一种多路阀失效数据管理及失效模式自动诊断系统技术方案

本发明专利技术提供了一种多路阀失效数据管理及失效模式自动诊断系统，包括用户信息登录管理模块、失效案例信息管理模块、失效信息查询模块、零件信息管理模块、失效模式自动诊断模块、失效案例规律库模块；本发明专利技术通过先进的网络和数据库技术把之前零散的多路阀失效案例数据结合归类，在数据库中按照一定的方式存储数据，可以在众多的失效案例中总结发现规律并以此为依据预判故障的可能性，让工程师在处理多路阀失效时能够有所参考，简化故障案例分析过程，提高分析、处理故障的效率，缩短工作时间，避免不必要的浪费和工作的重复，也可以做到提前预防故障的发生。

【技术实现步骤摘要】
一种多路阀失效数据管理及失效模式自动诊断系统
本专利技术涉及数据管理
，尤其涉及一种多路阀失效数据管理及失效模式自动诊断系统。
技术介绍
随着建筑行业的不断发展和工程机械设备事故的频发，同时由于工程机械工作环境恶劣，液压系统换向频繁、负载变动剧烈，多路阀发生故障的可能性也越来越大。因此，多路阀的安全性和可靠性逐渐成为人们关注的焦点。多路阀的技术状况会随着使用及内部零件故障的发生而变化，当零部件损坏，丧失原设计所应有的功能后，工程师会展开故障排查、失效分析并提出改进措施，预防未来同类事故的再发生。常见的多路阀失效原因主要包括压力类失效、流量类失效、泄露类失效，故障的表现形式有以下几个方面：整机无动作、系统无压力、系统压力高且无法调节、单片工作阀无压力或压力低、输出流量不足、输出流量不稳定、单片工作阀无流量或流量低、内泄漏、外泄露、噪声故障，此外还有外观不合格、安装尺寸不合格、零件损坏、零件锈蚀、清洁度不合格等。故障排查、失效分析等工作效率的提升需要在企业对已发生过的失效案例进行归纳总结的基础上进行。同时，由于多路阀内部零件众多，失效形式多种多样，当前的故障记录和诊断技术已经不能够满足企业发展的需要。而且传统的数据库数据录入模式效率较低，单纯的人工录入费时费力且容易产生重复录入、录入错误数据等不当操作。因此，建立一个多路阀数据管理及失效模式自动诊断系统成为了工程机械行业一个亟需解决的问题。利用先进的网络和数据库技术把之前零散的案例数据结合归类，通过模糊神经网络对多路阀进行实时数据采集并诊断故障，在众多失效案例里发现规律并从总结的规律里面预判故障发生的可能性，可以更好的预防、减少未来失效的发生。同时降低企业在数据管理成本方面的投入，提高多路阀的安全性和可靠性。
技术实现思路
专利技术目的：本专利技术目的是为了解决现有技术的不足，解决故障诊断不准确，人机交互不便，失效库不完善等问题，提出一种多路阀失效数据管理及失效模式自动诊断系统，包括：失效模式自动诊断模块。由于多路阀的失效模式多种多样，有些失效模式通过对数据的采集及分析可以实现自动诊断如压力类、流量类失效等，而有些失效模式需要人工去诊断并进行数据的记录如多路阀阀杆卡死、内部零件损坏等。因此该系统的多路阀失效数据录入分为两部分，一部分为人工录入，另一部分为失效自动诊断并录入。其中：所述失效模式自动诊断模块用于，通过模糊神经网络将从多路阀中提取到的失效信号进行处理，建立失效模型，采用模糊理论对可能引起多路阀失效的原因和现象进行分析，对测试的数据进行失效模式自动诊断，将得到的故障信息反模糊化，得到失效诊断结论。反模糊化是将推论得到的模糊值转换为明确的控制讯号，常用的有最大隶属度法、重心法和加权平均法，本专利技术中使用的是最大隶属度原则进行判决，同时还可以通过深度学习，不断的积累多路阀失效案例处理知识，进一步提高诊断效率。所述失效模式自动诊断模块具体执行如下步骤：步骤1将多路阀失效模式分为压力类失效模式、流量类失效模式、泄露类失效模式、噪声类失效模式，采集压力类失效模式、流量类失效模式、泄露类失效模式、噪声类失效模式的失效数据，步骤1中，通过在多路阀内部安装流量传感器、压力传感器进行数据采集，提取状态参量模拟量(包括流量和压力)，状态参量模拟量能够反映出多路阀的工作状态，例如当多路阀失效时压力会出现随机信号，正常工作时则是周期性波形，再通过数据采集卡将模拟量转化为数字量存入计算机，当多路阀出现如系统无压力、系统无动作之类的失效现象时，此时采集到的数据作为失效现象集X和失效模式集A的元素，建立相对应的失效现象集X和失效模式集A，采集的失效现象有9种，包括：系统无压力、系统无动作、工作阀无压力、压力过高、流量不足、流量不稳定、工作阀无流量、内泄漏、压力冲击，则失效现象集X表示为X＝{x1,x2,x3,...,x9}；所有的失效现象能够表征的失效模式共有17种，包括：主安全阀密封损坏、LC单向阀密封损坏、LC减压阀损坏、减压阀阀芯卡滞、LC单向阀阀芯卡滞、补油阀密封损坏、LS减压阀油路憋坏，堵塞、LC单向阀油路憋坏，堵塞、系统回油背压高、主阀芯开度小、主阀芯卡滞、单片工作阀先导压力不稳定、LS减压阀压力波动、先导压力低、LC单向阀卡滞、先导式溢流阀导阀部分压力不均、产生气穴，失效模式集A表示为A＝{a1,a2,a3,...,a17}，x9表示第9种失效现象，a17表示第17种失效模式；多路阀后续获得的参数用对应集合X和A的隶属度表示，得到对应于失效现象X的失效现象向量V和对应于失效模式A的失效模式向量U，这些向量可以采用二值逻辑表示，当失效现象达到指标时用“1”表示，没有达到用“0”表示，指标的确定由专家判定。例如：某次失效现象只有x1和x2达到指标则这次失效现象向量可记{1,1,0,0,0,0,0,0,0}，通过这样对数据的处理可以将复杂的参数转化为简单的向量。数据转化：传感器采集到的数据通过数据采集卡将模拟量转化为数字量。失效模型建立：失效模型即为失效现象集X和失效模式集A的建立过程。失效现象共9种，失效模式共17种，分别用符号v1～v9，u1～u17表示，并将这些现象和集合组成向量的形式表示出来。失效现象和失效模式之间使用模糊关系矩阵表征之间的联系。步骤2，失效现象X和故障模式A之间也存在隶属度rij，隶属度rij的确定要综合专家打分和模糊统计综合判定；根据失效现象集X和失效模式集A对采集的多路阀数据进行筛选，确定失效特征的最大隶属度函数，将特征参数(特征参数即为多路阀失效时的参数)模糊化；确定系统模糊关系矩阵R，通过模糊矩阵表征多路阀失效和各种失效征兆之间的关系；设计系统推理机，利用公式模糊诊断方程对失效进行诊断，确定模糊算子M(∧,∨)，最终改进模糊判决得到失效诊断结论。步骤2包括：利用传感器得到的多路阀失效数据的处理共分为三层，分别是输入层、隐含层、输出层，选取堆叠自编码网络对数据深度学习，在输入层、隐含层、输出层之间先进行编码将输入转换为隐含层不同维度表示形式，在解码时使用反模糊化将数据形式映射回原始表示。步骤2中，输入层进行如下数据处理：采集到的每一个多路阀信号作为一个节点，每一个节点都代表一个输入变量，在集合中元素和集合的关系使用隶属度的方式来描述。隶属度本身是在0到1之间的实数。(0,1)之间表示元素部分的属于该集合。如果集合A是某一域U的子集，uA(x)是隶属度函数，域U中的集合A可由隶属函数uA(x)表示，uA(x)的取值范围是[0,1]，数值越大则表示x对A的隶属程度越高，x表示从多路阀中获取得到的多路阀失效信息，代表失效现象，以数字量形式呈现；元素对集合A的隶属度函数为uA(x)，A表示为A＝uA(x1)/x1+uA(x2)/x2+…uA(xn)/xn，xn为采集到的的所有多路阀失效信息，n的取值为[1,9]。隶属度函数uA(xi)的确立此处采用根据专家经验的人为评判法；步骤2中，隐含层进行如下数据处理：多路阀每一个失效现象对失效模式都有对应的隶属度，通过专家经验确定隶属度，得本文档来自技高网...

【技术保护点】
1.一种多路阀失效数据管理及失效模式自动诊断系统，其特征在于，包括失效模式自动诊断模块；/n所述失效模式自动诊断模块用于，将从多路阀中提取到的失效信号进行处理，建立失效模型，采用模糊理论对可能引起多路阀失效的原因和现象进行分析，对测试的数据进行失效模式自动诊断，将得到的故障信息反模糊化，得到失效诊断结论。/n

【技术特征摘要】
1.一种多路阀失效数据管理及失效模式自动诊断系统，其特征在于，包括失效模式自动诊断模块；
所述失效模式自动诊断模块用于，将从多路阀中提取到的失效信号进行处理，建立失效模型，采用模糊理论对可能引起多路阀失效的原因和现象进行分析，对测试的数据进行失效模式自动诊断，将得到的故障信息反模糊化，得到失效诊断结论。


2.根据权利要求1所述的系统，其特征在于，所述失效模式自动诊断模块具体执行如下步骤：
步骤1将多路阀失效模式分为压力类失效模式、流量类失效模式、泄露类失效模式、噪声类失效模式，采集压力类失效模式、流量类失效模式、泄露类失效模式、噪声类失效模式的失效数据；
步骤2，确定系统模糊关系矩阵R，通过模糊矩阵表征多路阀失效和各种失效征兆之间的关系；设计系统推理机，对失效进行诊断，确定模糊算子M(∧,∨)，最终改进模糊判决得到失效诊断结论。


3.根据权利要求2所述的系统，其特征在于，步骤1中，通过在多路阀内部安装流量传感器、压力传感器进行数据采集，提取状态参量模拟量，再通过数据采集卡将模拟量转化为数字量存入计算机，当多路阀出现失效现象时，此时采集到的数据作为失效现象集X和失效模式集A的元素，建立相对应的失效现象集X和失效模式集A，采集的失效现象有9种，包括：系统无压力、系统无动作、工作阀无压力、压力过高、流量不足、流量不稳定、工作阀无流量、内泄漏、压力冲击，则失效现象集X表示为X＝{x1,x2,x3,...,x9}；所有的失效现象能够表征的失效模式共有17种，包括：主安全阀密封损坏、LC单向阀密封损坏、LC减压阀损坏、减压阀阀芯卡滞、LC单向阀阀芯卡滞、补油阀密封损坏、LS减压阀油路憋坏，堵塞、LC单向阀油路憋坏，堵塞、系统回油背压高、主阀芯开度小、主阀芯卡滞、单片工作阀先导压力不稳定、LS减压阀压力波动、先导压力低、LC单向阀卡滞、先导式溢流阀导阀部分压力不均、产生气穴，失效模式集A表示为A＝{a1,a2,a3,...,a17}，x9表示第9种失效现象，a17表示第17种失效模式；多路阀后续获得的参数用对应集合X和A的隶属度表示，得到对应于失效现象X的失效现象向量V和对应于失效模式A的失效模式向量U。


4.根据权利要求3所述的系统，其特征在于，步骤2包括：利用传感器得到的多路阀失效数据的处理共分为三层，分别是输入层、隐含层、输出层，选取堆叠自编码网络对数据深度学习，在输入层、隐含层、输出层之间先进行编码将输入转换为隐含层不同维度表示形式，在解码时使用反模糊化将数据形式映射回原始表示。


5.根据权利要求4所述的系统，其特征在于，步骤2中，输入层进行如下数据处理：采集到的每一个多路阀信号作为一个节点，每一个节点都代表一个输入变量，在集合中元素和集合的关系使用隶属度的方式来描述，隶属度本身是在0到1之间的实数，(0,1)之间表示元素部分的属于该集合，如果集合A是某一域U的子集，uA(x)是隶属度函数，域U中的集合A由隶属函数uA(x)表示，uA(...

【专利技术属性】
技术研发人员：殷晨波，赵佳伟，纪籽臣，宋飞，华宏刚，赖谦，田梦懿，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏;32