【技术实现步骤摘要】
一种基于神经网络的电静压伺服机构状态监测方法及系统
[0001]本专利技术属于神经网络
,尤其涉及一种基于神经网络的电静压伺服机构状态监测方法及系统。
技术介绍
[0002]电静压伺服机构(Electro
‑
Hydrostatic Actuator,简称为EHA),又称作电静液作动器,电静压伺服系统,机构特点是采用“双向定量液压泵+液压作动器”作为减速器和执行部件,由伺服电机控制定量泵输出流量。电静压伺服机构兼顾机电伺服机构高效节能、使用维护方便和电液伺服机构高可靠、重载能力强的优点,广泛用于飞机、运载火箭等领域。
[0003]飞机、运载火箭对伺服机构的最突出要求是高可靠性。因此,实现对电静压伺服机构的状态监测、保障高可靠执行任务是亟需考虑的问题。现有技术中,在电静压伺服机构是否存在异常进行检测时,通常采用单一的输入位移信号以得到输出信号,然后将输出信号与期望输出信号的值进行误差分析,若误差在可接受的范围内,则判定电静压伺服机构不存在异常。但是,采用该方法检测电静压伺服机构时,仅能够判定电静压伺服机构是否能够工作,无法监测电静压伺服机构的状态劣化趋势,导致在预判电静压伺服机构剩余寿命时缺乏依据。
技术实现思路
[0004]本申请实施例的目的是提供一种基于神经网络的电静压伺服机构状态监测方法及系统,旨在解决如何实现对电静压伺服机构的状态劣化过程进行监测的问题,满足伺服机构剩余寿命预测的需求。
[0005]根据本申请实施例的第一方面,提供一种基于神经网络的电静压伺服 ...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的电静压伺服机构状态监测方法,其特征在于,包括:步骤(1):建立深度神经网络模型;步骤(2):建立电静压伺服机构状态数据库:收集正常状态下电静压伺服机构在各种位移x1指令下运动时对应的作动器速度x2、液压泵进口压力x3、出口压力x4,液压油缸进口压力x5、出口压力x6,电机电流x7,电机转速x8,增压油箱压力x9,液压油温x
10
数据;步骤(3):将所述电静压伺服机构状态数据库的每一组数据中的电机转速x8作为第一输出数据,其余数据作为第一输入数据,对所述深度神经网络模型进行训练,得到电机转速预测模型;步骤(4):将所述电静压伺服机构状态数据库的每一组数据中的电机电流x7作为第二输出数据,其余数据作为第二输入数据,对所述深度神经网络模型进行训练,得到电机电流预测模型;步骤(5):利用所述电机转速预测模型和电机电流预测模型,构建电静压伺服机构状态监测指标,并获取故障阈值HI
min
;步骤(6):获取需要监测的电静压伺服机构在指定位移、速度指令下的状态数据,计算出监测指标HI,并将所述监测指标HI与阈值HI
min
比较,判定电静压伺服机构状态变化情况。2.根据权利要求1所述的方法,其特征在于,所述深度神经网络模型为前馈神经网络模型,包括输入层、隐藏层及输出层。3.根据权利要求1所述的方法,其特征在于,所述步骤(3)包括:将所述电静压伺服机构状态数据库按时序分为n小组,其中i=1,2,
…
N,n取整数,N/n≥100;对这n每小组时序数据分别按照r1、r2和r3百分比进行测试、训练、验证数据集分配,其中r1+r2+r3=100%;分别将获得的n份测试、训练、验证数据集汇总,形成第一深度神经网络模型训练数据集;将电机转速作为第一输出数据,其余数据作为第一输入数据,对所述深度神经网络模型进行训练,得到电机转速预测模型。4.根据权利要求3所述的方法,其特征在于,r1≥60%,r2≥20%,r2≥10%,r1+r2+r3=100%。5.根据权利要求4所述的方法,其特征在于,第j组测试集数据编号为第j小组训练集数据为第j小组验证数据集为其中j=1,2,
…
n。6.根据权利要求1所述的方法,其特征在于,所述步骤(5)包括:(5.1)收集电机在给定作动器位移x1指令运动时,收集位移速度液压泵进口压力
出口压力液压油缸进口压力出口压力电机电流电机转速增压油箱压力液压油温的时序数据,其中i=1,2,3...N,N为数据序列编号;(5.2)利用位移速度液压泵进口压力出口压力液压油缸进...
【专利技术属性】
技术研发人员:贺青川,马行健,潘骏,陈文华,
申请(专利权)人:浙江理工大学,
类型:发明
国别省市:
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。