[發(fā)明專利]基于比例閥軸控器的故障診斷及測試方法在審
| 申請?zhí)枺?/td> | 202110321211.5 | 申請日: | 2021-03-25 |
| 公開(公告)號: | CN113076982A | 公開(公告)日: | 2021-07-06 |
| 發(fā)明(設計)人: | 孫家慶;趙旭東;王俊霞;翟麗娟;韓寧;黃璞 | 申請(專利權)人: | 南京晨光集團有限責任公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06K9/00 |
| 代理公司: | 南京理工大學專利中心 32203 | 代理人: | 陳鵬 |
| 地址: | 210006 *** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 比例 閥軸控器 故障診斷 測試 方法 | ||
本發(fā)明公開了一種基于比例閥軸控器的故障診斷及測試方法,包括:采集不同類型比例閥在不同狀態(tài)下的測試數(shù)據(jù);提取比例閥測試數(shù)據(jù)慢特征:比例閥測試數(shù)據(jù)新標定的慢特征生成多個訓練樣本子集;為不同類型的比例閥訓練不同的隨機森林模型;比例閥軸控制器故障診斷:在確定比例閥型號后,將待測的比例閥數(shù)據(jù)慢特征輸入到對應型號的隨機森林模型中,并輸出比例閥故障類型標簽;在線優(yōu)化隨機森林模型。本發(fā)明結合比例閥流量特性實驗、比例閥閾值特性實驗和比例閥壓力增益實驗經(jīng)特征融合后對比例閥軸控制器故障進行判別,故障識別率比單一實驗的比例閥軸控制器故障識別精度高。
技術領域
本發(fā)明涉及比例閥故障診斷領域,特別是一種基于比例閥軸控器的故障診斷及測試方法。
背景技術
比例閥在冶金、航空航天、船舶、武器裝備以及石化等領域有著廣泛應用,比例閥軸控制器故障識別是比例閥領域的一個重要方向,比例閥軸控器一旦發(fā)生故障將會產(chǎn)生不可估量的損失,因此提高比例閥軸控器是比例閥領域的研究熱點。比例閥軸控器檢測問題的本質是比例閥軸控器故障模式識別問題,其中數(shù)據(jù)的特征提取和分類模型的設計是模式識別的重點。
通常情況下,比例閥軸控器的故障類型分為:正常狀態(tài)、電磁鐵線圈老化、比例閥銜鐵、導磁套磨損、比例電磁鐵失效、閥芯卡死、一端對中彈簧斷裂、一端對中彈簧內有雜物、閥芯磨損嚴重。由于比例閥的種類較多,影響比例閥發(fā)生故障的不確定因素也有很多,因此對于比例閥軸控制器的故障診斷模型需要很強的泛化能力。同時,比例閥軸控制器的實驗數(shù)據(jù)有限,在小樣本的情況下,比例閥軸控制器的故障分類極易產(chǎn)生過擬合現(xiàn)象。
隨機森林算法(Random Forests)是一個包含多個決策樹分類器的集成學習方法,與傳統(tǒng)的決策樹算法相比,具有更強的泛化能力和更好的分類效果,隨機森林算法的產(chǎn)生,隨機森林算法可通過Bagging算法對訓練樣本進行采樣,可以增強模型的泛化能力。
慢特征分析(Slow Feature Analysis,SFA)是一種全新的從輸入的時序信號中提取不變或慢變特征的方法。不變性,或稱緩慢性,表征數(shù)據(jù)的固有性質,在動態(tài)時序信號的分析和分類中都非常有用。它對輸入信號進行非線性擴展,并將主成分分析方法(Principal Component Analysis,PCA)應用于該擴展后的非線性信號及其一階時間導數(shù),從而提取出一組按不變性從大到小排列的不相關特征。SFA能捕捉系統(tǒng)的本質特性,因而相比于以PCA為代表的傳統(tǒng)方法,它能更好地描述系統(tǒng),并從時序相關信號中提取出為人所感興趣的重要信息。
發(fā)明內容
本發(fā)明的目的在于提供一種基于比例閥軸控器的故障診斷及測試方法,解決比例閥的故障診斷問題。
實現(xiàn)本發(fā)明目的的技術解決方案為:一種基于比例閥軸控器的故障診斷及測試方法,具體步驟如下:
步驟1,采集不同類型比例閥在不同狀態(tài)下的測試數(shù)據(jù);
步驟2,提取比例閥測試數(shù)據(jù)慢特征:上位機通過慢特征分析算法提取比例閥測試數(shù)據(jù)中慢特征,并通過空間注意力機制對慢特征進行重新標定;
步驟3,比例閥測試數(shù)據(jù)新標定的慢特征生成多個訓練樣本子集:針對不同比例閥不同狀態(tài)的測試數(shù)據(jù),使用Bagging采樣將步驟2經(jīng)過新標定的比例閥數(shù)據(jù)慢特征樣本采樣生成多個隨機森林訓練樣本子集;
步驟4,為不同類型的比例閥訓練不同的隨機森林模型:將步驟3生成的多個隨機森林訓練樣本子集作為輸入,比例閥不同故障狀態(tài)標簽作為輸出,在每個子集上訓練一個決策樹,并組成隨機森林模型;
步驟5,比例閥軸控制器故障診斷:在確定比例閥型號后,經(jīng)過步驟1至步驟3,將待測的比例閥數(shù)據(jù)慢特征輸入到對應型號的隨機森林模型中,并輸出比例閥故障類型標簽;
步驟6,在線優(yōu)化隨機森林模型:對于比例閥故障錯分的情況,比例閥軸控制器將數(shù)據(jù)發(fā)送給上位機,在線對現(xiàn)有模型進行優(yōu)化,修改模型參數(shù)。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京晨光集團有限責任公司,未經(jīng)南京晨光集團有限責任公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110321211.5/2.html,轉載請聲明來源鉆瓜專利網(wǎng)。





