東京計器DG4V-3-2A-M-P7-T-7-54-JA48東機美TOKIMEC,日本（東京計器 TOKYO KEIKI ，東機美 TOKIMEC ）－液壓技術(shù)應(yīng)用于塑料注射成型機、壓鑄機、各式液壓機床、建筑機械、船舶、水庫閘門及渡口碼頭的可動橋、游戲機等都利用了液壓技術(shù)。東京計器以制造使用更加便捷的液壓設(shè)備為目標，在追求大容量、低噪音、節(jié)能、環(huán)保等的同時，還致力于開發(fā)“動力控制”技術(shù)，以適應(yīng)信息網(wǎng)絡(luò)的要求。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)中安裝電動伺服機構(gòu)和氣壓控制機構(gòu)，以形成混合的動力控制系統(tǒng)等。蘇州瑤佐機電。
電磁閥部分型號如下：
日本東機美電磁閥DG4V-3-2A-M-U1-B-7-54DG4V-3-0A-M-U7-H-52 DG4V-3-2A-M-U7-H-52 ，DG4V-3-0B-M-U7-H-52 DG4V-3-0BL-M-U7-H-52，DG4V-3-2AL-M-U7-H-52 DG4V-3-2B-M-U7-H-52 ，DG4V-3-6B-M-U7-H-52 DG4V-3-0C-M-U7-H-52，DG4V-3-2C-M-U7-H-52 DG4V-3-6C-M-U7-H-52，DG4V-3-7C-M-U7-H-52 DG4V-3-8C-M-U7-H-52，DG4V-3-2N-M-U7-H-52 DG4VS-3-2C-M-U7-H-54，DG4V-5-2B-M-U7L-H-7-40- DG4V-5-2AL-M-U7L-H-54，DG4VS-5-2C-M-U7L-H-54 DG4V-3-2C-M-P7-H-7-54，DG4V-5-3C-M-U7L-H-40 DG4V-3-6C-M-P7-H-54，DG4V-3-OC-M-P7-H-54 DG4V-3-2A-M-U7-H-52-K ，DG4V-3-6C-M-P7-H-7-54 DG5V-7-6C-T-P7-H-84-JA，DG4V-3-6C-M-P2-T-7-54 DG4V-3-2C-M-P2-T-7-54，K-DG5S-7-3C-E-U7-H-84-S192 DG4V-3-0B-M-P2-T-7-54，DG4V-3-23A-M-P7-H-7-54 DG4V-3-2A-M-P2-T-7-52 ，DG4V-3-2A-M-U1-H-7-52 DG4V-3-6C-M-P2-T-7-52，DG4V-3-7C-M-P7-H-7-52 DG4V-3-6C-M-P7-H-7-52，DG4V-3-3C-M-P7-H-7-54 DG4V-5-2A-M-P7L-H-7-40，DG4V-3-2C-M-U7-H-52-K DG4V-3-2A-M-U7-H-52-K，DG4V-3-7C-M-U7-H-52-K DG4V-3-0C-M-U7-H-52-K，DG4V-3-6C-M-U7H-52-K DG4V-3-0C-M-U7H-52-K，DG4V-3-7C-M-U7H-52-K DG4VS-5-2C-M-U7L-H-7-40，DG4VS-5-2C-M-U7L-H-7-40 DG4V-3-2AL-M-P7-H-7-52，DG4V-3-6C-M-P7-H-7-54 DG4V-5-0A-M-U7L-H-12-K，DG4V-3-2A-M-U1-B-7-54 DG4V-3-2C-M-U1-B-7-54 ，TOKIMEC電磁閥DG4V-5-2C-M-PL-OV-6-40 DG4V-5-31B-M-PL-0V-6-40，DG4V-5-2A-M-PL-0V-6-40 DG4V-5-6C-M-PL-0V-6-40，DG4V-3-2AL-M-P7-H-7-54 DG4V-3-0A-M-P7-H-7-54，DG4V-3-2B-M-P7-H-7-54 DG4V-3-0C-M-P2-V-7-54 DG4V-3-7C-M-P2-T-7-54，日本東機美電磁閥DG4V-3-7C-M-P2-T-7-54
東京計器DG4V-3-2A-M-P7-T-7-54-JA48東機美TOKIMEC,DG4V-3-0BL-M-P2-T-7-54，蘇州瑤佐機電代理東機美 TOKIMEC東京計器 (TOKYO KEIKI)液壓產(chǎn)品,計有 : TOKIMEC SQP ( S )系列葉片泵、各種方向閥DG4V、壓力閥CRG、迭加閥DGMC、比例閥EPFG。2008.10.01株式會社東機美(TOKIMEC)更名為東京計器株式會社(TOKYO KEIKI)日本TOKIMEC（東京計器，東機美）－液壓技術(shù)應(yīng)用于塑料注射成型機、機床、建筑機械、水庫閘門以及渡口碼頭的可動橋、游戲機等都利用了液壓技術(shù)。東京計器以制造使用更加便捷的液壓設(shè)備為目標，在追求大容量、低噪音、節(jié)能、環(huán)保等的同時，還致力于開發(fā) “動力控制”技術(shù)，以適應(yīng)信息網(wǎng)絡(luò)的要求。
液壓泵滾動軸承又是液壓泵中的關(guān)鍵部件。飛行部隊對液壓泵軸承的故障診斷研究還非常有限。本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的液壓泵滾動軸承早期故障自動識別方法。，關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，振動測量，軸承，故障診斷， ，，在飛機各個組成系統(tǒng)中，液壓系統(tǒng)地位重要。這其中液壓泵是重中之重，而液壓泵滾動軸承又是液壓泵中的關(guān)鍵部件，起重要支承作用。由于其工作面（流動體與內(nèi)外環(huán)之間）的接觸應(yīng)力反復(fù)作用，極易引起疲勞、裂紋、剝蝕、壓痕以致斷裂、燒損等現(xiàn)象。一旦工作面出現(xiàn)缺陷后，會使軸承旋轉(zhuǎn)精度喪失，引起附加振動，會直接造成整個液壓系統(tǒng)失效，嚴重危急飛行安全。，，目前，飛行部隊對液壓泵軸承的故障診斷研究還非常有限，所取成果也不多，還是主要依靠維護人員經(jīng)驗進行測試和分析，還不能夠?qū)ζ溥M行精確的故障診斷。因此，利用計算機進行液壓泵軸承故障的智能精確診斷能夠在一定范圍內(nèi)提高地勤部隊的維修保障能力，同時也是飛行部隊進行信息化建設(shè)的重要步驟，也是飛行部隊應(yīng)當追求的目標。智能診斷不僅可以提高維護人員的
東京計器DG4V-3-2A-M-P7-T-7-54-JA48東機美TOKIMEC,工作效率、提高維修工作的精度，提高維修保障能力，還直接會提高部隊戰(zhàn)斗力。，，本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的液壓泵滾動軸承早期故障自動識別方法，利用該方法可實現(xiàn)液壓泵軸承早期故障的智能診斷。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一種，是由許多具有非線性映射能力的神經(jīng)元組成，神經(jīng)元之間通過權(quán)系數(shù)相連接。論文發(fā)表。神經(jīng)網(wǎng)絡(luò)的信息分布式存儲于連接權(quán)系數(shù)中，使網(wǎng)絡(luò)具有很高的自學(xué)習(xí)、自組織、聯(lián)想記憶等特性，因而網(wǎng)絡(luò)具有較好的容錯性和魯棒性，BP網(wǎng)絡(luò)，即多層前饋神經(jīng)網(wǎng)絡(luò)，因其采用誤差反向傳播算法(ErrorBack-Propagation，即BP算法)而得名。BP算法結(jié)構(gòu)簡單、易于實現(xiàn)。論文發(fā)表。利用BP神經(jīng)網(wǎng)絡(luò)可以有效地對液壓泵軸承早期故障進行診斷，提高軸承早期故障的判斷率。，，1 BP神經(jīng)網(wǎng)絡(luò)算法，，標準的BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成。它把一組樣本的輸入輸出問題變?yōu)橐粋€沿梯度下降算法的非線性優(yōu)化問題，從而具有很強的非線性映射能力。如果BP神經(jīng)網(wǎng)絡(luò)的隱層較多，較少次數(shù)的權(quán)值調(diào)整就可以使網(wǎng)絡(luò)學(xué)到樣本的知識，并以權(quán)值的形式存儲起來，但是隱層過多，需要調(diào)整的權(quán)值的個數(shù)也大幅度增加，因而網(wǎng)絡(luò)的學(xué)習(xí)也會占有較多的時間。在理論上，含有一個隱層的3層BP神經(jīng)網(wǎng)絡(luò)在隱層神經(jīng)元（節(jié)點）數(shù)可以任意設(shè)定的情況下，可以任意精度逼近任意連續(xù)函數(shù)。所以，在大多數(shù)應(yīng)用情況下，都采用僅含一個隱層的3層BP神經(jīng)網(wǎng)絡(luò)。，，這樣的3層BP神經(jīng)網(wǎng)絡(luò)具體算法如下：，，(1) 隨機地給輸入層與隱含層之間的連接權(quán)陣V,隱含層與輸入層之間的連接權(quán)陣W、隱含層閾值、輸出層閾值陣賦初值；，，(2) 輸入學(xué)習(xí)樣本，這里設(shè)輸入向量為A，并提供期望輸出向量,層與層之間作用函，， ，，
東京計器DG4V-3-2A-M-P7-T-7-54-JA48東機美TOKIMEC,圖1，，數(shù)為S型函數(shù)，，而此函數(shù)的輸出總介于0～1之間，因而需要對神經(jīng)網(wǎng)絡(luò)的輸入進行正則處理，具體的公式為，，，，(3) 計算實際輸出向量C 隱含層的輸出，輸出層的輸出，其中和分別為隱含層和輸出層的閾值。，，(4) 梯度計算輸入層 隱含層，，(5)權(quán)值學(xué)習(xí) 式中 為學(xué)習(xí)率，，，(6) 閾值學(xué)習(xí)，隱含層 ，，(7) 按照上述學(xué)習(xí)算法，轉(zhuǎn)到（2）反復(fù)學(xué)習(xí)直到所要求的精度為止。，，可以歸納為：BP網(wǎng)絡(luò)的學(xué)習(xí)方法由正向傳播和反向傳播兩個過程組成。學(xué)習(xí)開始，先隨機地給各連接權(quán)賦值，權(quán)值在0~1之間隨機選取，然后將學(xué)習(xí)樣本的信息輸入輸入層各神經(jīng)元，經(jīng)隱含層計算出輸出層個節(jié)點的值，如輸出層不能得到規(guī)定的輸出則轉(zhuǎn)入反向傳播，將誤差信號沿原路返回，通過修改各層神經(jīng)元的權(quán)值使輸出誤差最小。經(jīng)過一定數(shù)量的樣本訓(xùn)練之后，網(wǎng)絡(luò)的權(quán)矩陣和閾值就穩(wěn)定在一定的狀態(tài)，這樣與系統(tǒng)有關(guān)的故障模式將匹配到其最接近的區(qū)域，神經(jīng)網(wǎng)絡(luò)用于故障診斷的機理也在于此。其示意圖見圖2圖3。論文發(fā)表。
