[發明專利]基于故障樹和模糊神經網絡的汽車起重機故障診斷方法

有效

• 申請號: 201310492933.2
• 申請日: 2013-10-18
• 公開（公告）號: CN103544389B
• 公開（公告）日: 2018-07-10
• 發明（設計）人: 游張平;方建平
• 申請（專利權）人: 麗水學院
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/02
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 張建

本發明公開了一種基于故障樹和模糊神經網絡的汽車起重機故障診斷方法，步驟包括：1）采用演繹法建立汽車起重機頂事件故障樹；2）根據故障樹支路情況與經驗知識確定模糊神經網絡的輸入、輸出節點數目，建立模糊神經網絡結構模型；3）根據故障樹各分支中所蘊含的知識，提取訓練樣本，并對神經網絡進行訓練，建立神經網絡推理計算所需的網絡權值和閾值矩陣；4）利用現有汽車起重機狀態監測平臺上的數據，運用統計參數法中的3σ準則法確立模糊預處理所需的模糊隸屬函數；5)將實測數據輸入到模糊神經網絡中進行計算，輸出故障模式。本發明方法，避免了檢測過程的盲目性與繁瑣性，提高診斷準確率。

技術領域

本發明屬于汽車起重機故障檢測技術領域，涉及一種基于故障樹和模糊神經網絡的汽車起重機故障診斷方法。

背景技術

汽車起重機是一種起重機械部分安裝在汽車通用底盤或專用汽車底盤上，具有載重汽車行駛性能的輪式起重機，它機動性好，轉移方便，運行速度快，廣泛適用于工礦企業、建筑工地、車站、港口等進行貨物裝卸、轉移、設備安裝及高空作業等各種起重作業。它對減輕勞動強度、節省人力，降低建設成本，提高施工質量，加快建設速度，實現工程施工機械化起著十分重要的作用。但長期以來汽車起重機安全作業形勢十分嚴峻，汽車起重機產品由于其系統組成復雜，工作環境惡劣，通常要求高負荷、長時間運行，加上維護保養體系的相對落后，因此系統經常會出現各種故障，機毀人亡重大事故時有發生，嚴重影響了建設項目的進度、效益以及人民財產安全。

從國內外對汽車起重機故障診斷的現狀來看，一般還是采取傳統的故障診斷方法，即維修人員在實踐經驗的指導下，根據系統原理圖和動作循環表，通過比較、區域分析、綜合分析等方法確定可疑液壓零部件，然后對可疑液壓零部件進行更換測試來判定故障原因，最后通過串換部件的方式來消除故障。這種方法要求維修人員掌握較深的相關專業基本理論及工作原理，具有較強的判斷分析能力，方可保證診斷的有效性和準確性。診斷過程十分繁瑣，要經過大量的檢查、驗證工作，系統故障檢測過程中的盲目性不可避免，拆裝工作量也較大，且只能是定性分析，而且對現代電子技術與液壓控制技術方面的故障判別更為困難，因而診斷出的原因往往不夠準確。因此，這種方式耗時、費力、低效、經濟效益不佳。

發明內容

本發明提供了一種基于故障樹和模糊神經網絡的汽車起重機故障診斷方法，解決了現有汽車起重機故障診斷中，存在耗時、費力、低效、經濟效益不佳的技術問題。

本發明的技術方案是，基于故障樹和模糊神經網絡的汽車起重機故障診斷方法，按照以下步驟實施：

1）采用演繹法建立汽車起重機頂事件故障樹；

2）根據故障樹支路情況與經驗知識確定模糊神經網絡的網絡輸入、網絡輸出節點數目，建立模糊神經網絡結構模型；

3）根據故障樹各分支中所蘊含的知識，提取訓練樣本，并對神經網絡進行訓練，建立神經網絡推理計算所需的網絡權值和閾值矩陣；

4）利用汽車起重機狀態監測平臺上的歷史數據，運用統計參數法中的3σ準則法確立模糊預處理所需的模糊隸屬函數；

5)將汽車起重機狀態監測平臺的實測數據輸入到通過以上步驟建立好的模糊神經網絡中進行計算，得到診斷結果，輸出故障模式。

本發明的有益效果在于：利用汽車起重機現有狀態監測平臺的數據以及故障樹知識，建立汽車起重機模糊神經網絡模型進行故障診斷與預測，既可以模仿人腦的邏輯思維，又可以模仿人腦神經元的功能；既可以描述具有模糊概念的問題，又具有強大的學習能力和數據的直接處理能力；既具有較強的結構知識表達能力、自然語言處理能力，又具有很強的容錯能力；保證診斷的有效性和準確性；維修人員無需掌握較深的相關專業基本理論及工作原理，也無需經過大量的拆裝、檢查、驗證工作，避免了檢測過程的盲目性與繁瑣性，解決了診斷耗時、費力、低效、經濟效益不佳的問題。

附圖說明

圖1為本發明方法的故障診斷流程圖；