[發明專利]基于多模態同源特征和XGBoost模型的電靜液作動器故障識別方法

有效

• 申請號: 202110431264.2
• 申請日: 2021-04-21
• 公開（公告）號: CN113191232B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 丁建軍;賀梓洲;仙丹;劉陽鵬;李濤;白楊
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/24;G06F18/2431;G01D21/02;F04B17/03;F04B51/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 閔岳峰

本發明基于多模態同源特征和XGBoost模型的電靜液作動器故障識別方法，該方法首先對大數據時代采集到的電靜液作動器振動信號、壓力信號與電流信號進行數據集切分構建原始樣本集，并對其劃分訓練集和測試集；其次對樣本集數據分別提取多模態同源特征，即時域模態、頻域模態、小波包模態和改進希爾伯特黃模態，最終構建得到更具魯棒性的高維特征向量，進而利用XGBoost模型結合高維多模態同源特征與XGBoost模型，在訓練集上進行XGBoost模型超參數nsubgt;trees/subgt;、nsubgt;depth/subgt;和nsubgt;learning_rates/subgt;的微調，最終基于最優XGBoost模型在訓練集上進行XGBoost模型泛化性能評估并實現電靜液作動器故障識別。本發明能提高電靜液作動器液壓泵的故障識別準確率、魯棒性更好、速度更快。

技術領域

本發明涉及一種基于多模態同源特征和XGBoost模型的電靜液作動器早期故障狀態監測、識別方法，具體涉及一種基于多模態同源特征和XGBoost模型的電靜液作動器故障識別方法。

背景技術

電靜液作動器(Electro-Hydrostatic?Actuator，EHA)是電機、液壓泵、增壓油箱、作動筒、控制器等高度集成的高壓高速執行元件，是航空飛行器主要控制部件。主要用于尾翼、機翼、起落架、發動機、襟副翼的控制，實現航空飛行器的翻滾、爬升、偏航、起降等飛行動作。因此對EHA展開智能健康監測是降低飛行器事故、保障航空飛行器安全運行的重要手段。航空飛行器的EHA、發動機和其他運行部件的振動會相互干擾，且由于流體的壓縮、泵源與液壓回路的流固耦合作用，EHA的振動響應模式相比于傳統回轉機械設備更復雜，因此開展電靜液作動器多部件早期故障的智能健康監測十分必要，可以為空乘人員提供預警，以便工作人員采取相關措施避免造成生命財產的重大損失。

國內對電靜液作動器的研究主要集中在整機設計、制造和動力分析方面，相關早期故障識別與維修方面的研究較少。對電靜液作動器進行智能故障識別，方法主要分為：基于信號處理的故障識別方法、基于模型的故障識別方法以及基于人工智能的故障識別方法?；谛盘柼幚淼墓收献R別過度依賴于專家經驗，因此應用受到較大限制；而基于模型的方法需要針對系統數學模型的已有認識，對試驗方案做專門的設計，較難推廣應用。目前針對電靜液作動器智能健康監測、識別方法主要包括：人工神經網絡、支持向量機和決策樹等?，F有電靜液作動器狀態監測方法存在在大數據時代，數據量大、特征維度高時，人工神經網絡、支持向量機和決策樹模型會存在訓練時間增長、模型過擬合、泛化能力差等問題。因此為了適應機械領域大數據時代，電靜液作動器智能識別的需求，本人引入廣泛應用于互聯網數據挖掘領域的XGBoost模型，能有效克服上述傳統機器學習模型缺陷，并結合提出的多模態同源特征，能更好的挖掘電靜液作動器運行狀態與多信號特征之間的關系，更好的解決大數據時代下電靜液作動器的智能故障識別。

發明內容

本發明的目的在于針對現有電靜液作動器早期故障狀態監測、識別技術存在的問題，提供了一種基于多模態同源特征和XGBoost模型的電靜液作動器故障識別方法，該方法能夠提取電靜液作動器振動信號、壓力信號和電流信號的多模態同源特征向量，建立基于網格搜索自適應調整XGBoost模型超參數的電靜液作動器故障識別模型，使得電靜液作動器故障識別快速、準確，更具魯棒性。

本發明采用如下技術方案來實現的：

基于多模態同源特征和XGBoost模型的電靜液作動器故障識別方法，首先對大數據時代采集到的電靜液作動器振動信號、壓力信號與電流信號進行數據集切分構建原始樣本集，并對其劃分訓練集和測試集；其次對樣本集數據分別提取多模態同源特征，即時域模態、頻域模態、小波包模態和改進希爾伯特黃模態，最終構建得到更具魯棒性的高維特征向量，進而利用XGBoost模型結合高維多模態同源特征與XGBoost模型，在訓練集上進行XGBoost模型超參數n_trees、n_depth和n_{learning_rates}的微調，最終基于最優XGBoost模型在訓練集上進行XGBoost模型泛化性能評估并實現電靜液作動器故障識別。