-
题名基于EEMD液压钻机液压系统的故障诊断研究
被引量：1
- 1
-
-
作者
芦萤萤
-
机构
德州职业技术学院
-
出处
《液压与气动》
北大核心
2012年第7期124-127,共4页
-
文摘
为了能够提高液压钻机液压系统故障诊断的正确率,深入地研究了EEMD在其中的应用。首先,分析了液压钻机液压系统的常见故障;接着,研究了EEMD的基本原理;然后,分析了EEMD的降噪原理;最后,进行了液压钻机液压系统的故障诊断分析,诊断结果表明,该方法具有较高的诊断正确率。
-
关键词
EEMD
液压钻机液压系统
故障诊断
-
分类号
TH137
[机械工程—机械制造及自动化]
-
-
题名ZY-750C型全液压钻机液压系统改造及试验
被引量：5
- 2
-
-
作者
李文树
龙建明
陈久福
李宗福
丁红
-
机构
重庆市能源投资集团公司重庆松藻煤电公司
重庆大学煤矿灾害动力学与控制国家重点实验室
-
出处
《矿业安全与环保》
北大核心
2013年第6期58-60,共3页
-
基金
国家科技重大专项大型油气田及煤层气开发(2011ZX05065)
-
文摘
为解决ZY-750C型钻机在煤矿现场应用中出现的钻进能力小、故障多、施工效率低等难题,提出了通过改造钻机液压系统以提高钻进效率的方法。通过对钻机液压系统进行理论计算与优化分析,确定改造后该钻机的电动机为YBK2-200L-4型,液压马达为G6K-310型,齿轮泵为CBY3063/2016-630型。现场试验结果表明:改造后钻机每米抽采钻孔的钻进时间由6.13 min减少到4.07 min,减小了33.6%;钻进台机效率明显提高,由4 930.6 m/月提高到6 341.2 m/月,提高了28.6%。
-
关键词
钻机液压系统
液压马达
齿轮泵
改造
-
Keywords
hydraulic system of drilling machine
hydraulic motor
gear pump
modificationt
-
分类号
TD421.25
[矿业工程—矿山机电]
-
-
题名基于无模型自适应迭代学习的液压锚杆钻机转速控制
被引量：1
- 3
-
-
作者
朱敏
卜旭辉
梁嘉琪
-
机构
河南理工大学电气工程与自动化学院
河南省煤矿装备智能检测与控制重点实验室
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第6期95-103,共9页
-
基金
国家自然科学基金(62273133)
河南省自然科学基金杰出青年基金(242300421053)
+2 种基金
河南省科技项目(242102210010,242102210036)
河南省高校基本科研业务费专项资金资助(NSFRF240606,NSFRF240608)
焦作市科技规划项目(2023210043)资助。
-
文摘
针对存在参数不确定、非线性约束液压锚杆钻机回转系统的转速高精度控制问题,利用钻机作业的重复性,提出了一种基于无模型自适应迭代学习的液压锚杆钻机回转系统转速控制方案。首先,搭建钻机回转控制系统关于转速的状态空间模型。其次,利用动态线性化技术,构造钻机回转系统液压马达与伺服阀电流在迭代域的等价线性映射关系,并根据系统采集的历史伺服阀电流输入、液压马达转角输出数据,提出无模型自适应迭代学习转速控制设计方法。然后在理论上给出液压锚杆钻机回转系统转速跟踪误差沿数据方向以及重复作业方向的渐近收敛性。最后,利用MATLAB软件和AMEsim平台联合仿真验证算法的有效性。结果表明,相比于传统PID算法和迭代学习控制算法,所提出的算法在不需要已知锚杆钻机系统模型的情况下,能够仅利用可测数据实现钻机转速的高精度控制,并且在面对突加外部干扰、油温波动情况下仍具备良好的自适应、抗干扰能力。
-
关键词
无模型自适应控制
迭代学习控制
液压锚杆钻机回转系统
联合仿真
-
Keywords
model-free adaptive control
iterative learning control
rotary system of hydraulic anchor drill
co-simulation
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名钻机回转液压系统仿真与健康评估
被引量：1
- 4
-
-
作者
李兆奎
田慕琴
宋建成
-
机构
太原理工大学矿用智能电器技术国家地方联合工程实验室
-
出处
《现代电子技术》
2022年第23期105-108,共4页
-
基金
山西省重点研发计划项目(202003D111008)
山西省自然科学基金重点项目(201901D111008(ZD))。
-
文摘
针对钻机实际故障数据获取较难和性能退化的非线性等问题,提出一种基于RBF神经网络的钻机回转液压系统健康状态评估方法。使用AMEsim软件搭建回转液压系统仿真模型,模拟了液压泵内泄露和液压马达内泄露,采集了样本数据并提取特征量,通过主成分分析法(PCA)对特征量进行降维处理,使用K均值算法(K⁃means)和粒子群优化算法(PSO)优化RBF神经网络参数,通过训练建立RBF神经网络健康评估模型,输入PCA处理后的数据,评估模型自动输出评估结果,实现了钻机回转液压系统健康状态的智能评估。结果表明,该方法具有较高准确性和可靠性,可用于钻机回转液压系统的健康评估,并为进一步开展钻机液压系统智能故障诊断和健康评估奠定了研究基础。
-
关键词
钻机回转液压系统
智能化
健康评估
RBF神经网络
主成分分析
K⁃means⁃PSO⁃RBF神经网络
AMESIM仿真
-
Keywords
drilling rig rotary hydraulic system
intellectualization
health evaluation
RBF neural network
PCA
K⁃means⁃PSO⁃RBF neural network
AMEsim simulation
-
分类号
TN919-34
[电子电信—通信与信息系统]
TH137
[机械工程—机械制造及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
