升船机船厢门中的重要安全设备船厢门锁定机构液压系统，能够固定住船厢门，使船厢在运行时更加安全。由于其恶劣的工作环境以及高工作强度，在长时间工作中会发生内泄漏故障。该故障隐蔽性强，巡检时，相关人员容易忽略且难以对故障进行诊断，环境中还含有噪音信号，使用常规方法的诊断准确率将会偏低，因此需要开展这方面的研究。
本文针对船厢门锁定机构液压系统的内泄漏故障问题，建立船厢门锁定机构液压系统的AMESim仿真模型并仿真其正常工作状态，研究锁定油缸运行参数的变化规律，验证仿真模型的准确性，然后建立内泄漏故障的AMESim仿真模型，通过仿真研究内泄漏故障对锁定油缸运行参数的影响，得到内泄漏故障仿真的样本参数，研究基于卷积神经网络的内泄漏故障诊断方法，改进基于卷积神经网络的故障诊断方法，增强其适应噪音环境的能力，研究改进后故障诊断方法的抗噪性。本文的主要研究成果如下：
（1）建立并验证船厢门锁定机构液压系统的AMESim仿真模型，研究锁定油缸运行参数的变化规律。研究表明：船厢门锁定机构解锁行程所需时间大于其锁定行程所需时间，在锁定行程和解锁行程中，无杆腔压力始终小于有杆腔压力，无杆腔流量一直大于有杆腔流量；船厢门锁定机构液压系统的AMESim仿真模型具有一定的准确性。
（2）建立液压系统内泄漏仿真模型，研究内泄漏故障对锁定油缸运行参数的影响。研究表明：内泄漏间隙量越大，内泄漏故障越严重，在锁定行程和解锁行程中，间隙量越大对锁定油缸运行参数的影响越大，其中对无杆腔压力的影响最显著，无杆腔压力与间隙量呈三次方反相关关系，可以选取无杆腔压力故障数据作为后续故障诊断的故障样本数据。
（3）研究基于卷积神经网络的故障诊断方法，建立基于卷积神经网络的内泄漏故障诊断模型。研究表明：针对船厢门锁定机构液压系统的内泄漏故障，基于卷积神经网络的内泄漏故障诊断模型具有不错的诊断效果，其中对锁定油缸内泄漏故障的诊断效果最好；学习率越小批处理数目越大，诊断准确率越高；基于卷积神经网络的故障诊断方法在诊断效果上要优于一些基于机器学习算法的故障诊断方法。
（4）改进基于卷积神经网络的故障诊断方法，研究改进后故障诊断模型的抗噪性。研究表明：改进后的故障诊断模型能够很好的适应噪音环境；在原卷积神经网络中添加BN、dropout层可以提高模型抗噪能力，使用mini-batch值更小的训练方法训练改进后故障诊断模型也能提高模型抗噪能力；基于改进卷积神经网络的故障诊断方法在抗噪性上要优于之前使用的故障诊断方法和一些基于机器学习算法的故障诊断方法。
谷歌
火狐
