【技术实现步骤摘要】
基于数据驱动的液压缸内泄露故障智能诊断方法及系统
[0001]本专利技术涉及液压系统故障
，具体涉及基于数据驱的液压缸内泄露故障智能诊断方法及系统。
技术介绍
[0002]这里的陈述仅提供与本专利技术相关的
技术介绍
，而不必然地构成现有技术。
[0003]液压系统具有重量轻、体积小、功率大、工作稳定性强以及能够完成大范围的无极调速等特点，在工业领域中应用广泛。其中，液压缸作为液压伺服系统中的执行部分，在实现直线运动或旋转往复运动上得到十分广泛的运用，其健康状态直接影响整个生产活动。
[0004]液压系统的故障诊断方法主要分为三种，包括基于数学模型的方法、基于经验知识和基于数据驱动的方法。基于数学模型的方法利用了数学理论公式、物理平衡方程等逐步推导并构建精确的系统数学模型，但是建立精确的数学模型在实际工况环境中是很难的，不适用于繁杂多变的环境；基于经验知识的方法包含专家系统以及图搜索两种方法，但该方法适用于无法构建精确数学模型的复杂高耦合系统；基于数据驱动的方法主要有基于支持向量机方法和神经网络方法。
【技术保护点】
【技术特征摘要】
1.基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，包括以下步骤：步骤1、利用各类传感器采集注塑机液压缸运行状态数据，获得故障数据样本；步骤2、对保压阶段的注射压力信号进行特征提取；步骤3、建立故障诊断模型，对故障诊断模型进行训练；步骤4、对注塑机液压缸运行状态的实时数据进行诊断，输出诊断结果，同时故障诊断模型进行自更新优化。2.根据权利要求1所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，采集数据之前先搭建故障模拟实验平台，将故障诊断对象设定为出现频次最高的注射油缸内泄露故障。3.根据权利要求2所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，具体的搭建过程是：在节流阀安装的过程中，将四通接头替换掉原先的三通接头，再将两根橡胶油缸的一侧串联节流阀，另一侧连接在四通处，从而将节流阀外接并联在注射油缸的附近。4.根据权利要求3所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，步骤2是对保压阶段压力信号数据进行时域和频域特征提取。5.根据权利要求4所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，所述故障诊断模型包括XGBoost算法分类器模型，所述XGBoost算法采用回归树作为基学习器，多个树的集合通过加权求和最终得出分类或者回归预测的结果，其中的学习模型为：其中K为树的总个数，f
k
表示第K个回归树函数，表示样本x
i
的预测结果，F表示回归树集合。6.根据权利要求5所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，故障诊断模型的训练包括以下步骤：步骤a、对原始数据进行可视化与探索性分析，先对正常与三种故障状态下的注射...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。