题目：液压系统鲁棒故障诊断算法研究

本文在对液压泵和液压位置伺服系统故障机理分析的基础上，确定液压系统故障特征提取方法，探讨了适应于不同故障特征的鲁棒故障诊断算法。由于液压泵故障时常引起振动和压力脉动，而振动信号又容易受环境干扰影响，因此本文采用了小波包分析与功率谱结合、小波消噪与Hilbert变换方法结合对故障信号进行诊断，并对常规小波包进行了改进，提高了消噪的速度和故障诊断精度。针对单一传感器提供的信息模糊、不确定等特点，本文采用了多传感器信息融合技术和神经网络方法进行信息融合，提高了故障诊断的鲁棒性。液压位置伺服系统是典型的位置闭环系统，系统故障后会导致数学模型参数发生变化，可采用故障观测器的诊断方法。由于常规观测器需要精确的系统参数，这给建模带来了一定的难度，本文采用小脑神经网络（CMAC）观测器，在数据少和不需要系统的结构参数的情况下实现液压伺服系统的状态观测，仿真表明小脑神经网络收敛速度快，提高了液压伺服系统故障诊断的速度。针对故障诊断时采用固定阈值误检率大的缺陷，本文对影响残差的因素进行分析，采用了支持向量机方法设计了自适应阈值，提高了故障诊断的鲁棒性。