[發明專利]一種輪式起重機液壓系統故障診斷方法及系統

在審

• 申請號: 201810428419.5
• 申請日: 2018-05-07
• 公開（公告）號: CN108830291A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 劉成良;黃亦翔;李志遠
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;F15B19/00
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 徐紅銀

本發明公開了一種輪式起重機液壓系統故障診斷方法及系統，所述方法包括：獲取輪式起重機液壓系統正常狀態和各種故障狀態時各部分的壓力、流量、油液溫度、液壓馬達轉速信號，得到樣本空間；用小波包提取各狀態對應特征值；采用“一對一”多分類方法，各組特征值兩兩組合構建訓練集；利用LS?SVM算法對各個訓練集進行學習，產生相應的分類器；采集測試狀態的數據，并進行小波包提取特征值；將測試數據的特征值代入各分類器，采用投票法分類，得票數最多的即是測試狀態故障診斷的結果。所述系統包括傳感器模塊、訓練集構建模塊、分類器生成模塊、故障診斷模塊。本發明可以對起重機液壓系統故障情況進行準確的診斷。

技術領域

本發明涉及輪式起重機液壓系統故障診斷領域，特別是涉及一種基于最小二乘支持向量機的輪式起重機液壓系統故障診斷方法及系統。

背景技術

工程起重機是各種工程建設廣泛應用的重要起重設備，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。輪式起重機由于具備機動靈活、作業半徑大等特點，是一料廣泛應用于國民經濟建設的起重裝置，主要用于工廠、礦山、港口碼頭、建筑工地等場地的起重作業和安裝工程。液壓系統是起重機的重要組成部分，起重機的大部分功能都離不開液壓，它運行情況的好壞直接影響著起重機的性能及安全操作，所以對液壓系統的故障診斷具有重要的意義。

目前，如王海蘭等人在《液壓系統故障診斷技術》(起重運輸機械，2005(02))中所述，應用于輪式起重機液壓系統故障診斷的方法主要有專家系統和神經網絡系統等方法。而專家系統會遇到知識獲取“瓶頸”問題，知識庫過于龐大和非結構性、求解方法單一等困難，使其支持能力有限；神經網絡具有自學習功能，并且可以實現非線性復雜映射，但是該算法可能陷入局部最優解，且存在“過擬合”現象，影響預測能力。

經檢索，申請號為CN201010155100.3的中國發明專利申請，公開號為CN101865179A，其公開一種用于機械設備液壓系統的故障分析監控系統及方法，能夠隨時對機械設備，如起重油液系統測評、監控。但是其主要是進行油污檢測分析監控。而無法對其他故障，比如液壓泵故障、卷揚液壓馬達故障、回轉液壓馬達故障、液壓缸故障、多路控制閥故障等進行監控。

發明內容

針對現有技術中存在的問題，提出了一種基于最小二乘支持向量機的輪式起重機液壓系統故障診斷方法及系統，能有效對輪式起重機液壓系統的各種故障進行診斷。

根據本發明的第一方面，提供一種輪式起重機液壓系統故障診斷方法，包括：

獲取輪式起重機液壓系統正常狀態和各種故障狀態時各部分的壓力、流量、油液溫度、液壓馬達轉速信號，得到樣本空間；

用小波包提取各個狀態對應壓力、流量、油液溫度、液壓馬達轉速等信號的特征值；

采用“一對一”多分類方法，將提取到的各組特征值分別兩兩組合構建訓練集；

利用最小二乘支持向量機(LS-SVM)算法對各個訓練集進行學習，對應各個訓練集產生相應的分類器；

采集測試狀態液壓系統各部分的壓力、流量、油液溫度、液壓馬達轉速等信號，并用小波包提取壓力、流量、油液溫度、液壓馬達轉速等信號的特征值；

將測試數據的特征值代入各個分類器，采用投票法進行分類，得票數最多的即為分類的結果，也即是測試狀態故障診斷的結果。

本發明中，所述最小二乘支持向量機(LS-SVM)用二次損失函數代替傳統支持向量機中的不敏感損失函數，將不等式約束條件變為等式約束，從而將二次規劃問題轉變為線性方程組求解，在保證精度的同時大大降低了計算的復雜性，加快了求解速度。

可選地，所述用小波包提取各個狀態對應的特征值，是指：首先利用小波對采集到的各信號進行降噪處理，再對降噪之后的信號進行小波包分解、重構，得到各個狀態對應的特征值。