一种基于特征提取和多层感知机的电磁阀故障诊断装置及方法制造方法及图纸

本发明专利技术公开了一种基于特征提取和多层感知机的电磁阀故障诊断装置及方法，包括以下步骤：针对电磁阀训练样本获取启动电流和工作电压，并提取启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分，并与工作电压组成特征向量；以电磁阀训练样本的特征向量为输入，以故障类型为输出，训练多层感知机，得到电磁阀故障诊断模型；按电磁阀训练样本的特征向量获取方法相同获取待检测电磁阀的特征向量，并输入到电磁阀故障诊断模型，电磁阀故障诊断模型对待检测电磁阀进行故障检测。本发明专利技术的电磁阀特征向量，能较好地解释电磁阀的启动电流波形，增强对电磁阀故障诊断的准确性，可广泛应用于电磁阀的故障诊断。

【技术实现步骤摘要】
一种基于特征提取和多层感知机的电磁阀故障诊断装置及方法
本专利技术属于电磁阀故障检测领域，具体涉及一种基于特征提取和多层感知机的电磁阀故障诊断装置及方法。
技术介绍
在逐渐自动化、智能化的机械系统中，大部分的控制命令通过各类电磁阀的通断来实现。为了精准有效地执行控制命令，各类电磁阀的故障诊断受到了国内外研究者和工程师的广泛关注。传统的基于机理的电磁阀故障诊断方法，虽然可以基本实现电磁阀的故障诊断，但其诊断方法需要充分分析电磁阀开关过程的物理机理，针对电磁阀这种复杂的系统很难建立准确的机理模型。并且各类电磁阀的实现机理略有不同，一个物理模型无法同时满足所有类型电磁阀故障诊断要求。因此传统的基于机理的故障诊断方法很难被广泛应用。虽然新型的基于数据的故障诊断方法，能够绕过传统机理分析过程，基于数据实现电磁阀的故障诊断，但是很难从大量有关电磁阀的数据中提取到具有解释性的有效特征，导致故障诊断的准确性较低，这大大限制了基于数据的故障诊断方法的应用。
技术实现思路
为了解决传统电磁阀故障诊断时基于机理建模的难度较高和新型电磁阀故障诊断时基于数据建模的特征冗余及不可解释性，本专利技术提供一种针对电磁阀的基于特征提取和多层感知机的故障诊断装置及方法，对电磁阀故障诊断更简单方便，且准确性高。为实现上述技术目的，本专利技术采用如下技术方案：一种基于特征提取和多层感知机的电磁阀故障诊断方法，包括以下步骤：步骤1，针对M个已知真实故障类型的电磁阀训练样本，分别获取启动电流和工作电压，并提取启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分，将电磁阀训练样本的工作电流和启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分组成电磁阀训练样本的特征向量；其中，电磁阀的故障类型包括正常和故障；步骤2，以上一步骤得到电磁阀训练样本的特征向量和故障类型分别作为多层感知机的输入数据和输出数据，训练多层感知机的各神经元的权重和偏置，得到电磁阀故障诊断模型；步骤3，按步骤1获取待检测电磁阀的特征向量，并输入到电磁阀故障诊断模型，电磁阀故障诊断模型对待检测电磁阀进行故障检测并输出故障类型。利用多层感知机的非线性表达能力，建立输入的特征向量与输出的故障类型之间的映射关系，从而得到基于电磁阀的相关数据进行故障诊断的电磁阀故障诊断模型；同时通过对启动电流分析，提取了具有一定物理意义的有效特征，能较好地解释启动电流波形，在保障了有效性的前提下避免了冗余特征的提取，增强对电磁阀故障诊断的准确性，可广泛应用于电磁阀基于数据进行建模和故障诊断。进一步地，在步骤3之前还包括：步骤2.5，对步骤2得到的电磁阀故障诊断模型进行验证，具体过程为：针对N个已知真实故障类型的电磁阀测试样本，均按步骤1获取对应电磁阀测试样本的特征向量，并输入到步骤2得到的电磁阀故障诊断模型，电磁阀故障诊断模型输出电磁阀测试样本的测试故障类型；根据电磁阀测试样本的测试故障类型与已知真实故障类型，计算电磁阀故障诊断模型的准确率，判断准确率是否达到预设准确率：若未达到，则调整多层感知机的层数、每一层的神经元个数、学习率，并返回步骤2，否则执行步骤3。采用电磁阀测试样本，判断训练得到的电磁阀故障诊断模型的准确率，若不符合要求则调整多层感知机的参数，重新训练电磁阀故障诊断模型，使得到的电磁阀故障诊断模型的泛化性能好，可广泛实际应用。进一步地，M个电磁阀训练样本包括M1个正常电磁阀和M2个故障电磁阀，步骤1中M个电磁阀训练样本对应得到M1个正常电磁阀特征向量和M2个故障电磁阀特征向量，在步骤2之前还包括：步骤1.5，对M1个正常电磁阀特征向量进行欠采样和对M2个故障电磁阀特征向量进行过采样，分别得到M3个正常电磁阀欠采样特征向量和M4个故障电磁阀过采样特征向量，并将其作为步骤2输入以训练多层感知机的电磁阀训练样本的特征向量。正常故障阀的数量远大于故障电磁阀的数量，因此正常获得的训练样本中，存在M1>>M2，因此通过对正常电磁阀的特征向量欠采样，对故障电磁阀的特征向量过采样，即可减少训练多层感知机的正常电磁阀的特征向量的数量，增加故障电磁阀的特征向量的数量，使训练多层感知机的故障类型平衡，训练得到的电磁阀故障诊断模型的故障诊断准确率更高。进一步地，所述对M1个正常电磁阀特征向量欠采样的步骤为：针对每个正常电磁阀的特征向量，计算其特征向量与所有M2个故障电磁阀特征向量之间的欧式距离，从得到的M2个欧式距离中取最小的3个欧式距离值并求平均，作为当前正常电磁阀的欧氏距离平均值；根据M1个正常电磁阀的欧式距离平均值，将欧式距离平均值最小的M3个正常电磁阀所对应的正常电磁阀特征向量，作为正常电磁阀欠采样特征向量；所述对M2个故障电磁阀特征向量过采样的步骤为：针对每个故障电磁阀的特征向量Xi，选择与其欧氏距离最小的另一个故障样本的特征向量Xj，随机生成λ∈(0,1)，得到新合成的故障电磁阀特征向量λXi+(1-λ)Xj；所有新合成的故障电磁阀特征向量与步骤1中得到的M2个故障电磁阀特征向量，均作为故障电磁阀过采样特征向量。进一步地，所述响应时间是指启动电流在第1个局部最大值时的时间，所述稳定时间是指启动电流达到稳定电流时的时间，所述局部最大值积分是指启动电流从开始至对应局部最大值时的时间积分，所述局部最小值积分是指启动电流从开始至达到对应局部最小值时的时间积分。另外，本专利技术还提供一种基于特征提取和多层感知机的电磁阀故障诊断装置，包括工控机、额定电源、继电器控制板、电压传感器、电流传感器和数据采集卡；所述继电器控制板和数据采集卡均与工控机连接，所述额定电源与继电器控制板连接，所述继电器控制板、电压传感器和电流传感器均与电磁阀连接，所述电压传感器和电流传感器还均与数据采集卡连接；所述继电器控制板，用于接收所述工控机的指令并周期性地使额定电源驱动电磁阀周期性地开关；所述电压传感器，用于采集电磁阀的工作电压；所述电流传感器，用于采集电磁阀的电流；所述数据采集卡，用于将电压传感器采集的工作电压和电流传送给工控机；所述工控机，用于接收电磁阀的工作电压和电流，并记录启动电流波形，且根据启动电流波形提取启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分，根据电磁阀的工作电压以及启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分分析电磁阀的故障类型。有益效果本专利技术通过获取电磁阀的工作电压和启动电流，然后对启动电流波形进行分析并提取具有一定物理意义的有效特征：响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分，然后将提取的有效特征和工作电压一起组成电磁阀的特征向量作为输入、相应的故障类型作为输出，训练调整多层感知机的参数，得到可以用来诊断电磁阀故障类型的电磁阀故障诊断模型。利用多层感知机的非线性表达能力，建立输入的特征向量与输出的故障类型之间的映射关系，从而得到基于电磁阀的相关数据进行故障诊断的电磁阀故障诊断模型；同时通过对启动电流分析，提取了具有一定物理意义的有效特征，能较好地解释启动电流波形，增强对电磁阀故障诊断的准确性，可广泛应用于电磁阀基于数据进行建模和故障诊本文档来自技高网...

【技术保护点】
1.一种基于特征提取和多层感知机的电磁阀故障诊断方法，其特征在于，包括以下步骤：步骤1，针对M个已知真实故障类型的电磁阀训练样本，分别获取启动电流和工作电压，并提取启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分，将电磁阀训练样本的工作电流和启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分组成电磁阀训练样本的特征向量；其中，电磁阀的故障类型包括正常和故障；步骤2，以上一步骤得到电磁阀训练样本的特征向量和故障类型分别作为多层感知机的输入数据和输出数据，训练多层感知机的各神经元的权重和偏置，得到电磁阀故障诊断模型；步骤3，按步骤1获取待检测电磁阀的特征向量，并输入到电磁阀故障诊断模型，电磁阀故障诊断模型对待检测电磁阀进行故障检测并输出故障类型。

【技术特征摘要】
1.一种基于特征提取和多层感知机的电磁阀故障诊断方法，其特征在于，包括以下步骤：步骤1，针对M个已知真实故障类型的电磁阀训练样本，分别获取启动电流和工作电压，并提取启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分，将电磁阀训练样本的工作电流和启动电流的响应时间、稳定时间、局部最大值、局部最大值积分、局部最小值、局部最小值积分组成电磁阀训练样本的特征向量；其中，电磁阀的故障类型包括正常和故障；步骤2，以上一步骤得到电磁阀训练样本的特征向量和故障类型分别作为多层感知机的输入数据和输出数据，训练多层感知机的各神经元的权重和偏置，得到电磁阀故障诊断模型；步骤3，按步骤1获取待检测电磁阀的特征向量，并输入到电磁阀故障诊断模型，电磁阀故障诊断模型对待检测电磁阀进行故障检测并输出故障类型。2.根据权利要求1所述的方法，其特征在于，在步骤3之前还包括：步骤2.5，对步骤2得到的电磁阀故障诊断模型进行验证，具体过程为：针对N个已知真实故障类型的电磁阀测试样本，均按步骤1获取对应电磁阀测试样本的特征向量，并输入到步骤2得到的电磁阀故障诊断模型，电磁阀故障诊断模型输出电磁阀测试样本的测试故障类型；根据电磁阀测试样本的测试故障类型与已知真实故障类型，计算电磁阀故障诊断模型的准确率，判断准确率是否达到预设准确率：若未达到，则调整多层感知机的层数、每一层的神经元个数、学习率并返回步骤2，否则执行步骤3。3.根据权利要求2所述的方法，其特征在于，M个电磁阀训练样本包括M1个正常电磁阀和M2个故障电磁阀，步骤1中M个电磁阀训练样本对应得到M1个正常电磁阀特征向量和M2个故障电磁阀特征向量，在步骤2之前还包括：步骤1.5，对M1个正常电磁阀特征向量进行欠采样和对M2个故障电磁阀特征向量进行过采样，分别得到M3个正常电磁阀欠采样特征向量和M4个故障电磁阀过采样特征向量，并将其作为步骤2输入以训练多层感知机的电磁阀训练样本的特征向量。4.根据权利要求3所述的方法，其特征在于，所述对M1个正常电磁阀特征向量欠采样的步骤为：针对...

【专利技术属性】
技术研发人员：彭军，杨迎泽，张晓勇，程亦君，黄志武，蒋富，刘伟荣，李恒，顾欣，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43