汽车起重机液压系统的设计与计算-外文翻译【可编辑】【完整版】

汽车起重机液压系统的设计与计算外文翻译【可编辑】【完整版】(文档可以直接使用，也可根据实际需要修订后使用,可编辑放心下载）

汽车起重机液压系统的设计与计算外文翻译【可编辑】【完整版】(文档可以直接使用，也可根据实际需要修订后使用,可编辑放心下载）毕业设计(论文)外文资料翻译学院：机械工程学院专业：机械设计制造及其自动化姓名：尤兴亚学号：0902070438外文出处：CorrespondingAuthorcnlwl@附件：1.外文资料翻译译文；2.外文原文。指导教师评语：签名：2021年3月31日起重机液压系统支腿的智能故障诊断研究李万里,黄佳奎,王鹏晨,朱福明机械工程学院，同济大学，上海202104，中国；物流工程学院，上海海事大学，上海200135，中国；摘要：随着起重机液压系统越来越复杂，要求故障诊断更加快速和全面。根据起重机支腿液压系统的结构特点，本文提出了一种快速而广泛的硬件和软件体系结构模型的空调监测与故障诊断系统。在本文中,树的诊断方法和模糊神经网络理论的应用为液压系统的故障诊断提供了理论根底以及实现方法。关键字：起重机，故障诊断，神经网络引言汽车起重机是一种重要的工程机械。以其日趋复杂的结构和功能,它更倾向于复杂的问题,所以很难诊断起重机支架液压系统的故障。在这样的场景中,一个单一的理论或方法,无论是聪明还是经典的都缺乏以实现全面、准确、快捷的故障诊断。然而,结合了两个或更多经典和智能的方法,它可能是一个准确、快速的折中诊断方法。本文利用联合诊断算法〔模糊神经网络的故障诊断〕为支架的起重机液压系统诊断。该算法实现了硬件平台和软件模型的联合诊断,实现了状态监测和故障诊断液压系统。2、建立基于模糊神经网络稳定支撑的液压系统的故障诊断模型模糊神经网络(FNN)结构模型收集有神经网络和模糊理论的优势。用模糊神经网络的故障诊断液压系统的稳定支撑如图1所示。图1结构模型的模糊神经网络算法基于模糊神经网络的BP(反向传播)神经网络,采用串联方式与模糊系统。输入和输出的网络是模糊量和成员的一些特性和一些模型。网络结构分为五层,输入层、隐层、模糊层、输出层、模糊化消除层。输入层是第一层网络。这层接收输入特征信号从外面直接传输之前的特征信号到二层——模糊神经元。转移重量是1。节点的数量在输入层取决于数量的特征信号的诊断。模糊层是第二层的网络。它的功能是计算成员的输入特性信号,属于模糊集合中的每个变量值,根据隶属函数的模糊子集。模糊化后,每个输入层节点对应于三个模糊层节点,代表高边,正常和低侧分别。因此,节点的数量是3倍数量的输入节点。隐藏层是第三层网络。它是用于实现从输入变量模糊值映射到输出变量的模糊值。激活函数使用是乙状结肠函数。节点的数量是两倍数量的模糊层节点,根据柯尔莫哥洛夫定理。在培训过程中,调整可以根据不同程度的准确性。输出层是第四层的网络。每个节点对应的每个故障引起的液压子系统。输出值是会员大小隶属于故障原因。节点的数量对应于多种原因引起的典型故障的液压系统。模糊化消除层是第五层的网络。阐述了模糊结果输出层和输出明确的诊断结果。清晰的计算是基于最小阈值原那么(会员价值的故障组件应大于某一阈值,这是定义在调试。的值应该设置为一个适当的值。一个大型会员价值可能会导致一些错误的无知,而小值可能导致假警报的缺点)。特征信号的液压系统工况选择如下:油温的液压系统,油位在罐、油的压力和流量泵出口、操作压力和泄油压力的水平和垂直液压缸的每条腿。监测信号的分布如图2所示。1-温度传感器;2-传感器;3-压力/流量传感器;4-压力传感器图2特征信号的工作状态的起重机液压系统稳定支撑除了工作状态的特征信号,信号的选择,包括控制信号拉伸/收缩水平/垂直腿拉伸/收缩,联动水平/垂直腿和选择信号的半拉伸/所有段水平腿等。(1)、油温当支腿系统正常工作,油的温度通常是40~60℃。但当故障发生时,液压油温度可能经常波动。这可能是由于泄漏的齿轮泵;泄漏或粘腿的液压缸;泄漏或太高的调整压力平安阀等。油位油箱当支腿系统工作正常，油位根据一定的方式不断变化的。当在系统中遇到的一些液压元件的泄漏或其他故障时，系统的液压油位会根据工作条件改变。齿轮泵的出口压力油液压油压力泵的出口是由外部负载。如果在系统遇到故障时，出口油压力会发生剧烈的变化。〔4〕输出石油流动的齿轮泵如果液压泵遇到故障，将在很长一段时间内无法到达一个稳定的范围内输出油流。水平杆的液压缸的油压当支腿水平方向伸展,油压杆少液压缸取决于电阻的腿。阻力包括摩擦阻力和液压阻力杆少液压缸。当腿拉开水平,油压杆少液压缸取决于石油缓解压力的方式回油。当腿水平方向伸展,如果泄漏发生在水平液压缸或换向阀控制气缸,油压力杆少液压缸将低于正常范围。因此,腿不能移动或移动缓慢。当腿拉开水平,如果梗阻发生背压值或油过滤器、油压力杆少液压缸将超过正常范围。因此,腿不能返回。水平杆液压缸的油压当双腿伸出水平，取决于杆液压缸的油压油溢流压力回油方式。当腿抽到回水平，杆液压缸的压力油的电阻取决于的leg.The电阻包括摩擦阻力和杆液压缸的液压阻力。当腿伸出水平，如果阻塞发生背压阀或油过滤器，油压力杆液压缸将在上述正常范围。因此，双腿不能移动或移动缓慢。当腿抽到回水平，如果发生泄漏的水平液压缸或换向阀控制气缸，杆液压缸的油的压力将低于在正常范围。因此，腿不能返回。上面的分析描述信号特征之间的关系,故障现象和故障原因。手术期间,每个特征信号与许多现象和原因的故障而引起的故障现象或每个可能是由大量的信号特征。正如上面提到的,我们可以诊断故障原因的一些模糊神经网络基于传感器我们已经。失败原因如下:缺乏石油、水力泵衰竭,平安阀失效,电磁换向阀故障,双向液压锁故障,泄漏的水平液压缸的腿,泄漏的垂直液压缸的腿,阻碍背压阀和油过滤器等。根据相关的设计和调谐的液压系统中的参数，特征信号参数的正常范围和严重程度的可能偏差，得到〔如表1所示〕。表1正常范围内的液压系统的特征信号2、2模糊化过程和选择隶属函数的特征信号的液压系统根据测量的每个特征信号参数的液压系统,我们可以知道如果参数是正常的,偏小或偏大。至于隶属度的范围,即隶属度故障原因和故障现象之间,它被定义为相应的隶属函数。模糊隶属函数的相关性,实际情况会影响诊断结果直接。因此,确定隶属函数的关键是整个故障诊断。在许多情况下,根据实际情况,最简单有效的方法是使用一些常见的隶属函数来表达一些模糊变量的约。根据过去的经验和实际变化的参数,本文选用常用的贝尔隶属函数作为一个正常状态的隶属函数、隶属度函数下z型是偏小的状态的隶属度函数和了z型隶属函数作为隶属函数偏大的状态。考虑到没有明显边界的这些模糊概念的偏小,正常和偏小,重叠局部必须设置为这些隶属函数反映在模糊集的隶属函数曲线。选择适宜的重叠率是一个重要的因素来保证诊断的可靠性。关于过去的经验,重叠率的隶属函数的文章被选中在0.2和0.6之间。考虑的数量，形状，位置，分布，重叠率，等后，我们确定信号参数支持的特性〔图3，4，5，6，7和8〕的隶属度函数的液压系统。根据实际情况的操作，我们已经调整了参数的隶属函数。图3隶属函数的液压油的温度图4隶属函数的油位图5隶属函数的石油释放压力图6隶属函数的工作压力的液压油缸图7隶属函数的工作流程的液压油缸图8隶属函数的控制油压力模糊化过程特征信号的参数是传递精确的输入值的特征信号参数模糊隶属度值。首先,输入值的特征信号参数的分布范围,每个范围偏大,偏小,正常传输。其次,进行了模糊化过程的特征信号参数,已被转移到某些域范围。这个过程将使原来的精确的输入到模糊隶属度值介于0~1。2.3培训与学习的模糊神经网络模型的液压系统我们使液压系统的特征信号的稳定支撑作为模糊神经网络的输入和相应的故障原因的系统作为模糊神经网络的输出。培训和学习的过程显示在图9。每个操作循环包括以下内容：首先，它读取训练样本的数据和从知识数据库中的各特征参数的范围内，并且操作输入故障的样本数据的模糊化过程。第二,它写的模糊化过程数据和预期的输出故障样本数据的神经网络。然后计算每层节点的输出由神经网络。第三，计算输出层节点的实际输出与期望输出之间的误差，并确定，如果训练结果满足精度要求。如果满足精度要求或培训的最大数量，它存储了本次培训的网络权重和阈值转化为知识数据库，前结束训练过程中。如果精度要求或不符合的最大数目的培训，它实现向后传输计算减少错误的方向上，并调整输出层和隐层的权值和阈值。在那之后，它实现了一个新的正向传输计算来计算的输出错误之前，下一个比拟的精度要求和最大的培训。重复的步骤，上述步骤，直到满足两个准那么。3、实施监测与故障诊断图10显示了状态监测与故障诊断的软件架构。我们采用自上而下的方法，为软件开发。该软件被划分成单独的模块，方便调试，代码维护和扩展。图11显示硬件架构的监测与故障诊断。由监测传感器，PLC控制系统，数据采集板和车载电脑或PC等硬件设置图10、软件架构图11、硬件架构图12、显示了用户界面的硬件系统的模糊神经网络故障诊断。用户界面被分为3个区域在视觉上，即实时参数监视区域，诊断报告和维护上的建议示区域和工具按钮区域。诊断报告包括诊断时间、诊断算法、故障代码、故障ID现象,故障定位和故障原因。维修建议由机器操作的建议在文字或图形。工具按钮包括初步诊断按钮，雷达视图“按钮，停止诊断按钮和退出按钮。初步诊断按钮和停止的诊断按钮设计联锁的方式。雷达视图“按钮会导致失败的概率诊断系统的雷达视图。在这个过程的状态监测和故障诊断,故障的可能性和概率,每个断层影响整体故障显示在雷达视图i如(图13)。诊断的过程中,所有的可能性的每个故障都保存到雷达数据表。当雷达监测,雷达数据表显示和刷新的数据变化,这是同步的,诊断结果。4、结论介绍了我们设计和实现的故障诊断模型的模糊神经网络的起重机液压系统稳定支撑。一个方法相结合的模糊理论和人工神经网络算法。模型的输入和输出信号,输入信号的范围,选择隶属度函数和模糊化处理是讨论等。实现在软件和硬件平台进行了阐述。本文说明了理论根底,导致一个实现方法的监测和故障诊断液压系统起重机支架。这个系统也可以用于其他类似的液压系统,如盾构液压系统,液压系统装载机机等。参考文献[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.以下是附加文档，不需要的朋友下载后删除，谢谢教育实习总结专题15篇第一篇:教育实习总结一、实习学校中学创办于清光绪33年〔年〕，校址几经变迁、校名几度易名，年，中学得以复名并于领导和老师，虚心听取他们的意见，学习他们的经验，主动完成实习学校布置的任务，塑造了良好的形象，给实习学校的领导、老师和学生都留下了好的印象，得到学校领导和老师的一致好评，对此，本人甚感欣慰。在这短暂的实习期间，我主要进行了教学工作实习、班主任工作实习和调研工作。二、教学工作方面1、听课怎样上好每一节课，是整个实习过程的重点。9月17日至9月27日的一个多星期的任务是听课，在这期间我听了高一级12位语文老师14节课，还听了2节历史课和1节地理课。在听课前，认真阅读了教材中的相关章节，并且简单思考了自己讲的话会怎样讲。听课时，认真记好笔记，重点注意老师的上课方式，上课思想及与自己思路不同的局部，同时注意学生的反响，吸收老师的优点。同时简单记下自己的疑惑，想老师为什么这样讲。听完课后，找老师交流、吸取经验。12位语文老师风格各异，我从他们身上学到了很多有用的经验。9月28日至30日，高一进行摸底考试。10月1日至7日国庆放假，8日至14日高一学生军训。9日，我们几个语文实习生帮高二语文科组改月考试卷。10日，我们帮助改高一语文摸底考试卷。11日至18日这一个星期，我到高二听课，听了体会到教师工作的辛劳，也深刻理解了教学相长的内涵，使我的教学理论变为教学实践，使虚拟教学变成真正的面对面的教学。要想成为一位优秀的教师，不仅要学识渊博，其它各方面如语言、表达方式、心理状态以及动作神态等等都是很重要的，站在教育的最前线，真正做到“传道、授业、解惑〞，是一件任重道远的事情，我更加需要不断努力提高自身的综合素质和教学水平。三、班主任工作方面在班主任日常管理工作中，积极负责，认真到位，事事留心。从早晨的卫生监督，作业上交，早读到课间纪律，课堂纪律，午休管理，自习课，晚自修等等，每样事务都负责到底，细致监督。当然，在监督他们的同时不忘结合他们的个性特点进行思想道德教育，以培养他们正确的学习目标......本文来自公务员之家，查看正文请使用公务员之家站内搜索查看正文。第二篇:高校生教育实习总结学校秉承“崇德、博学、强身、尚美〞的校训，形成“以人为本，开展个性，追求卓越〞的办学理念，致力走“以德立校、依法治校、科研兴校、质量强校〞的开展之路，全面推进素质教育，形成了“初见成效的人本管理，进取型的团队精神，低进高出的成才之路〞三大办学特色。在均中近2个月的教育实习，时间过得很快，在这期间，我受益匪浅。我学会了如何教学，学习了如何应对学生之间的各种突发的事件，更重要的是让我感受到了教师这个职业的神圣重任，体会到了教师工作的辛苦，特别是班主任就比一般的任课老师付出的心血多一倍。以下主要对学科教学和班主任工作进行总结。1.听课来到均中的第1周，我主要是听课和自己进行试讲工作。我的指导老师鼓励我进行跨年级听课，推荐各个年级的优秀教师。我分别听了高中三个年级的课，体验不同老师的讲课风格。在听课前，我会认真阅读教材中的相关章节，如果是习题课，那么事前认真做完题目，把做题的思路简单记下，并内心盘算自己讲的话会怎样讲。听课时，认真写好听课记录，重点注意老师的上课方式，上课思想及与自己思路不同的局部，同时注意学生的反响，吸收老师的优点。同时简单记下自己的疑惑，想老师为什么这样讲。课后及时找老师对本节课的教学进行交流，学习老师的教学方法，体会教师应具备的教态及掌控课堂的方法。2.备课与上课来到均中的第2周，科任老师开始叫我备课，内容是蛋白质一节。自己终于有时机走上讲台，真正以一名教师的身份面对阅读，然后查看相关的教案及教学设计，上网查看相关教学视频。在把握好本节课的教学重难点后，就是对教授班级的学生进行学情的分析，不同的学生知识水平是不同的。在备人生的第一节课中，真的是用了很大的功夫。由于是在普通班上的课，考虑到学生对相对抽象的知识学习比拟困难，所以采用类比和直观教学，将直观教学法充分贯穿在本节课的教学设计当中。写好教案做好课件后请老师提出修改意见......本文来自公务员之家，查看正文请使用公务员之家站内搜索查看正文。第三篇:师范专业中学教育实习总结作为师范生地我怀着希望与期盼的心情来到腾冲县第一中学，开始了我的教育实习工作，转眼就到了月30日，我的实习生活也划上了圆满的记号，在这段时间里我紧张过努力过深思过，自信过，指导老师们，学生们见证着我的成长，在这段时间里，我既是学生又是老师，作为学生我虚心求教，不耻下问，作为人师，我兢兢业业，倍感骄傲，这段时间我付出很多，收获的更多，也是在这段时间了使我完成了由学生到老师的心理准备和转变，现在我将我学习的情况做如下报告：实习的内容包括两局部课堂教学和班主任工作，根本情况如下；一课堂教学内容：本次教学课堂实习主要是实习高一〔班级〕的地理课教学，课堂实习工作主要是对地理课进行听课，备课，讲课，课后评课课外知道批改作业等。1，听课听指导老师在不同班级上课的情况，学习指导教师的讲课方法和教学模式流程，，同时在听课过程中了解学生的情况，听课后设想假设自己上会怎样设计前后进行比照。2备课参考之前的听课记录，认真备教材备学生，根据各班学生的特点，预测教学课堂中肯能出现的各种情况，参考配套练习册，结合指导教师的教学方法和教学模式流程及教学标准学校的具体情况设计不同的教学方法，教学环节，写出教案后给指导老师评价，在指导老师指出需要注意的地方后进行修改，最后充分熟悉教案。3讲课经过充分的备课之后进行的是讲课，讲课是根据自己的备课本来讲的同时根据课堂的具体情况来灵活处理各种预测不到的情况，及时改变教学方法，讲课是面对全体学生，以学生为主教态自然仪表大方教学语言简洁声音洪亮语速语调适中，讲课过程中不仅要完成课程内容，还要在课堂上布置课堂练习，观察学生的听课效果，为课后的评课做做准备，也为以后的课堂教学积累经验。4评课上完课之后对所上的课进行评价，记下课堂上出现的问题和指导老师提出的意见并再完善和调整教案，课后反思，争取每一次出现的问题下次不再出现5课外辅导课后结合课堂效果针对不同的学生进行课后辅导帮助他们解决课堂上不懂的问题6，批改作业收课外作业进行批改，对每一本作业本都细心批改，找出学生出错的地方并改正，让学生可以知道自己错在哪，在批改作业的同时在作业中发现问题了解学生的情况，在接下的课堂上做相应的改变进。再整个实习期间总共完成：，听课讲课修改作业。二：班主任工作我本次班主任实习方面，我在原班主任某某的指导下，完成了很多班主任日常工作，班级工作，与原班主任沟通工作，比方早读，晚自习，课间操，清洁卫生班会，课外活动及自习课堂纪律等，在此期间我对班主任工作做了详细的记载，使自己在实习过程中能够全面的了解教学工作的真理，在班主任实习中我积极主动的和学生交流......本文来自公务员之家，查看正文请使用公务员之家站内搜索查看正文。第四篇:大学生中学教育实习总结教育实习是师范教育的重要组成局部，是师范教育贯彻理论与实践相结合原那么的表达，是培养适应21世纪需要的合格教师的重要环节。作为一名有着教师梦的人来说，教育实习可提高我们各项教师技能。本次教育实习，本人有幸参加学校的混合编队，实习学校是韶关乐昌城关中学。一、实习目的1、使自己在大学三年学习到的专业知识、根底理论和教师技能得到一个检验和稳固的时机，并作为自己踏上真正的教学岗位之前的一次演练。2、通过观察和了解实习学校教师在教学岗位上的具体工作，向优秀教师学习，更好的提高自己教师技能。3、通过实习，也可以检查自己在面对真正走上教学岗位的时候还存在哪些方面的缺乏，从而及时调整与改良，争取以最正确状态走上日后的教学岗位。4、进一步培养在实际工作中发现问题、分析问题、设计和实施解决问题的能力。5、在本次教育实习中，更好的学会与人相处，协调自己的各项组织能力，更有团队精神。二、实习时间安排和主要任务要求1、准备阶段：月下旬至月20日钻研教学大纲和教师参考书等资料，认真搜集积累相关的教学资料，认真备课，