基于物联网大数据与机器学习的液压泵故障预测方法技术

本发明专利技术涉及液压泵技术领域，尤其涉及一种基于物联网大数据与机器学习的液压泵故障预测方法，包括以下步骤：S1、根据需要预测的液压泵故障类型，选择用于进行故障预测的特征参数及对应的预测模型；所述特征参数包括泵压；所述预测模型用于根据实际参数数据预测未来预设时间的泵压数据；S2、根据选择的特征参数，在设备的对应位置处安装对应的传感器，用于采集选择的特征参数的对应数据；S3、根据参数数据的质量要求，对传感器采集的数据按类型进行质量处理，得到运行数据；S4、对运行数据进行预设的预处理，得到满足训练需求的干净数据。本发明专利技术能够较为准确的进行液压泵故障的预测，提升液压泵维护的针对性。液压泵维护的针对性。液压泵维护的针对性。

【技术实现步骤摘要】
基于物联网大数据与机器学习的液压泵故障预测方法


[0001]本专利技术涉及液压泵
，尤其涉及一种基于物联网大数据与机器学习的液压泵故障预测方法。

技术介绍

[0002]液压泵是为液压传动提供加压液体的一种液压元件，是泵的一种，广泛应用于各类工程、工业机械设备中，它的功能是把机械能转换为液体的压力能。液压泵是工业设备中发生故障较多的元件之一，而液压泵一旦发生故障，就会立即影响设备液压系统的正常工作，甚至无法工作。液压泵对工业设备的重要性不言而喻，但目前对于液压泵的故障处理，基本都是定期维护，出现故障后再进行维修的方法。这样的处理方式不仅针对性不强，并且出故障后再维修的方式对于相关的工作影响较大。
[0003]因此，怎样才能较为准确的进行液压泵故障的预测，提升液压泵维护的针对性，成为目前亟待解决的问题。

技术实现思路

[0004]针对上述现有技术的不足，本专利技术提供了一种基于物联网大数据与机器学习的液压泵故障预测方法，能够较为准确的进行液压泵故障的预测，提升液压泵维护的针对性。
[0005]为了解决上述技术问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网大数据与机器学习的液压泵故障预测方法，其特征在于，包括以下步骤：S1、根据需要预测的液压泵故障类型，选择用于进行故障预测的特征参数及对应的预测模型；所述特征参数包括泵压；所述预测模型用于根据实际参数数据预测未来预设时间的泵压数据；S2、根据选择的特征参数，在设备的对应位置处安装对应的传感器，用于采集选择的特征参数的对应数据；S3、根据参数数据的质量要求，对传感器采集的数据按类型进行质量处理，得到运行数据；S4、对运行数据进行预设的预处理，得到满足训练需求的干净数据；S5、根据选择的预测模型所需数据的特征，对满足训练需求的干净数据进行特征处理，得到满足模型需求的训练数据；S6、通过训练数据对预测模型进行训练优化，得到参数预测模型；并将参数预测模型输出的泵压数据带入预设的故障评估算法中进行故障预测，并结合故障评估算法的故障预测结果及实际的故障情况，对故障评估算法中的设定值进行调整，使故障评估算法的故障预测准确率满足预设的精度要求；S7、将采集的实时参数输入参数预测模型，再将参数预测模型的输出的泵压数据带入调整好设定值的故障评估算法中，对设备进行泵压故障预测。2.如权利要求1所述的基于物联网大数据与机器学习的液压泵故障预测方法，其特征在于：S6中，预设的故障评估算法为：若则判定为液压泵存在故障；其中，N为当天预测的泵压的数据量；y
i
为参数预测模型预测的当天第i次的泵压数据；y
r
为预设的泵压准值；w为设定偏差值；threshold为设定阈值；所述设定值包括设定偏差值和设定阈值。3.如权利要求1所述的基于物联网大数据与机器学习的液压泵故障预测方法，其特征在于：S2中，所述设备的对应位置包括液压泵的转向、径向间隙、轴向间隙、油液污染和/或出油量的节点位置。4.如权利要求3所述的基于物联网大数据与机器学习的液压泵故障预测方法，其特征在于：所述参数预测模型及故障评估算法均设置在物联网平台；S2中，在设备的对应位置处安装对应的传感器后，还将传感器与物联网平台建立长连接。5.如权...

【专利技术属性】
技术研发人员：巩书凯，陈磊，姜仁杰，邓俊，卢仁谦，江虹锋，
申请(专利权)人：重庆忽米网络科技有限公司，
类型：发明
国别省市：