬度值。首先,輸入值的特征信號參數(shù)的分布范圍,每個范圍偏大,偏小,正常傳輸。其次,進行了模糊化過程的特征信號參數(shù),已被轉(zhuǎn)移到某些域范圍。這個過程將使原來的精確的輸入到模糊隸屬度值介于0~1。2.3培訓與學習的模糊神經(jīng)網(wǎng)絡(luò)模型的液壓系統(tǒng)我們使液壓系統(tǒng)的特征信號的穩(wěn)定支撐作為模糊神經(jīng)網(wǎng)絡(luò)的輸入和相應(yīng)的故障原因的系統(tǒng)作為模糊神經(jīng)網(wǎng)絡(luò)的輸出。培訓和學習的過程顯示在圖9。每個操作循環(huán)包括以下內(nèi)容：首先，它讀取訓練樣本的數(shù)據(jù)和從知識數(shù)據(jù)庫中的各特征參數(shù)的范圍內(nèi)，并且操作輸入故障的樣本數(shù)據(jù)的模糊化過程。第二,它寫的模糊化過程數(shù)據(jù)和預(yù)期的輸出故障樣本數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。然后計算每層節(jié)點的輸出由神經(jīng)網(wǎng)絡(luò)。第三，計算輸出層節(jié)點的實際輸出與期望輸出之間的誤差，并確定，如果訓練結(jié)果滿足精度要求。如果滿足精度要求或培訓的最大數(shù)量，它存儲了本次培訓的網(wǎng)絡(luò)權(quán)重和閾值轉(zhuǎn)化為知識數(shù)據(jù)庫，前結(jié)束訓練過程中。如果精度要求或不符合的最大數(shù)目的培訓，它實現(xiàn)向后傳輸計算減少錯誤的方向上，并調(diào)整輸出層和隱層的權(quán)值和閾值。在那之后，它實現(xiàn)了一個新的正向傳輸計算來計算的輸出錯誤之前，下一個比擬的精度要求和最大的培訓。重復(fù)的步驟，上述步驟，直到滿足兩個準那么。3、實施監(jiān)測與故障診斷圖10顯示了狀態(tài)監(jiān)測與故障診斷的軟件架構(gòu)。我們采用自上而下的方法，為軟件開發(fā)。該軟件被劃分成單獨的模塊，方便調(diào)試，代碼維護和擴展。圖11顯示硬件架構(gòu)的監(jiān)測與故障診斷。由監(jiān)測傳感器，PLC控制系統(tǒng)，數(shù)據(jù)采集板和車載電腦或PC等硬件設(shè)置圖10、軟件架構(gòu)圖11、硬件架構(gòu)圖12、顯示了用戶界面的硬件系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)故障診斷。用戶界面被分為3個區(qū)域在視覺上，即實時參數(shù)監(jiān)視區(qū)域，診斷報告和維護上的建議示區(qū)域和工具按鈕區(qū)域。診斷報告包括診斷時間、診斷算法、故障代碼、故障ID現(xiàn)象,故障定位和故障原因。維修建議由機器操作的建議在文字或圖形。工具按鈕包括初步診斷按鈕，雷達視圖“按鈕，停止診斷按鈕和退出按鈕。初步診斷按鈕和停止的診斷按鈕設(shè)計聯(lián)鎖的方式。雷達視圖“按鈕會導(dǎo)致失敗的概率診斷系統(tǒng)的雷達視圖。在這個過程的狀態(tài)監(jiān)測和故障診斷,故障的可能性和概率,每個斷層影響整體故障顯示在雷達視圖i如(圖13)。診斷的過程中,所有的可能性的每個故障都保存到雷達數(shù)據(jù)表。當雷達監(jiān)測,雷達數(shù)據(jù)表顯示和刷新的數(shù)據(jù)變化,這是同步的,診斷結(jié)果。4、結(jié)論介紹了我們設(shè)計和實現(xiàn)的故障診斷模型的模糊神經(jīng)網(wǎng)絡(luò)的起重機液壓系統(tǒng)穩(wěn)定支撐。一個方法相結(jié)合的模糊理論和人工神經(jīng)網(wǎng)絡(luò)算法。模型的輸入和輸出信號,輸入信號的范圍,選擇隸屬度函數(shù)和模糊化處理是討論等。實現(xiàn)在軟件和硬件平臺進行了闡述。本文說明了理論根底,導(dǎo)致一個實現(xiàn)方法的監(jiān)測和故障診斷液壓系統(tǒng)起重機支架。這個系統(tǒng)也可以用于其他類似的液壓系統(tǒng),如盾構(gòu)液壓系統(tǒng),液壓系統(tǒng)裝載機機等。參考文獻[1]JiaHongxia,LiWanli,YuHaojie.Dynamicanalysisandmodelingofcorrectionsystemforthehydraulicgrabofundergroundcontinuouswall[J],JournalofTongjiUniversity:NaturalScienceEdition,2021,37(10):1393.[2]LuJiang.Analysisandcountermeasuresofthecausesofaccidentontheoperationofliftingmachinery[J],ConstructionDecoration,2021,10(67):11一13.[3]LiuBinpeng.Thecurrentsituationanddevelopmenttrendofengineeringmachineryindustryofourcountry[Z],TheManagementLearningNets,2021,3.[4]ZhaoKeli,WenYuming.Theapplicationofelectronictechnologyinthehydraulicexcavator[J],ConstructionMachinery,1997(3):33-34.[5]WangShirring,YangWeimin,LiTianshi,etc.Newtechnology,newstructureanddevelopmenttrendofengineeringmachineryofforeigncountry[J],EngineeringMachinery,2004(1):61-66.[6]WangShirring.Thecurrentsituationanddevelopmenttrendoffailuremonitoringdiagnosistechnologyofthehydraulicsystemofengineeringmachinery[J],MachineandHydraulic,2021,37(2):175-180.

附件2：外文原文ResearchofIntelligentFaultDiagnosisforHydraulicSystemofCranesOutriggersLiWanli'*,HuaJiakui',WangPengchen',ZhuFumin21.CollegeofMechanicalEngineering,Ton自iUniversity,Shanghai202104,ChinaLogisticsEngineeringCollege,ShanghaiMaritimeUniversity,Shanghai200135,China*CorrespondingAuthor;cnlwl@AbstractThecomplexityofhydraulicsystemsofcraneoutriggersisgrowing,whichdemandsthefaultdiagnosisofthesystemstobefasterandcomprehensive.Basedonthestructuralcharacteristicsofthehydraulicsystemsofcraneoutriggers,thispaperproposesarapidandextensivehardwareandsoftwarearchitecturemodelofconditioningmonitoringandfaultdiagnosissystem.Inthispaper,treediagnosticmethodandfuzzyneutralnetworktheoryisapplied;thetheoreticalbasisaswellastheimplementationmethodforthisandsimilarhydraulicsystems'faultdiagnosisisprovided.KeywordsCranes,Faultdiagnosis,Neuralnetwork1IntroductionTruckcraneisanimportantmodelofengineeringmachinery.Withitsgrowingcomplexityinstructureandfunction,itismorepronetocomplextroubles,sothatitishardertodiagnosisthefaultforhydraulicsystemofcranesoutriggers.Insuchscenarios,asingletheoryormethod,whetherclassicorsmart,isfarfromsufficienttoachievefaultdiagnosisthatarecomprehensive,accurateandfast.Nevertheless,thecombinationofclassicmethodandsmart,twosmartmethodsormore,maymakeagoodcompromisebetweenthediagnosis'accuracyandspeed.Withtheaboveunderstanding,thispaperutilizesacombineddiagnosisalgorithm,whichisthefuzzyneuralnetwork,forthefaultdiagnosisofhydraulicsystemofcraneoutriggers.Thealgorithmisimplementedwithahardwareplatformandasoftwaremodelofthediagnosisthatrealizedtheconditionmonitoringandfaultdiagnosisofthehydraulicsystem.2EstablishmentoffaultdiagnosismodelofthehydraulicsystemofoutriggersbasedonfuzzyneuralnetworkThefuzzyneuralnetwork(FNN)structuremodelcollectstheadvantagesofneuralnetworkandfuzzytheory.TheFNNusedbyfaultdiagnosisofthehydraulicsystemofoutriggersinthispaperisshowninfigure1.TheFNNisbasedonBP(BackPropagation)artificialneuralnetworkandusesthetandemwaywithfuzzysystem.Theinputandoutputofthenetworkarefuzzyquantityandmembershipofsomefeaturesandsomemodels.Thenetworkstructureisdividedintofivelayers,inputlayer,fuzzylayer,hiddenlayer,outputlayer,fuzzificationeliminationlayer.Fig.1StructuremodelofFNNalgorithmInputlayeristhefirstlayerofthenetwork.Thislayerreceivesinputcharacteristicsignalfromoutsidebeforedirectlytransportsthecharacteristicsignaltothesecondfloor--fuzzyneurons.Thetransferweightis1.Thenumberofnodesintheinputlayerdependsonthenumberofcharacteristicsignalofthediagnosis.Fuzzylayeristhesecondlayerofthenetwork.Itsfunctionistocalculatemembershipoftheinputcharacteristicssignalthatbelongstofuzzysetofeachvariablevalue,accordingtothemembershipfunctionsofthefuzzysubsets.Afterfuzzification,eachinputlayernodecorrespondstothreefuzzylayernodes,representingthehighside,normalandthelowsiderespectively.Therefore,thenumberofnodesis3timesofthenumberofinputnodes.Hiddenlayeristhethirdlayerofthenetwork.Itisusedtoimplementthemappingfrominputvariablefuzzyvaluetotheoutputvariablefuzzyvalue.TheactivationfunctionusedisSigmoidfunction.Thenumberofthenodesistwotimesofthenumberoffuzzylayernodes,accordingtotheoremofKolmogorov.Duringthetrainingprocess,adjustmentscanbemadeaccordingtodifferentlevelofaccuracy.Outputlayeristhefourthlayerofthenetwork.Eachnodeofitiscorrespondingtoeachfaultcausesofthehydraulicsubsystem.Outputvalueisthemembershipsizeaffiliatedtothefaultcauses.Thenumberofthenodescorrespondstothenumberofcausesoftypicalfaultsofthehydraulicsystem.FuzzificationEliminationlayeristhefifthlayerofthenetwork.Itclarifiesthefuzzyresultsoftheoutputlayerandoutputsthedefinitediagnosisresults.Theclaritycalculationisbasedonminimumthresholdvalueprinciple(Membershipvalueoffaultcomponentsshouldbegreaterthansomethresholds,whichisdefinedindebugging.Thevalueshouldbesettoanappropriatevalue.Alargemembershipvaluemightleadtotheignoranceofsomefaultswhileasmallvaluemaycausefalsealarmsoffaults).Fig.2Characteristicsignalofworkconditionofthehydraulicsystemofcranesoutriggers1-Temperaturesensor;2-Levelsensor;3-Pressure/flowsensor;4-PressuresensorThecharacteristicsignaloftheworkingconditionofthehydraulicsystemischosenasfollows:theoiltemperatureofthehydraulicsystem,oillevelintank,oilpressureandflowofpumpexit,operatingpressureandoil-reliefpressureofthehorizontalandverticalhydrauliccylinderofeachleg.Thedistributionofmonitoringsignalisshowninfigure2.Besidesthecharacteristicsignaloftheworkingcondition,othersignalsarechosen,includingcontrolsignalofstretch/shrinkageofHorizontal/verticallegs,linkagestretch/shrinkageofHorizontal/verticallegsandselectionsignalofhalfastretch/allstretchofHorizontallegs,etc.TheoiltemperatureWhenthelegsystemworksproperly,theoiltemperatureisusually40~60℃.Butwhenfaultoccurs,thehydraulicoiltemperaturemightexperiencefluctuations.Thismightbecausedby:leakageofgearpump;leakageorstuckofaleghydrauliccylinder;leakageortoohighadjustmentpressureofreliefvalve,etc.(2)OillevelintankWhenthelegsystemworksproperly,oillevelkeepschangingaccordingtoacertainfashion.Whensomehydrauliccomponentsinthesystemencounterleakageorotherfaults,thesystem'shydraulicoillevelwillchangeaccordingtotheconditionofwork.TheoilpressureongearpumpexitHydraulicoilpressureonpumpexitisdeterminedbyexternalload.Ifthesystemencountersfaults,theoutletpressurecanexperiencedrasticchange.(4)OutputoilflowofgearpumpIfthehydraulicpumpencountersfaults,theoutputoilflowwillnotbeabletoreachastablerangewithinalongtime.(5)Oilpressureofthehorizontalrod-lesshydrauliccylinderWhenthelegsstretchedouthorizontally,oilpressureofrod-lesshydrauliccylinderdependsontheresistanceoftheleg.Theresistanceincludesfrictionresistanceandhydraulicresistanceofrod-lesshydrauliccylinder.Whenthelegsdrawbackhorizontally,oilpressureofrod-lesshydrauliccylinderdependsontheoil-reliefpressureofback-oil-way.Whenthelegsstretchedouthorizontally,ifleakagehappenstothehorizontalhydrauliccylinderorthereversingvalvesthatcontrolsthecylinder,theoilpressureoftherod-lesshydrauliccylinderwillbebelowthenormalrange.Consequently,thelegscannotmoveormovesluggishly.Whenthelegsdrawbackhorizontally,ifobstructionhappenstotheback-pressurevalueoroilfilters,theoilpressureoftherod-lesshydrauliccylinderwillbeabovethenormalrange.Consequently,thelegscannotreturn.OilpressureofthehorizontalrodhydrauliccylinderWhenthelegsstretchedouthorizontally,oilpressureofrodhydrauliccylinderdependsontheoil-reliefpressureofback-oil-way.Whenthelegsdrawbackhorizontally,oilpressureofrodhydrauliccylinderdependsontheresistanceoftheleg.Theresistanceincludesfrictionresistanceandhydraulicresistanceofrodhydrauliccylinder.Whenthelegsstretchedouthorizontally,ifobstructionhappenstoback-pressure-valveoroilfilters,theoilpressureoftherod-lesshydrauliccylinderwillbeabovethenormalrange.Consequently,thelegscannotmoveormovesluggishly.Whenthelegsdrawbackhorizontally,ifleakagehappenstothehorizontalhydrauliccylinderorthereversingvalvesthatcontrolsthecylinder,theoilpressureoftherodhydrauliccylinderwillbebelowthenormalrange.Consequently,thelegscannotreturn.Theverticalhydrauliccylinderhasthesimilartheorywiththehorizontalones.Theaboveanalysisdescribestherelationshipbetweencharacteristicsignals,faultphenomenaandfaultcauses.Duringtheoperation,eachcharacteristicsignalisrelatedtomanyphenomenaandcausesoffaultwhileeachphenomenonorcauseoffaultsmaybeindicatedbymanycharacteristicsignals.Asmentionedabove,wecandiagnosissomefailurecausesbyfuzzyneuralnetworkbasedonthesensorwehave.Thefailurecausesareasfellows:shortageofoil,hydraulicpumpfailure,reliefvalvefailure,electromagneticreversingvalvefailure,bi-directionalhydrauliclockfailure,leakageofhorizontalhydrauliccylinderoflegs,leakageofverticalhydrauliccylinderoflegs,andobstructionofbackpressurevalveandoilfilters,etc.Accordingtotherelateddesignandtuningoftheparametersofthehydraulicsystem,thenormalrangeofcharacteristicsignalparametersandtheseverityofthepossibledeviationareobtained(asshownintable1).Table1Normalrangeofcharacteristicsignalofthehydraulicsystem2.2FuzzificationprocessandselectiononmembershipfunctionsofcharacteristicsignalofthehydraulicsystemAccordingtothemeasurementofeachcharacteristicsignalparameterofhydraulicsystem,wecanknowiftheparameterisnormal,slantssmallorslantsbig.Asforthemembershipdegreeintherange,namelythemembershipdegreebetweenfaultcausesandfaultphenomena,itisdefinedbythecorrespondingmembershipfunctions.Therelevancebetweenfuzzymembershipfunctionsandactualsituationaffectsthediagnosisresultsdirectly.Therefore,todeterminethemembershipfunctionisthekeytothewholefaultdiagnosis.Inmanycases,accordingtotheactualsituation,themostsimpleandeffectivemethodistousesomecommonmembershipfunctiontoapproximatelyexpresssomefuzzyvariables.Accordingtopastexperienceandactualchangeofparameters,thispaperselectsthecommonly-usedbellmembershipfunctionsasanormalstateofmembershipfunctions,thedown-Z-typemembershipfunctionsasslantssmallstateofmembershipfunctionsandup-Z-typemembershipfunctionsasslantsbigstateofmembershipfunctions.Consideringthatthereisnoobviousboundaryofthesefuzzyconceptsofslantssmall,normalandslantssmall,overlappingpartmustbesetforthesemembershipfunctionsreflectedinthemembershipfunctioncurveoffuzzysets.Choosingtherightoverlaprateisanimportantfactortoguaranteethereliabilityofthediagnosis.Withreferencetopastexperience,theoverlaprateofthemembershipfunctionsofthispaperwasselectedbetween0.2and0.6.Afteracomprehensiveconsiderationofthenumber,shape,positiondistribution,overlappingrateandsoon,wedeterminedmembershipfunctionsofcharacteristicsignalparametersofthehydraulicsystemofoutriggers(Figs.3,4,5,6,7and8).Accordingtoactualsituationoftheoperation,wehaveadjustedtheparametersforthemembershipfunctions.Fig.3MembershipfunctionsofthetemperatureofhydraulicoilFig.4MembershipfunctionsoftheoillevelFig.5MembershipfunctionsoftheoilreliefpressureFig.6MembershipfunctionsoftheworkpressureofhydrocylinderFig.7MembershipfunctionsoftheworkflowofhydrocylinderFig.8MembershipfunctionsofthecontroloilpressureFuzzificationprocessofcharacteristicsignalparametersistotransferthepreciseinputvaluesofcharacteristicsignalparametertofuzzymembershipvalue.Firstly,theinputvaluesofcharacteristicsignalparametertoeachrange,therangeofslantssmall,slantsbig,normalaretransferred.Secondly,fuzzificationprocessisconductedtothecharacteristicsignalparametersthathavebeentransferredtocertaindomainrange.Theprocesswouldturntheoriginalpreciseinputintofuzzymembershipvaluebetween0~1.2.3TrainingandlearningoffuzzyneuralnetworkmodelofthehydraulicsystemWemakethecharacteristicsignalofthehydraulicsystemofoutriggersasthefuzzyneuralnetwork'sinputandthecorrespondingfailurecausesofsystemasfuzzyneuralnetwork'soutput.Thenwesetupnetworkmodeloffaultdiagnosisrespectivelyasfigure1.Theprocessoftrainingandlearningareshowninfig.9.Eachoperationloopconsiststhefollowing:Firstly,itreadstrainingsampledataandtherangeofeachfeatureparameterfromtheknowledgedatabases,andoperatesfuzzificationprocesswiththesampledataofinputfault.Second,itwritesthefuzzificationprocessdataandtheexpectedoutputfaultsamplesdataintotheneuralnetwork.Thenitcalculatestheoutputofeachlayernodebytheneuralnetwork.Third,itcalculatestheerrorbetweenactualoutputofoutputlayernodeandexpectedoutput,anddeterminesifthetrainingresultsmeettherequirementofaccuracy.Ifprecisionrequirementortothemaximumnumberoftrainingaremet,itstoresthistraining'snetworkweightsandthresholdintoknowledgedatabase,beforeendsthistrainingprocess.Iftheprecisionrequirementortothemaximumnumberoftrainingsarenotmet,itimplementsbackwardtransmissioncalculationonthedirectionofreducingtheerror,andadjuststheweightsandthresholdofoutputlayerandhiddenlayer.Afterthat,itimplementsanewforwardtransmissioncalculationtocalculatetheoutputerrorbeforenextcomparisontotheprecisionrequirementsandmaximumnumberoftrainings.Repeatthestepstheabovestepsuntilthetwocriteriaaremet.3ImplementationofthemonitoringandfaultdiagnosisFig.10showsthesoftwarearchitectureofconditionmonitoringandfaultdiagnosis.Weadoptthetop-downapproachforsoftwaredeveloping.Thesoftwareisdividedintoseparatemodules,whichisconvenientfordebugging,codemaintainingandextensions.Fig.llshowsthehardwarearchitectureofthemonitoringandfaultdiagnosis.Thehardwaresetconsistsofmonitoringsensor,PLCcontrollersystem,dataacquisitionboardsandvehicle-mountedcomputerorpc,etc.Fig.10SoftwarearchitectureFig.11HardwarearchitectureFig.12showstheuserinterfaceofthehardwaresystemofthefuzzyneuralnetworkfaultdiagnosis.Userinterfaceisdividedinto3areasvisually,namelythereal-timeparametersmonitoringarea,diagnosisreportandmaintenancesuggestiondisplayareaandtoolsbuttonarea.Diagnosisreportconsistsofdiagnosistime,diagnosisalgorithmID,faultcode,faultphenomena,faultlocationandfaultcause.Maintenancesuggestionconsistsofrecommendationsformachineoperationinwordsorgraphs.Toolbuttonsincludesinitialdiagnosisbutton,radarviewbutton,stopdiagnosisbuttonandexitbutton.Initialdiagnosisbuttonandstopdiagnosisbuttondesignedbythewayofinterlock.Theradarviewbuttonleadstotheradarviewoffailureprobabilityofthediagnosissystem.Intheprocessofconditionmonitoringandfaultdiagnosis,theprobabilitiesoffailuresandtheprobabilitythateachfaultaffectsoverallfaultsisshownintheradarviewint(figure13).Intheprocessofdiagnosis,alltheprobabilitiesofeachfailurearesavedtotheradardatatable.Whenradarismonitoring,theradardatatableisdisplayedandrefreshedtothedatavariations,whichissynchronizedtothediagnosisresult.4ConclusionsThispaperpresentsourdesignandimplementationofthefaultdiagnosismodeloffuzzyneuralnetworkofthehydraulicsystemofcranesoutriggers.Anapproachofcombiningthefuzzytheoryandartificialneuralnetworkisproposed.Themodel'sinputandoutputsignals,therangeofinputsignal,theselectionofmembershipfunctionsandfuzzificationprocessingisdiscussed,etc.Theimplementationonasoftwareandhardwareplatformiselaborated.Thispaperclarifiedthetheoreticalbasisandcontributedtoanimplementationmethodforthemonitoringandfaultdiagnosisofhydraulicsystemsofcraneoutriggers.Andthissystemcanalsobeusedinothersimilarhydraulicsystems,suchasthehydraulicsystemofshieldmachine,thehydraulicsystemofloadermachine,etc.References[1]JiaHongxia,LiWanli,YuHaojie.Dynamicanalysisandmodelingofcorrectionsystemforthehydraulicgrabofundergroundcontinuouswall[J],JournalofTongjiUniversity:NaturalScienceEdition,2021,37(10):1393.[2]LuJiang.Analysisandcountermeasuresofthecausesofaccidentontheoperationofliftingmachinery[J],ConstructionDecoration,2021,10(67):11一13.[3]LiuBinpeng.Thecurrentsituationanddevelopmenttrendofengineeringmachineryindustryofourcountry[Z],TheManagementLearningNets,2021,3.[4]ZhaoKeli,WenYuming.Theapplicationofelectronictechnologyinthehydraulicexcavator[J],ConstructionMachinery,1997(3):33-34.[5]WangShirring,YangWeimin,LiTianshi,etc.Newtechnology,newstructureanddevelopmenttrendofengineeringmachineryofforeigncountry[J],EngineeringMachinery,2004(1):61-66.[6]WangShirring.Thecurrentsituationanddevelopmenttrendoffailuremonitoringdiagnosistechnologyofthehydraulicsystemofengineeringmachinery[J],MachineandHydraulic,2021,37(2):175-180.以下是附加文檔，不需要的朋友下載后刪除，謝謝教育實習總結(jié)專題15篇第一篇:教育實習總結(jié)一、實習學校中學創(chuàng)辦于清光緒33年〔年〕，校址幾經(jīng)變遷、校名幾度易名，年，中學得以復(fù)名并于領(lǐng)導(dǎo)和老師，虛心聽取他們的意見，學習他們的經(jīng)驗，主動完成實習學校布置的任務(wù)，塑造了良好的形象，給實習學校的領(lǐng)導(dǎo)、老師和學生都留下了好的印象，得到學校領(lǐng)導(dǎo)和老師的一致好評，對此，本人甚感欣慰。在這短暫的實習期間，我主要進行了教學工作實習、班主任工作實習和調(diào)研工作。二、教學工作方面1、聽課怎樣上好每一節(jié)課，是整個實習過程的重點。9月17日至9月27日的一個多星期的任務(wù)是聽課，在這期間我聽了高一級12位語文老師14節(jié)課，還聽了2節(jié)歷史課和1節(jié)地理課。在聽課前，認真閱讀了教材中的相關(guān)章節(jié)，并且簡單思考了自己講的話會怎樣講。聽課時，認真記好筆記，重點注意老師的上課方式，上課思想及與自己思路不同的局部，同時注意學生的反響，吸收老師的優(yōu)點。同時簡單記下自己的疑惑，想老師為什么這樣講。聽完課后，找老師交流、吸取經(jīng)驗。12位語文老師風格各異，我從他們身上學到了很多有用的經(jīng)驗。9月28日至30日，高一進行摸底考試。10月1日至7日國慶放假，8日至14日高一學生軍訓。9日，我們幾個語文實習生幫高二語文科組改月考試卷。10日，我們幫助改高一語文摸底考試卷。11日至18日這一個星期，我到高二聽課，聽了體會到教師工作的辛勞，也深刻理解了教學相長的內(nèi)涵，使我的教學理論變?yōu)榻虒W實踐，使虛擬教學變成真正的面對面的教學。要想成為一位優(yōu)秀的教師，不僅要學識淵博，其它各方面如語言、表達方式、心理狀態(tài)以及動作神態(tài)等等都是很重要的，站在教育的最前線，真正做到“傳道、授業(yè)、解惑〞，是一件任重道遠的事情，我更加需要不斷努力提高自身的綜合素質(zhì)和教學水平。三、班主任工作方面在班主任日常管理工作中，積極負責，認真到位，事事留心。從早晨的衛(wèi)生監(jiān)督，作業(yè)上交，早讀到課間紀律，課堂紀律，午休管理，自習課，晚自修等等，每樣事務(wù)都負責到底，細致監(jiān)督。當然，在監(jiān)督他們的同時不忘結(jié)合他們的個性特點進行思想道德教育，以培養(yǎng)他們正確的學習目標......本文來自公務(wù)員之家，查看正文請使用公務(wù)員之家站內(nèi)搜索查看正文。第二篇:高校生教育實習總結(jié)學校秉承“崇德、博學、強身、尚美〞的校訓，形成“以人為本，開展個性，追求卓越〞的辦學理念，致力走“以德立校、依法治校、科研興校、質(zhì)量強校〞的開展之路，全面推進素質(zhì)教育，形成了“初見成效的人本管理，進取型的團隊精神，低進高出的成才之路〞三大辦學特色。在均中近2個月的教育實習，時間過得很快，在這期間，我受益匪淺。我學會了如何教學，學習了如何應(yīng)對學生之間的各種突發(fā)的事件，更重要的是讓我感受到了教師這個職業(yè)的神圣重任，體會到了教師工作的辛苦，特別是班主任就比一般的任課老師付出的心血多一倍。以下主要對學科教學和班主任工作進行總結(jié)。1.聽課來到均中的第1周，我主要是聽課和自己進行試講工作。我的指導(dǎo)老師鼓勵我進行跨年級聽課，推薦各個年級的優(yōu)秀教師。我分別聽了高中三個年級的課，體驗不同老師的講課風格。在聽課前，我會認真閱讀教材中的相關(guān)章節(jié)，如果是習題課，那么事前認真做完題目，把做題的思路簡單記下，并內(nèi)心盤算自己講的話會怎樣講。聽課時，認真寫好聽課記錄，重點注意老師的上課方式，上課思想及與自己思路不同的局部，同時注意學生的反響，吸收老師的優(yōu)點。同時簡單記下自己的疑惑，想老師為什么這樣講。課后及時找老師對本節(jié)課的教學進行交流，學習老師的教學方法，體會教師應(yīng)具備的教態(tài)及掌控課堂的方法。2.備課與上課來到均中的第2周，科任老師開始叫我備課，內(nèi)容是蛋白質(zhì)一節(jié)。自己終于有時機走上講臺，真正以一名教師的身份面對閱讀，然后查看相關(guān)的教案及教學設(shè)計，上網(wǎng)查看相關(guān)教學視頻。在把握好本節(jié)課的教學重難點后，就是對教授班級的學生進行學情的分析，不同的學生知識水平是不同的。在備人生的第一節(jié)課中，真的是用了很大的功夫。由于是在普通班上的課，考慮到學生對相對抽象的知識學習比擬困難，所以采用類比和直觀教學，將直觀教學法充分貫穿在本節(jié)課的教學設(shè)計當中。寫好教案做好課件后請老師提出修改意見......本文來自公務(wù)員之家，查看正文請使用公務(wù)員之家站內(nèi)搜索查看正文。第三篇:師范專業(yè)中學教育實習總結(jié)作為師范生地我懷著希望與期盼的心情來到騰沖縣第一中學，開始了我的教育實習工作，轉(zhuǎn)眼就到了月30日，我的實習生活也劃上了圓滿的記號，在這段時間里我緊張過努力過深思過，自信過，指導(dǎo)老師們，學生們見證著我的成長，在這段時間里，我既是學生又是老師，作為學生我虛心求教，不恥下問，作為人師，我兢兢業(yè)業(yè)，倍感驕傲，這段時間我付出很多，收獲的更多，也是在這段時間了使我完成了由學生到老師的心理準備和轉(zhuǎn)變，現(xiàn)在我將我學習的情況做如下報告：實習的內(nèi)容包括兩局部課堂教學和班主任工作，根本情況如下；一課堂教學內(nèi)容：本次教學課堂實習主要是實習高一〔班級〕的地理課教學，課堂實習工作主要是對地理課進行聽課，備課，講課，課后評課課外知道批改作業(yè)等。1，聽課聽指導(dǎo)老師在不同班級上課的情況，學習指導(dǎo)教師的講課方法和教學模式流程，，同時在聽課過程中了解學生的情況，聽課后設(shè)想假設(shè)自己上會怎樣設(shè)計前后進行比照。2備課參考之前的聽課記錄，認真?zhèn)浣滩膫鋵W生，根據(jù)各班學生的特點，預(yù)測教學課堂中肯能出現(xiàn)的各種情況，參考配套練習冊，結(jié)合指導(dǎo)教師的教學方法和教學模式流程及教學標準學校的具體情況設(shè)計不同的教學方法，教學環(huán)節(jié)，寫出教案后給指導(dǎo)老師評價，在指導(dǎo)老師指出需要注意的地方后進行修改，最后充分熟悉教案。3講課經(jīng)過充分的備課之后進行的是講課，講課是根據(jù)自己的備課本來講的同時根據(jù)課堂的具體情況來靈活處理各種預(yù)測不到的情況，及時改變教學方法，講課是面對全體學生，以學生為主教態(tài)自然儀表大方教學語言簡潔聲音洪亮語速語調(diào)適中，講課過程中不僅要完成課程內(nèi)容，還要在課堂上布置課堂練習，觀察學生的聽課效果，為課后的評課做做準備，也為以后的課堂教學積累經(jīng)驗。4評課上完課之后對所上的課進行評價，記下課堂上出現(xiàn)的問題和指導(dǎo)老師提出的意見并再完善和調(diào)整教案，課后反思，爭取每一次出現(xiàn)的問題下次不再出現(xiàn)5課外輔導(dǎo)課后結(jié)合課堂效果針對不同的學生進行課后輔導(dǎo)幫助他們解決課堂上不懂的問題6，批改作業(yè)收課外作業(yè)進行批改，對每一本作業(yè)本都細心批改，找出學生出錯的地方并改正，讓學生可以知道自己錯在哪，在批改作業(yè)的同時在作業(yè)中發(fā)現(xiàn)問題了解學生的情況，在接下的課堂上做相應(yīng)的改變進。再整個實習期間總共完成：，聽課講課修改作業(yè)。二：班主任工作我本次班主任實習方面，我在原班主任某某的指導(dǎo)下，完成了很多班主任日常工作，班級工作，與原班主任溝通工作，比方早讀，晚自習，課間操，清潔衛(wèi)生班會，課外活動及自習課堂紀律等，在此期間我對班主任工作做了詳細的記載，使自己在實習過程中能夠全面的了解教學工作的真理，在班主任實習中我積極主動的和學生交流......本文來自公務(wù)員之家，查看正文請使用公務(wù)員之家站內(nèi)搜索查看正文。第四篇:大學生中學教育實習總結(jié)教育實習是師范教育的重要組成局部，是師范教育貫徹理論與實踐相結(jié)合原那么的表達，是培養(yǎng)適應(yīng)21世紀需要的合格教師的重要環(huán)節(jié)。作為一名有著教師夢的人來說，教育實習可提高我們各項教師技能。本次教育實習，本人有幸參加學校的混合編隊，實習學校是韶關(guān)樂昌城關(guān)中學。一、實習目的1、使自己在大學三年學習到的專業(yè)知識、根底理論和教師技能得到一個檢驗和穩(wěn)固的時機，并作為自己踏上真正的教學崗位之前的一次演練。2、通過觀察和了解實習學校教師在教學崗位上的具體工作，向優(yōu)秀教師學習，更好的提高自己教師技能。3、通過實習，也可以檢查自己在面對真正走上教學崗位的時候還存在哪些方面的缺乏，從而及時調(diào)整與改良，爭取以最正確狀態(tài)走上日后的教學崗位。4、進一步培養(yǎng)在實際工作中發(fā)現(xiàn)問題、分析問題、設(shè)計和實施解決問題的能力。5、在本次教育實習中，更好的學會與人相處，協(xié)調(diào)自己的各項組織能力，更有團隊精神。二、實習時間安排和主要任務(wù)要求1、準備階段：月下旬至月20日鉆研教學大綱和教師參考書等資料，認真搜集積累相關(guān)的教學資料，認真?zhèn)湔n，