一种检测设备液压系统漏油的方法技术方案

本发明专利技术公开了一种检测设备液压系统漏油的方法，包括：模型建立，建立以历史数据为输入，系统漏油故障为输出的神经网络模型；实时数据采集，实时对液压系统中的设备运行数据进行采集；工况识别，将采集的数据，导入神经网络模型中，识别设备的液压系统状态，判断系统是否故障漏油。本发明专利技术能够有效对液压系统是否漏油进行检测，可大大提高现场人员点检效率，有利于降低油品消耗。

A Method for Detecting Oil Leakage in Hydraulic System of Equipment

【技术实现步骤摘要】
一种检测设备液压系统漏油的方法
本专利技术涉及一种漏油检测方法，更具体的说是涉及一种检测设备液压系统漏油的方法，属于液压系统

技术介绍
在冶金企业液压故障主要为漏油及漏油造成油品清洁度变差引起的故障，随着设备自动化设备提高，液压系统的稳定变得越来越重要。但由于钢铁行业液压设备数量多、压力高、管路长、布局分散不易发现、工作环境恶劣等因素，造成系统长期泄露，小漏不易发现，大漏影响生产，没有有效手段对漏油实时进行检测，大量的油品消耗影响着企业生产经济效益。因此，如何提供一种检测设备液压系统漏油的方法成为了本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种检测设备液压系统漏油的方法，能够有效对液压系统是否漏油进行检测，可大大提高现场人员点检效率，有利于降低油品消耗。为了实现上述目的，本专利技术采用如下技术方案：一种检测设备液压系统漏油的方法，包括：模型建立，建立以历史数据为输入，系统漏油故障为输出的神经网络模型；实时数据采集，实时对液压系统中的设备运行数据进行采集；工况识别，将采集的数据，导入神经网络模型中，识别设备的液压系统状态，判断系统是否故障漏油。优选的，还包括漏油报警定位，在工况识别后，神经网络模型输出提示信息，基于提示信息对漏油设备及液压系统进行定位。能够提醒使用者液压系统出现漏油故障，方便人们及时维修处理。优选的，所述历史数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、系统压力、温度、液位和环境温度。优选的，所述运行数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、系-统压力、温度、液位和环境温度。优选的，神经网络模型通过设备实际运行过程中不断积累的新的工况数据，基于遗传算法实现自学习进化，保证了神经网络模型中的数据能够不断更新，有利于提高液压系统漏油故障检测的准确性。优选的，神经网络模型建立后，使用人工免疫算法，建立与液压系统漏油工况下的数据预警抗体库，方便与运行数据比对，判断漏油故障，并进行定位。优选的，工况识别中，采集的数据组成的抗原与数据预警抗体库中的异常工况进行快速匹配，当匹配程度高时，发出漏油故障提示，提示将要发生漏油故障。本专利技术的有益效果在于：本专利技术通过模型建立，实时数据采集以及工况识别，不仅可有效对液压系统是否漏油进行检测，保证漏油检测的准确性，而且有效对液压系统中的漏油设备、液压系统部位进行定位，可大大提高现场人员点检效率。此外，在故障漏油起始阶段就可报警，辅助生产人员进行决策，方便人们及时维修处理，有助于降低油品消耗。具体实施方式下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。一种检测设备液压系统漏油的方法，包括：模型建立，建立以历史数据为输入，系统漏油故障为输出的神经网络模型；实时数据采集，实时对液压系统中的设备运行数据进行采集；工况识别，将采集的数据，导入神经网络模型中，识别设备的液压系统状态，对正常、漏油工况时的数据进行聚类分析实现工况划分，判断系统是否故障漏油。本专利技术还包括漏油报警定位，在工况识别后，神经网络模型输出提示信息，基于提示信息对漏油设备及液压系统进行定位。能够提醒使用者液压系统出现漏油故障，方便人们及时维修处理。在另一种实施例中，历史数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、系统压力、温度、液位和环境温度等。在另一种实施例中，运行数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、系-统压力、温度、液位和环境温度等。在另一种实施例中，神经网络模型通过设备实际运行过程中不断积累的新的工况数据，基于遗传算法实现自学习进化，保证了神经网络模型中的数据能够不断更新，有利于提高液压系统漏油故障检测的准确性。在另一种实施例中，神经网络模型建立后，使用人工免疫算法，建立与液压系统漏油工况下的数据预警抗体库，方便与运行数据比对，判断漏油故障，并进行定位。在另一种实施例中，工况识别中，采集的数据组成的抗原与数据预警抗体库中的异常工况进行快速匹配，当匹配程度高时，发出漏油故障提示，提示将要发生漏油故障。本专利技术通过模型建立，实时数据采集以及工况识别，不仅可有效对液压系统是否漏油进行检测，保证漏油检测的准确性，而且有效对液压系统中的漏油设备、液压系统部位进行定位，可大大提高现场人员点检效率。此外，在故障漏油起始阶段就可报警，辅助生产人员进行决策，方便人们及时维修处理，有助于降低油品消耗。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本专利技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本专利技术的精神或范围的情况下，在其它实施例中实现。因此，本专利技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。本文档来自技高网...

【技术保护点】
1.一种检测设备液压系统漏油的方法，其特征在于，包括：模型建立，建立以历史数据为输入，系统漏油故障为输出的神经网络模型；实时数据采集，实时对液压系统中的设备运行数据进行采集；工况识别，将采集的数据，导入神经网络模型中，识别设备的液压系统状态，判断系统是否故障漏油。

【技术特征摘要】
1.一种检测设备液压系统漏油的方法，其特征在于，包括：模型建立，建立以历史数据为输入，系统漏油故障为输出的神经网络模型；实时数据采集，实时对液压系统中的设备运行数据进行采集；工况识别，将采集的数据，导入神经网络模型中，识别设备的液压系统状态，判断系统是否故障漏油。2.根据权利要求1所述的一种检测设备液压系统漏油的方法，其特征在于，还包括漏油报警定位，在工况识别后，神经网络模型输出提示信息，基于提示信息对漏油设备及液压系统进行定位。3.根据权利要求1所述的一种检测设备液压系统漏油的方法，其特征在于，所述历史数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、系统压力、温度、液位和环境温度。4.根据权利要求1或3所...

【专利技术属性】
技术研发人员：胡启明，杨淼，
申请(专利权)人：欧洛普智控北京科技发展有限公司，
类型：发明
国别省市：北京,11