一种基于多点压力传感器的抱闸故障诊断方法技术

本发明专利技术提供一种的基于多点压力传感器的抱闸故障诊断方法，属于封装外壳技术领域。该的基于多点压力传感器的抱闸故障诊断方法S1：获取第一信号数据；S2：对信号预测模型进行训练；S3：对第一信号数据进行分类。本发明专利技术对于给定任意一组待识别的闸瓦信号，输入到训练好的信号预测模型中，提取样本的深度学习特征，通过两次训练的方法来有效的判别该组信号属于正常状态或者故障状态，这样可以从分类的情况了解抱闸制动器压力的状态，可以实时直观展现抱闸闸瓦的受力分布情况，可实现抱闸装置运行状态的实时监测。

A fault diagnosis method of holding brake based on multi-point pressure sensor

【技术实现步骤摘要】
一种基于多点压力传感器的抱闸故障诊断方法
本专利技术属于抱闸故障诊断
，涉及一种基于多点压力传感器的抱闸故障诊断方法。
技术介绍
抱闸制动装置广泛应用于工业、民用曳引式电梯，由于抱闸装置故障导致的工业损失和人身安全问题的事故时有发生，制动器的整体性能随着工作次数的累加是不断变化的，国内制动器大都未对其动态特性和故障机理进行深入的研究，因而缺乏有效的抱闸装置故障诊断系统，仅仅依靠维保人员定期检查是无法从根本上保证其可靠运行的。这种常规的定期检查方式体现出以下不足之处：1)对维修工人要求高，需要进行长时间的培训和长期的经验积累；2)经济效益差，未能及时发现抱闸故障带来的工业损失是巨大的；4)安全系数低，故障发生时容易造成人员伤亡。因此，根据制动器的动态特性和故障机理进行深入的研究，并在此基础上建立的抱闸故障诊断方法，对于提升曳引式电梯安全等级、缩短维修时间和减少维保投入具有重要的意义。
技术实现思路
本专利技术针对现有的技术存在的上述问题，提供一种基于多点压力传感器的抱闸故障诊断方法，本专利技术所要解决的技术问题是：如何提供一种基于多点压力传感器的抱闸故障诊断方法。本专利技术的目的可通过下列技术方案来实现：一种基于多点压力传感器的抱闸故障诊断方法，包括如下步骤：S1：通过多点压力传感器检测抱闸制动器的压力以获取包括抱闸制动器压力值的第一信号数据；S2：建立基于LeNet-5神经网络的信号预测模型并对信号预测模型进行训练；S3：通过训练后的信号预测模型对第一信号数据进行分类。优选的，步骤S1通过4*6的24点压力传感器收集第一信号数据，所述第一信号数据包括抱闸制动器左边闸瓦的左闸瓦传感器信号和抱闸制动器右边闸瓦的右闸瓦传感器信号，所述第一信号数据按照正常状态和故障状态进行分类。优选的，步骤S1中包括对第一信号数据进行预处理，将多个4*6信号合并，通过用48组信号合成48*48的信号矩阵，其中一组信号包括左闸瓦传感器信号和右闸瓦传感器信号。优选的，所述信号预测模型包括七层；第一层为输入层，第一层为原始的信号数据，第一层的图片大小为48*48*1、channel为1；第二层为卷积层，第二层的输入为输出层的输出，第二层的过滤器尺寸为5*5、深度为32，第二层使用全0填充，第二层的输出矩阵大小为48*48*32；第三层为池化层，第三层的输入为第二层输出的48*48*32的节点矩阵，第三层的过滤器尺寸大小为2*2、长和宽的步长均为2，第三层的输出矩阵大小为24*24*32；第四层为卷积层，第四层的输入为第三层的输出，第四层的过滤器尺寸为5*5、深度为64，第四层使用全0填充，第四层的输出矩阵大小为24*24*64；第五层为池化层，第五层的输入为第四层输出的24*24*64的节点矩阵，第五层的过滤器大小为2*2、长和宽的步长均为2，第五层的输出矩阵大小为12*12*64；第六层为全连接层，第六层的输入为第五层的输出，第六层输入节点个数为12*12*64，第六层输入节点个数为9216个，第六层输出节点个数为512个；第七层为全连接层，第七层输入节点个数为512个，第七层输出节点个数为4个。优选的，所述信号预测模型的训练过程包括：输入训练样本集；提取信号特征进行分类训练；其中训练样本集和测试样本集的大小均为48*48像素。优选的，所述压力传感器为柔性薄膜阵列压力传感器，步骤S1中柔性薄膜阵列压力传感器获取第一信号数据后将第一信号数据发送至传感器信号调理装置，所述传感器信号调理装置在柔性薄膜阵列压力传感器进行多路信号采集后将第一信号数据转换为第一转换数据，控制器将第一转换数据发送至内置有基于LeNet-5神经网络的信号预测模型的测量信号处理分析系统，测量信号处理分析系统通过预设数据对信号预测模型进行训练，测量信号处理分析系统通过训练后的信号预测模型对第一转换数据进行分类。优选的，还包括用以检测抱闸制动器的第一测试数据的压力测试机，所述控制器将第一测试数据和第一信号数据进行比较以获取第一测试数据和第一信号数据之间的差值，如果差值大于预设值则控制器反馈“误差较大”信号，如果差值小于或者等于预设值则控制器反馈“合格”信号。优选的，还包括用以通过单元力检测算法检测压力传感器的检测数据的检测电路，所述单元力检测算法包括：所述柔性薄膜压力传感器的AI量程设置为0~5VDC，还包括用以存储所述柔性薄膜压力传感器检测的第一信号数据的MODBUS寄存器，所述MODBUS寄存器读数为0~50000，所述柔性薄膜压力传感器检测的抱闸制动器单元压力为Fs，Fs=C/(RH*VI/(V+-VI))-F0，其中VI=(AI/50000)•V+，RH为可变电阻值，C为电导-压力转换系数，量纲为kg•S，F0为初始压力，V+为5VDC。优选的，所述测量信号处理分析系统通过MODBUS协议与控制器交互获取实时测量数据，所述测量信号处理分析系统的HMI显示信号预测模型对第一信号数据的分类结果。优选的，所述抱闸制动器的总制动力为F1，F1=，其中为传感器单元受力之和，Ar为承压比，抱闸制动器在机构停止运行时的制动力矩为F2，Tb=2F2Rμ，其中Tb为静态制动力矩，R为抱闸制动器的制动轮半径，μ为摩擦系数。本专利技术首先通过多点压力传感器检测抱闸制动器的压力以获取包括抱闸制动器压力值的第一信号数据，然后建立基于LeNet-5神经网络的信号预测模型并对信号预测模型进行训练，最后通过训练后的信号预测模型对第一信号数据进行分类，对于给定任意一组待识别的闸瓦信号，输入到训练好的信号预测模型中，提取样本的深度学习特征，通过两次训练的方法来有效的判别该组信号属于正常状态或者故障状态，这样可以从分类的情况了解抱闸制动器压力的状态，可以实时直观展现抱闸闸瓦的受力分布情况，可实现抱闸装置运行状态的实时监测。附图说明图1是本专利技术中根据制动器制动衬垫受力分布设计的4*6压力传感器阵列布局的结构示意图；图2是本专利技术中的柔性薄膜阵列压力传感器检测数据并发送至传感器信号调整装置、多路信号采集后发送至测量信号处理分析系统时的示意图；图3是本专利技术中的检测电路的结构示意图；图4是本专利技术中的检测电路通过单元力检测算法检测压力传感器的检测数据时的全量程测试的曲线变化图；图5是本专利技术中的测量信号处理分析系统在模拟制动器工作状态时的重复等压验证测试的曲线变化图。具体实施方式以下是本专利技术的具体实施例并结合附图，对本专利技术的技术方案作进一步的描述，但本专利技术并不限于这些实施例。请参阅图1、图2、图3、图4、图5，本实施例中的基于多点压力传感器的抱闸故障诊断方法，包括如下步骤：S1：通过多点压力传感器检测抱闸制动器的压力以获取包括抱闸制动器压力值的第一信号数据；S2：建立基于LeNet-5神经网络的信号预测模型并对信号预测模型进行训练；S3：通过训练后的信号预测模型对第一信号数据进行分类，对于给定任意一组待识别的闸瓦信号，输入本文档来自技高网...

【技术保护点】
1.一种基于多点压力传感器的抱闸故障诊断方法，其特征在于，包括如下步骤：/nS1：通过多点压力传感器检测抱闸制动器的压力以获取包括抱闸制动器压力值的第一信号数据；/nS2：建立基于LeNet-5神经网络的信号预测模型并对信号预测模型进行训练；/nS3：通过训练后的信号预测模型对第一信号数据进行分类。/n

【技术特征摘要】
1.一种基于多点压力传感器的抱闸故障诊断方法，其特征在于，包括如下步骤：
S1：通过多点压力传感器检测抱闸制动器的压力以获取包括抱闸制动器压力值的第一信号数据；
S2：建立基于LeNet-5神经网络的信号预测模型并对信号预测模型进行训练；
S3：通过训练后的信号预测模型对第一信号数据进行分类。


2.如权利要求1所述的一种基于多点压力传感器的抱闸故障诊断方法，其特征在于：步骤S1通过4*6的24点压力传感器收集第一信号数据，所述第一信号数据包括抱闸制动器左边闸瓦的左闸瓦传感器信号和抱闸制动器右边闸瓦的右闸瓦传感器信号，所述第一信号数据按照正常状态和故障状态进行分类。


3.如权利要求2所述的一种基于多点压力传感器的抱闸故障诊断方法，其特征在于：步骤S1中包括对第一信号数据进行预处理，将多个4*6信号合并，通过用48组信号合成48*48的信号矩阵，其中一组信号包括左闸瓦传感器信号和右闸瓦传感器信号。


4.如权利要求2或3所述的一种基于多点压力传感器的抱闸故障诊断方法，其特征在于：所述信号预测模型包括七层；第一层为输入层，第一层为原始的信号数据，第一层的图片大小为48*48*1、channel为1；第二层为卷积层，第二层的输入为输出层的输出，第二层的过滤器尺寸为5*5、深度为32，第二层使用全0填充，第二层的输出矩阵大小为48*48*32；第三层为池化层，第三层的输入为第二层输出的48*48*32的节点矩阵，第三层的过滤器尺寸大小为2*2、长和宽的步长均为2，第三层的输出矩阵大小为24*24*32；第四层为卷积层，第四层的输入为第三层的输出，第四层的过滤器尺寸为5*5、深度为64，第四层使用全0填充，第四层的输出矩阵大小为24*24*64；第五层为池化层，第五层的输入为第四层输出的24*24*64的节点矩阵，第五层的过滤器大小为2*2、长和宽的步长均为2，第五层的输出矩阵大小为12*12*64；第六层为全连接层，第六层的输入为第五层的输出，第六层输入节点个数为12*12*64，第六层输入节点个数为9216个，第六层输出节点个数为512个；第七层为全连接层，第七层输入节点个数为512个，第七层输出节点个数为4个。


5.如权利要求4所述的一种基于多点压力传感器的抱闸故障诊断方法，其特征在于，所述信号预测模型的训练过程包括：输入训练样本集；提取信号特征进行分类训练；其中训练样本集和测试样本集的大...

【专利技术属性】
技术研发人员：刘惠康，皮瑶，李倩，喻青，王维佳，鄢梦伟，孙博文，曹宇轩，
申请(专利权)人：武汉科技大学，中钢集团武汉安全环保研究院有限公司，
类型：发明
国别省市：湖北;42