一种轮式起重机液压系统故障诊断方法及系统技术方案

本发明专利技术公开了一种轮式起重机液压系统故障诊断方法及系统，所述方法包括：获取轮式起重机液压系统正常状态和各种故障状态时各部分的压力、流量、油液温度、液压马达转速信号，得到样本空间；用小波包提取各状态对应特征值；采用“一对一”多分类方法，各组特征值两两组合构建训练集；利用LS‑SVM算法对各个训练集进行学习，产生相应的分类器；采集测试状态的数据，并进行小波包提取特征值；将测试数据的特征值代入各分类器，采用投票法分类，得票数最多的即是测试状态故障诊断的结果。所述系统包括传感器模块、训练集构建模块、分类器生成模块、故障诊断模块。本发明专利技术可以对起重机液压系统故障情况进行准确的诊断。

【技术实现步骤摘要】
一种轮式起重机液压系统故障诊断方法及系统
本专利技术涉及轮式起重机液压系统故障诊断领域，特别是涉及一种基于最小二乘支持向量机的轮式起重机液压系统故障诊断方法及系统。
技术介绍
工程起重机是各种工程建设广泛应用的重要起重设备，它对减轻劳动强度、节省人力、降低建设成本、提高施工质量、加快建设速度，实现工程施工机械化起着十分重要的作用。轮式起重机由于具备机动灵活、作业半径大等特点，是一料广泛应用于国民经济建设的起重装置，主要用于工厂、矿山、港口码头、建筑工地等场地的起重作业和安装工程。液压系统是起重机的重要组成部分，起重机的大部分功能都离不开液压，它运行情况的好坏直接影响着起重机的性能及安全操作，所以对液压系统的故障诊断具有重要的意义。目前，如王海兰等人在《液压系统故障诊断技术》(起重运输机械，2005(02))中所述，应用于轮式起重机液压系统故障诊断的方法主要有专家系统和神经网络系统等方法。而专家系统会遇到知识获取“瓶颈”问题，知识库过于庞大和非结构性、求解方法单一等困难，使其支持能力有限；神经网络具有自学习功能，并且可以实现非线性复杂映射，但是该算法可能陷入局部最优解，且存在“过拟合”现象，影响预测能力。经检索，申请号为CN201010155100.3的中国专利技术专利申请，公开号为CN101865179A，其公开一种用于机械设备液压系统的故障分析监控系统及方法，能够随时对机械设备，如起重油液系统测评、监控。但是其主要是进行油污检测分析监控。而无法对其他故障，比如液压泵故障、卷扬液压马达故障、回转液压马达故障、液压缸故障、多路控制阀故障等进行监控。专利技术内容针对现有技术中存在的问题，提出了一种基于最小二乘支持向量机的轮式起重机液压系统故障诊断方法及系统，能有效对轮式起重机液压系统的各种故障进行诊断。根据本专利技术的第一方面，提供一种轮式起重机液压系统故障诊断方法，包括：获取轮式起重机液压系统正常状态和各种故障状态时各部分的压力、流量、油液温度、液压马达转速信号，得到样本空间；用小波包提取各个状态对应压力、流量、油液温度、液压马达转速等信号的特征值；采用“一对一”多分类方法，将提取到的各组特征值分别两两组合构建训练集；利用最小二乘支持向量机(LS-SVM)算法对各个训练集进行学习，对应各个训练集产生相应的分类器；采集测试状态液压系统各部分的压力、流量、油液温度、液压马达转速等信号，并用小波包提取压力、流量、油液温度、液压马达转速等信号的特征值；将测试数据的特征值代入各个分类器，采用投票法进行分类，得票数最多的即为分类的结果，也即是测试状态故障诊断的结果。本专利技术中，所述最小二乘支持向量机(LS-SVM)用二次损失函数代替传统支持向量机中的不敏感损失函数，将不等式约束条件变为等式约束，从而将二次规划问题转变为线性方程组求解，在保证精度的同时大大降低了计算的复杂性，加快了求解速度。可选地，所述用小波包提取各个状态对应的特征值，是指：首先利用小波对采集到的各信号进行降噪处理，再对降噪之后的信号进行小波包分解、重构，得到各个状态对应的特征值。可选地，所述“一对一”多分类方法，是指：将各状态对应的特征值两两组合，对每一种组合分别利用最小二乘支持向量机算法训练得到k(k-1)/2个分类器，其中k是所有状态的总数。可选地，所述将测试数据的特征值代入各个分类器，采用投票法进行分类，是指：分别将测试数据的特征值输入各个分类器中，得到每个分类器的输出，输出为某个状态则该状态得一票，最后统计各个状态的得票数，得票数最多的即为故障诊断的结果。根据本专利技术的第二方面，提供一种轮式起重机液压系统故障诊断系统，包括：传感器模块，用于获取轮式起重机液压系统正常状态和各种故障状态时各部分的压力、流量、油液温度、液压马达转速信号，得到样本空间；训练集构建模块，对所述传感器模块获得的信号，用小波包提取各个状态对应压力、流量、油液温度、液压马达转速信号的特征值，采用“一对一”多分类方法，将提取到的各组特征值分别两两组合构建训练集；分类器生成模块，利用最小二乘支持向量机(LS-SVM)算法对所述训练集构建模块构建的各个训练集进行学习，对应各个训练集产生相应的分类器；故障诊断模块，采集测试状态液压系统各部分的压力、流量、油液温度、液压马达转速信号，并用小波包提取这些信号的特征值，将测试数据的特征值代入所生成的各个分类器，采用投票法进行分类，得票数最多的即测试状态故障诊断的结果。可选地，所述传感器模块包括压力传感器、流量传感器、温度传感器、速度传感器，用于获取轮式起重机液压系统正常状态和各种故障状态时各部分的压力、流量、油液温度、液压马达转速信号。可选地，所述训练集构建模块中，首先利用小波对采集到的各信号进行降噪处理，再对降噪之后的信号进行小波包分解、重构，得到各个状态对应的特征值。可选地，所述训练集构建模块中“一对一”多分类方法，是指：将各状态对应的特征值两两组合，对每一种组合分别利用最小二乘支持向量机算法训练得到k(k-1)/2个分类器，其中k是所有状态的总数。可选地，所述故障诊断模块中采用投票法进行分类，是指：分别将测试数据的特征值输入各个分类器中，得到每个分类器的输出，输出为某个状态则该状态得一票，最后统计各个状态的得票数，得票数最多的即为故障诊断的结果。与现有技术相比，本专利技术实施例具有以下有益效果：本专利技术通过小波包提取各个状态的特征值，利用“一对一”多分类方法结合最小二乘支持向量机，构造了多个LS-SVM分类器，最后通过“投票法”进行测试状态的故障诊断，从而实现了对轮式起重机液压系统故障诊断的多类分类。本专利技术采用最小二乘支持向量机(LS-SVM)，在保证精度的同时大大降低了计算的复杂性，加快了求解速度。本专利技术同时采用投票法，提高了准确率。综上，本专利技术可以对起重机液压系统故障情况进行准确的诊断，具有计算复杂度低，诊断准确、有效的优点，实现了在小样本下高准确率的故障分类。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其他特征、目的和优点将会变得更加明显；图1是本专利技术一实施例中方法流程图；图2是本专利技术一实施例中方法详细流程图；图3是本专利技术一实施例中LS-SVM“一对一”多分类方法及“投票法”详细过程图；图4为本专利技术一实施例中系统模块框图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。本专利技术提出的基于最小二乘支持向量机的轮式起重机液压系统故障诊断技术，结合轮式起重机液压系统常见的五种故障形式：液压泵故障、卷扬液压马达故障、回转液压马达故障、液压缸故障、多路控制阀故障，以及正常状态，一共有6种状态。本专利技术通过小波包提取各个状态的特征值，利用“一对一”多分类方法结合最小二乘支持向量机，构造了多个LS-SVM分类器，最后通过“投票法”进行测试状态的故障诊断，从而实现了对轮式起重机液压系统故障诊断的多类分类。以下结合具体附图对本专利技术部分具体实施例来进行说明。参照图1所示，一种轮式起重机液压系统故障诊断方法的实施例，其步骤流程为：(本文档来自技高网...

【技术保护点】
1.一种轮式起重机液压系统故障诊断方法，其特征在于，包括：获取轮式起重机液压系统正常状态和各种故障状态时各部分的压力、流量、油液温度、液压马达转速信号，得到样本空间；用小波包提取各个状态对应压力、流量、油液温度、液压马达转速信号的特征值；采用“一对一”多分类方法，将提取到的各组特征值分别两两组合构建训练集；利用最小二乘支持向量机(LS‑SVM)算法对各个训练集进行学习，对应各个训练集产生相应的分类器；采集测试状态液压系统各部分的压力、流量、油液温度、液压马达转速信号，并用小波包提取这些信号的特征值；将测试数据的特征值代入各个分类器，采用投票法进行分类，得票数最多的即为分类的结果，也即是测试状态故障诊断的结果。

【技术特征摘要】
1.一种轮式起重机液压系统故障诊断方法，其特征在于，包括：获取轮式起重机液压系统正常状态和各种故障状态时各部分的压力、流量、油液温度、液压马达转速信号，得到样本空间；用小波包提取各个状态对应压力、流量、油液温度、液压马达转速信号的特征值；采用“一对一”多分类方法，将提取到的各组特征值分别两两组合构建训练集；利用最小二乘支持向量机(LS-SVM)算法对各个训练集进行学习，对应各个训练集产生相应的分类器；采集测试状态液压系统各部分的压力、流量、油液温度、液压马达转速信号，并用小波包提取这些信号的特征值；将测试数据的特征值代入各个分类器，采用投票法进行分类，得票数最多的即为分类的结果，也即是测试状态故障诊断的结果。2.根据权利要求1所述的轮式起重机液压系统故障诊断方法，其特征在于，所述用小波包提取各个状态对应的特征值，是指：首先利用小波对采集到的各信号进行降噪处理，再对降噪之后的信号进行小波包分解、重构，得到各个状态对应的特征值。3.根据权利要求1所述的轮式起重机液压系统故障诊断方法，其特征在于，所述“一对一”多分类方法，是指：将各状态对应的特征值两两组合，对每一种组合分别利用最小二乘支持向量机算法训练得到k(k-1)/2个分类器，其中k是所有状态的总数。4.根据权利要求1所述的轮式起重机液压系统故障诊断方法，其特征在于，所述将测试数据的特征值代入各个分类器，采用投票法进行分类，是指：分别将测试数据的特征值输入各个分类器中，得到每个分类器的输出，输出为某个状态则该状态得一票，最后统计各个状态的得票数，得票数最多的即为故障诊断的结果。5.一种轮式起重机液压系统故障诊断系统，其特征在于，包括：传感器模块，用于获取轮式起重机液压系统正常状态和各种故障状态时各部分的压力、流量、油液温度、液压...

【专利技术属性】
技术研发人员：刘成良，黄亦翔，李志远，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31