東京計器DG4V-5-22A-M-PL-T-6-40東機美TOKIMEC,東京計器株式會社 液壓控制，液壓閥 方向控制閥 換向閥 方向切換閥，Directional Control Valves，方向控制閥（換向閥），Solenoid Operated Directional Control Valves，小型電磁換向閥 DG4V-3，- 因為是濕式閥，所以耐用性高，而且切換聲音小。另外，滑動部不使用密封件，所以無須擔(dān)心漏油。，- 不僅有3種類型的電氣布線方式，而且還具有豐富的指示燈、電涌抑制器、交流直流轉(zhuǎn)換整流器等電氣選項。，東京計器方向切換閥，小型電磁換向閥 DG4V-3，規(guī)格參數(shù)，最高使用壓力：35 MPa，最大流量L/min：參考壓力?流量特性，油箱端口允許背壓：20.6 MPa，最大切換頻率：，交流：300 次/分，直流：300 次/分，交流直流切換：120 次/分，質(zhì)量：，單電磁鐵：交流 1.5kg 直流 1.6kg，雙電磁鐵：交流 1.8kg 直流 2.0kg，東京計器 方向控制閥 TOKYO KEIKI 方向切換閥 電磁閥 閥門 東機美 TOKIMEC，DG4V-3-6C-M-P7-H-7-54-JA70 DG4V-3-6C-M-P7-H-7-54-JA70東京計器電磁換向閥，DG4V-3-6C-M-P7-H-7-54-JA70 DG4V-3-6C-M-P7-H-7-54-JA70東京計器電磁換向閥，例如，液壓機器中內(nèi)藏傳感器和微型控制芯片，以實現(xiàn)各種工業(yè)設(shè)備的遠(yuǎn)距離控制。 另外，東京計器還在研制新的液壓裝置，如在液壓控制系統(tǒng)中安裝電動伺朊機構(gòu)和氣壓控制機構(gòu)，以形成混合的動力控制系統(tǒng)等。 選型系列，- DG4M4 超小型電磁換向閥，- DG4V-3 小型電磁換向閥，- DG4V-5 電磁換向閥，- DG5V-7/DG5V-H8 電液先導(dǎo)換向閥，- DG5S-10 電液先導(dǎo)換向閥，- DG4VC-3 內(nèi)置驅(qū)動回路的小型電磁換向閥，- DG4VC-5 置驅(qū)動回路的電磁換向閥，- DG4VL-3 低功耗保持小型電磁換向閥，- DG4VL-5 低功耗保持電磁換向閥，- DG4VS-3 無沖擊小型電磁換向閥，- DG4VS-5 無沖擊電磁換向閥，- DG4SM-3 小功率小型電磁換向閥，- DG4V-3-SW 內(nèi)置接近傳感器的小型電磁換向閥，- DG4V-5-SW 內(nèi)置接近傳感器的電磁換向閥，- DG4V-3, 100 小型電磁換向閥，- COM系列 科姆尼卡閥，- PD3 科姆尼卡閥控制器，- DG3V-7/DG3V-H8 先導(dǎo)換向閥，- DG3S-10 先導(dǎo)換向閥，- C-552/C-572 機械/手動操作換向閥，- DG1M/DG2M，DT1M/DG2M 機械/手動操作換向閥，- DG20S 機械操作換向閥，- DG2S2/DG2S4 機械操作換向閥，- DG17V 手動操作換向閥，
東京計器DG4V-5-22A-M-PL-T-6-40東機美TOKIMEC,
東京計器電磁閥特點：
1.特優(yōu)的浸油式電磁動作設(shè)計
采用了滑閥浸于系統(tǒng)中的油內(nèi)動作，具有緩沖作用，即使在高壓力高頻率的切換 動作下，仍可平穩(wěn)無聲。
完全消除了克棟部位的油封與滑柱推桿之間的摩擦及其 引發(fā)的漏油問題，并可以增加滑柱的推力。
2.降低油溫提高壽命，節(jié)省維護費用
由于閥體流道采用了特殊結(jié)構(gòu)設(shè)計，因而內(nèi)部阻抗小，使用壓降減少，液壓油的溫度亦可相應(yīng)降低，是液壓油不易變質(zhì)，液壓油壽命延長，減少液壓油更換費用。
產(chǎn)品適用范圍： 1、注塑機 2、壓鑄機行業(yè) 3、皮革機械 4、制鞋機行業(yè) 5、工本機械 6、硫化機械 7、液壓成型機 8、拉伸機 9、陶瓷壓磚機等自動液壓機床行業(yè) 電磁閥特性： 1、能源利用效率，降低使用成本； 2、降低油溫提高壽命，節(jié)省維護費用； 3、電氣安裝防水，防塵性優(yōu)良； 4、高品質(zhì)，安裝簡便； 5、特優(yōu)的浸油式電磁動作設(shè)計； 6、可使用于高壓力的應(yīng)用； 7、特殊線圈，保證安全
2 液壓泵滾動軸承故障特征向量的提取，根據(jù)所采用的狀態(tài)變量把滾動軸承工作狀況監(jiān)視和故障診斷分為溫度法、油樣分析法和振動法。由于液壓泵發(fā)生故障會引起系統(tǒng)附加振動，并且振動法具有測試簡單、診斷結(jié)果可靠及適用于各種工作環(huán)境，因而在實際中得到廣泛應(yīng)用。在實際測試工作中，主要使用加速度傳感器測試振動信號，但應(yīng)對所測得的信號進行分析處理。提取能夠反應(yīng)軸承工作狀態(tài)的一些特征向量，用于故障識別。，，一般來說，故障軸承的指標(biāo)比正常軸承大。故障越嚴(yán)重，振動值越大，波形因子越大;局部缺陷越嚴(yán)重，沖擊指標(biāo)和峭度越大。通過試驗分析，處于故障早期的滾動軸承的幅域指標(biāo)與正常軸承存在較大區(qū)別，適合于故障診斷。通常使用均方根值、峰值、峭度、峰值因子、峭度因子、脈沖因子、裕度因子和波形因子等指標(biāo)。并且這些指標(biāo)基本上不受，， ， ， ， ， ，，圖2圖3，，載荷和轉(zhuǎn)速等因素的影響,無須考慮相對標(biāo)準(zhǔn)值或與以前的數(shù)據(jù)進行對比,另外,它不受信，，號絕對水平的影響,即使測量點同以往的略有不同,對參數(shù)的計算結(jié)果也不會產(chǎn)生明顯的影響。本文將以這些處理過的參數(shù)作為神經(jīng)網(wǎng)絡(luò)輸入層輸入來對軸承故障做出診斷。，，設(shè)采集到的振動信號為(i=1,2,…,n,n 為采樣點數(shù)),則，，均方根值，，峰值 （ 為利用某一峰值計數(shù)法從信號中找到的m個峰值，j=1,2,…m），，峭度，，峰值因子，，峭度因子，，脈沖因子 ，，波形因子，，裕度因子 ，，3 采用BP神經(jīng)網(wǎng)絡(luò)模型進行滾動軸承故障診，，3.1網(wǎng)絡(luò)層次節(jié)點數(shù)目確定，，模型采用3層BP神經(jīng)網(wǎng)
東京計器DG4V-5-22A-M-PL-T-6-40東機美TOKIMEC,絡(luò)，輸入層相對于上述6個處理過的特征參數(shù)，因而有6個節(jié)點，在運行的柱塞泵滾動軸承的6個測點安裝傳感器，擬人工設(shè)置三種軸承故障模式：軸承外環(huán)故障、軸承內(nèi)環(huán)故障、滾動體故障，故對應(yīng)于這三種故障輸出層有3個節(jié)點。陰層節(jié)點數(shù)根據(jù)經(jīng)驗公式 來確定，其中：，，隱含層神經(jīng)元數(shù)目；，，輸入層神經(jīng)元數(shù)目；，，輸出層神經(jīng)元數(shù)目；，，1~10之間的整數(shù)。，，本文選用的隱層節(jié)點數(shù)目是12。如圖1所示，，3.2網(wǎng)絡(luò)訓(xùn)練，，神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自學(xué)習(xí)能力，因而當(dāng)訓(xùn)練樣本達(dá)到一定數(shù)量后，網(wǎng)絡(luò)具有良好的非線性逼近能力，達(dá)到理想的故障模式識別。但達(dá)到上述效果，用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本必須滿足以下倆個要求：a、樣本足夠數(shù)量多，從而使網(wǎng)絡(luò)經(jīng)過訓(xùn)練后，收斂性良好；b、樣本包含各類故障的典型樣本，即要求訓(xùn)練樣本集完整。，，本文選用的樣本數(shù)據(jù)來自實驗數(shù)據(jù)，依據(jù)數(shù)據(jù)性質(zhì)，分為四類：軸承正常、外圈劃傷、內(nèi)圈劃傷、滾子劃傷。每類數(shù)據(jù)各有20個樣本，共80個訓(xùn)練樣本。表1節(jié)選了軸承四種狀態(tài)各5個共20個訓(xùn)練樣本。，，在MatLab環(huán)境下，選用收斂性良好的Levenberg-Marquardt算法對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，參數(shù)設(shè)定如下：學(xué)習(xí)率0.05；訓(xùn)練步數(shù)100；訓(xùn)練目標(biāo)誤差0.001；通過調(diào)試可知，Levenberg-Marquardt算法收斂速度很快，因此，訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)就是滾動軸承早期故障的識別網(wǎng)絡(luò)。，，3.3檢驗網(wǎng)絡(luò)，，軸承四種狀態(tài)的期望輸出分別為：正常（0 0 0）；外圈劃傷（1 0 0）；內(nèi)圈劃傷（0 1 0）;滾子劃傷（0 0 1）。，，用訓(xùn)練好的網(wǎng)絡(luò)對待檢樣本進行識別，原理圖見圖3，神經(jīng)網(wǎng)絡(luò)對滾動軸承檢驗樣本進行診斷的輸出結(jié)果如表2所示，可以看出，神經(jīng)網(wǎng)絡(luò)能根據(jù)早期振動測得的數(shù)據(jù)準(zhǔn)確地判斷軸承的故障類型，說明神經(jīng)網(wǎng)絡(luò)采用上述算法以及特征參數(shù)能夠較好的對故障模式進行識別。，，4 結(jié)論，，航空液壓泵軸承是液壓泵的重要支撐部件，對其故障診斷具有重要意義。BP神經(jīng)網(wǎng)絡(luò)模型具有較強的自學(xué)習(xí)、自適應(yīng)、聯(lián)想記憶及非線性模式識別能力，特別適用于多故障、多征兆等復(fù)雜模式的識別。本文通過對軸承振動信息處理，提取無量綱特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)輸入，實驗結(jié)果表明，利用BP神經(jīng)網(wǎng)絡(luò)對航空滾動軸承早期故障模式進行識別是可靠與有效的。
東京計器DG4V-5-22A-M-PL-T-6-40東機美TOKIMEC,
