[發明專利]基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法

在審

• 申請號: 202110926053.6
• 申請日: 2021-08-12
• 公開（公告）號: CN113820079A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 陶建峰;賈連輝;魏齊;鄭康泰;劉成良;周小磊;王立堯;詹晨菲
• 申請（專利權）人: 中鐵工程裝備集團有限公司;上海交通大學
• 主分類號: G01M3/26
• 分類號: G01M3/26;G06K9/00;G06N20/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法，其特征在于，包括：

步驟S1：采集不同泄漏程度下液壓缸的出口處的壓力信號，構建初始樣本集；

步驟S2：對所述壓力信號進行去噪，將壓力信號分解為循環周期信號和殘余信號；

步驟S3：對所述循環周期信號和殘余信號分別提取一階循環頻率特征CS1和二階循環頻率特征CS2，包括信號的均值、方差、中心頻率以及譜相關密度特征，構成故障特征集；

步驟S4：將故障特征集進行預處理，包括泄漏等級標記和數據標準化，將預處理后的故障特征集作為訓練數據，完成對模型的訓練；

步驟S5：根據上述步驟得到待識別的液壓缸壓力信號的故障特征集，將故障特征集進行數據標準化后，輸入到訓練好的模型中，完成液壓缸泄漏程度的故障診斷。

2.根據權利要求1所述的基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法，其特征在于，所述步驟S1包括：

使用壓力傳感器分別采集不同泄漏程度下相同信號長度的液壓缸出口壓力信號；

將m個采樣點劃分為一個樣本，從而構建出初始樣本集，其中，m大于一個信號周期內包含的采樣點。

3.根據權利要求1所述的基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法，其特征在于，所述步驟S2中，從壓力信號中分離出循環周期信號和殘余信號的可預測循環周期分量p[n]與殘余分量r[n]；

p[n]與r[n]與壓力信號具有相關性，其中，n表示循環頻率特征的階，n≥3。

4.根據權利要求1所述的基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法，其特征在于，所述步驟S3循環周期信號中信號的周期部分借助傅里葉頻譜進行有效分析，而二階循環頻率特征CS2特征的提取利用譜相關密度、循環譜相關性在內的信號分析工具。

5.根據權利要求1所述的基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法，其特征在于，所述步驟S4中利用隨機種子數打亂預處理后的故障特征集的順序，再作為訓練數據進行模型訓練。

6.根據權利要求1所述的基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法，其特征在于，所述步驟S5中，泄漏程度的泄漏等級分類包括無泄漏、小泄露、中泄漏以及大泄漏，分別標記為類別1～q；其中，q為泄漏等級的總數。

7.根據權利要求1所述的基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法，其特征在于，所述步驟S5中數據標準化具體為，將故障特征集的特征值縮放在0～1之間，以避免異常值和極端值對分類結果的影響。

8.根據權利要求1所述的基于循環平穩理論和Stacking模型的液壓缸泄漏故障診斷方法，其特征在于，所述步驟S5中，Stacking模型選擇樸素貝葉斯，極限梯度提升樹XGBoost，隨機森林作為第一層的基學習器，選擇邏輯回歸作為第二層的元學習器。