一种柱塞泵空化程度检测方法、装置及终端制造方法及图纸

本发明专利技术公开了一种柱塞泵空化程度检测方法、装置、储存介质及终端，其中，柱塞泵空化程度检测方法，包括：获取柱塞泵空化时壳体的三轴振动信号；将所述三轴振动信号进行切分，得到振动信号片段集；将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成目标图片集；将所述目标图片集输入到训练好的模型中，得到所述柱塞泵的空化程度。本发明专利技术采用的将振动信号转换成RGB图片并结合卷积神经网络的方法，实现了对柱塞泵空化程度的识别，并且在不使用附加降噪方法的情况下，对有噪声的振动信号依然具有良好的性能。

【技术实现步骤摘要】
一种柱塞泵空化程度检测方法、装置及终端
本专利技术涉及柱塞泵故障诊断
，尤其涉及一种柱塞泵空化程度检测方法、装置及终端。
技术介绍
泵是飞机液压系统的关键元件。因为柱塞泵结构紧凑，转动惯量小，流量大，易于控制等特点，飞机液压系统广泛采用柱塞泵。为了进一步提高柱塞泵的功率密度，提高转速是一个有效的方法。高转速的柱塞泵发生汽蚀的风险更高，一旦发生汽蚀故障，将会造成壳体损坏、剧烈振动等不良后果甚至引发安全事故。因此，对航空柱塞泵进行汽蚀故障诊断具有重要的意义。传统的汽蚀故障诊断主要是对比健康状态和发生汽蚀时泵的运行状态，包括数据采集，特征提取和故障分类识别。主要利用频谱分析提取相关特征，再结合相关的分类算法如SVM，随机森林等进行故障识别。目前存在一下缺点：1)诊断的准确性严重依赖于特征的提取，特征提取需要手动设计，比较耗时和依赖经验；2)手动提取的特征不能保证充分表示汽蚀故障发生时的特征。深度学习技术有着强大的特征表示能力，并且可以自动提取特征，在语音识别，图像处理上有着广泛的应用。目前，已经有部分学者将深度学习的方法应用到各种机械设备的故障诊断上，然而针对柱塞泵汽蚀故障诊断问题关注不足，并且准确率较低、适应能力差。
技术实现思路
(一)专利技术目的本专利技术的目的是提供一种柱塞泵空化程度检测方法、装置及终端以解决针对柱塞泵汽蚀故障诊断准确率较低、适应能力差的问题。(二)技术方案为解决上述问题，本专利技术的第一方面提供了一种柱塞泵空化程度检测方法，包括：获取柱塞泵空化时壳体的三轴振动信号；将所述三轴振动信号进行切分，得到振动信号片段集；将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成目标图片集；将所述目标图片集输入到训练好的模型中，得到所述柱塞泵的空化程度。进一步地，所述训练好的模型是通过下述步骤建立的：获取不同空化程度的柱塞泵空化时壳体的三轴振动信号；将不同空化程度的所述三轴振动信号切分成对应有空化程度的信号片段，得到对应有空化程度的振动信号片段集；将所述对应有空化程度的振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成对应有空化程度的图片集；利用所述对应有空化程度的图片集对机器学习模型进行训练和测试，得到所述训练好的模型。进一步地，所述利用所述用于建立模型的图片集中图片和该图片对应的空化程度对机器学习模型进行训练和测试，得到所述训练好的模型包括：将所述用于建立模型的图片集划分成训练集和测试集；利用所述训练集中图片和该图片对应的空化程度对机器学习模型进行训练，得到训练模型；利用所述测试集中图片和该图片对应的空化程度对机器学习模型进行测试，当测试结果达到预设条件，得到所述训练好的模型。进一步地，所述获取柱塞泵空化时壳体的三轴振动信号具体为：获取所述柱塞泵在不同进口压力下的三轴振动信号。进一步地，所述将所述三轴振动信号进行切分，得到振动信号片段集具体包括：根据柱塞泵转速和振动信号采样频率确定目标图片的像素点数；根据所述像素点数确定每段三轴振动信号长度；根据所述每段三轴振动信号长度将所述三轴振动信号进行切分，得到振动信号片段集。进一步地，所述像素点数满足以下公式：size1*size2表示图片像素大小；k表示选择的倍数，取整数；fs表示振动信号采样频率，单位为Hz；n表示柱塞泵的转速，单位为rpm。进一步地，所述将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成图片集具体包括：将所述三轴振动信号的三个方向与RGB图片三色通道进行对应；将所述振动信号片段集中的每一个振动信号片段的每个方向上的振动信号数据均映射到该方向对应通道颜色值的0～255之间，得到图片集。进一步地，所述将所述振动信号片段集中的每一个振动信号片段的每个方向上的振动信号数据均映射到该方向对应通道颜色值的0～255之间，按照如下公式：xi[s]k表示信号片段集，第k类样本中第i个样本片段；s是信号片段中的长度,s＝size1*size2；μ是信号片段的均值；Max是信号片段中的最大值；Min是信号片段中的最小值；pi表示进行缩放后的信号片段；是映射到0-255之后的信号片段；unit8是把数据映射到0-255的无符号格式运算操作。根据本专利技术的另一个方面，提供一种柱塞泵空化程度检测装置，包括：信号采集模块，用于获取柱塞泵空化时壳体的三轴振动信号；信号切分模块，用于将所述三轴振动信号进行切分，得到振动信号片段集；信号转化模块，用于将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成目标图片集；检测模块，用于将所述目标图片集输入到训练好的模型中，得到所述柱塞泵的空化程度。进一步地，还包括：模型建立模块，其搭建有机器学习模型；所述信号采集模块还用于获取不同空化程度的柱塞泵空化时壳体的三轴振动信号；所述信号切分模块将不同空化程度的所述三轴振动信号切分成对应有空化程度的信号片段，得到对应有空化程度的振动信号片段集；所述信号转化模块将所述用于建立模型的振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成对应有空化程度的图片集；所述模型建立模块利用所述用于建立模型的对应有空化程度的图片集对所述机器学习模型进行训练和测试，得到所述训练好的模型。进一步地，所述模型建立模块包括：图片划分单元，用于将所述用于建立模型的图片集划分成训练集和测试集；模型训练单元，用于利用所述训练集中图片和该图片对应的空化程度对机器学习模型进行训练，得到训练模型；模型测试单元，用于利用所述测试集中图片和该图片对应的空化程度对机器学习模型进行测试，当测试结果达到预设条件，得到所述训练好的模型。进一步地，所述信号采集模块具体用于：获取所述柱塞泵在不同进口压力下的三轴振动信号。进一步地，所述信号切分模块包括：像素点数计算单元，用于根据柱塞泵转速和振动信号采样频率确定目标图片的像素点数；信号长度计算单元，用于根据所述像素点数确定每段三轴振动信号长度；切分单元，用于根据所述每段三轴振动信号长度将所述三轴振动信号进行切分，得到振动信号片段集。进一步地，所述像素点数计算单元计算过程满足以下公式：size1*size2表示图片像素大小；k表示选择的倍数，取整数；fs表示振动信号采样频率，单位为Hz；n表示柱塞泵的转速，单位为rpm。进一步地，所述信号转化模块包括：通道对应单元，用于将所述三轴振动信号的三个方向与RGB图片三色通道进行对应；映射单元，用于将所述振动信号片段集中的每一个振动信号片段的每个方向上的振动信号数据均映射到该方向对应通道颜色值的0～255之间，得到图片集。进一步地，所述映射单元按照如下公式进行映射：xi[s]本文档来自技高网...

【技术保护点】
1.一种柱塞泵空化程度检测方法，其特征在于，包括：/n获取柱塞泵空化时壳体的三轴振动信号；/n将所述三轴振动信号进行切分，得到振动信号片段集；/n将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成目标图片集；/n将所述目标图片集输入到训练好的模型中，得到所述柱塞泵的空化程度。/n

【技术特征摘要】
1.一种柱塞泵空化程度检测方法，其特征在于，包括：
获取柱塞泵空化时壳体的三轴振动信号；
将所述三轴振动信号进行切分，得到振动信号片段集；
将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成目标图片集；
将所述目标图片集输入到训练好的模型中，得到所述柱塞泵的空化程度。


2.根据权利要求1所述的方法，其特征在于，所述训练好的模型是通过下述步骤建立的：
获取不同空化程度的柱塞泵空化时壳体的三轴振动信号；
将不同空化程度的所述三轴振动信号切分成对应有空化程度的信号片段，得到对应有空化程度的振动信号片段集；
将所述对应有空化程度的振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成对应有空化程度的图片集；
利用所述对应有空化程度的图片集对机器学习模型进行训练和测试，得到所述训练好的模型。


3.根据权利要求2所述的方法，其特征在于，所述利用所述用于建立模型的图片集中图片和该图片对应的空化程度对机器学习模型进行训练和测试，得到所述训练好的模型包括：
将所述用于建立模型的图片集划分成训练集和测试集；
利用所述训练集中图片和该图片对应的空化程度对机器学习模型进行训练，得到训练模型；
利用所述测试集中图片和该图片对应的空化程度对机器学习模型进行测试，当测试结果达到预设条件，得到所述训练好的模型。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取柱塞泵空化时壳体的三轴振动信号具体为：
获取所述柱塞泵在不同进口压力下的三轴振动信号。


5.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述三轴振动信号进行切分，得到振动信号片段集具体包括：
根据柱塞泵转速和振动信号采样频率确定目标图片的像素点数；
根据所述像素点数确定每段三轴振动信号长度；
根据所述每段三轴振动信号长度将所述三轴振动信号进行切分，得到振动信号片段集。


6.根据权利要求5所述的方法，其特...

【专利技术属性】
技术研发人员：刘成良，潮群，魏晓良，陶建峰，覃程锦，王立尧，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31