基于流量信号的电磁换向阀寿命预测方法技术

本发明专利技术涉及一种基于流量信号的电磁换向阀寿命预测方法，属于液压元件寿命预测领域。本发明专利技术利用改进的集总平均模态经验分解方法，通过添加正负成对的噪声降低模态分解中的模态混叠程度，使用排列熵对异常分量进行检测，实现对非线性实测信号的精确自适应性模态分解；应用核主元方法，引入非线性函数作为核函数，基于映射的原理，将原始空间转变为高维空间，形成新的数据集合，在高维数据空间内使用主成分分析进行数据降维，形成特征向量，得到性能退化融合指标；通过三次指数平滑处理；最后基于训练的自适应神经网络模型，建立电磁换向阀的寿命预测模型，计算电磁换向阀的寿命。本方法能有效预测出电磁换向阀的压降趋势和寿命。寿命。寿命。

【技术实现步骤摘要】
基于流量信号的电磁换向阀寿命预测方法


[0001]本专利技术属于液压元件寿命预测
，具体涉及一种基于流量信号的电磁换向阀寿命预测方法。

技术介绍

[0002]电磁换向阀是方向控制阀，用于液压管路切换、执行元件执行方向的切换等，是液压系统组成部分中重要的根基元件，其工作原理简单、对油液精度需求低，被广泛应用于工程领域。复杂机电液系统中，电磁换向阀长时间高速运行容易出现失效，一旦失效发生故障，轻则停机损失、作业质量不达标，重则造成人事安全的灾难事故，后果不堪设想。因此，对电磁换向阀进行可靠性评估和寿命预测能有效避免故障造成的损失，维护液压系统正常运行。

技术实现思路

[0003](一)要解决的技术问题
[0004]本专利技术要解决的技术问题是如何提供一种基于流量信号的电磁换向阀寿命预测方法，以解决对电磁换向阀进行可靠性评估和寿命预测的问题。
[0005](二)技术方案
[0006]为了解决上述技术问题，本专利技术提出一种基于流量信号的电磁换向阀寿命预测方法，该方法包括如下步骤：/>[0007]步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于流量信号的电磁换向阀寿命预测方法，其特征在于，该方法包括如下步骤：步骤S1：获取电磁换向阀初始状态数据；通过流量计、压力传感器采集电磁换向阀进出口的流量信号数据、压力信号数据；根据进出口的流量信号数据相减获取泄漏量信号数据；根据小波包分解法获取压降信号数据；所述的初始状态数据包括泄漏量信号数据和压降信号数据；步骤S2：基于改进的经验模态分解方法，获取重构信号数据；使用改进的经验模态分解方法处理泄漏量信号数据，获取稳定的模态函数分量，得到重构信号数据；步骤S3：基于核主元方法和自适应神经网络模型，建立电磁换向阀的寿命预测模型；步骤S4：设定失效压降阈值，预测电磁换向阀的寿命；获取步骤S3建立的电磁换向阀的寿命预测模型，通过失效的压降阀值完成对电磁换向阀寿命的预测。2.如权利要求1所述的基于流量信号的电磁换向阀寿命预测方法，其特征在于，所述步骤S1中的根据小波包分解法获取压降信号数据具体包括：使压力信号经过N层小波包分解，电磁换向阀流量信号中的能量被均匀分布在2
N
个正交频带上，这2
N
个正交频带都蕴含着反映状态信息的能量，压降信号数据的获取方法如下所示：式中：E
Ns
表示第s个压降信号数据；表示第l个小波包系数；e表示高维空间的维度编号；s，n表示分解节点；M
e
表示高维空间的维度；l表示分解层数。3.如权利要求1所述的基于流量信号的电磁换向阀寿命预测方法，其特征在于，所述步骤S2具体包括：步骤S21：在泄漏量信号数据中引入白噪声信号，使用改进的经验模态分解方法处理步骤S1的泄漏量信号数据，获取泄漏量信号分量平均值；步骤S22：泄漏量信号分量平均值进行模态分解，筛选出排列熵超过了固定阈值的泄漏量信号分量；重复进行筛选，直至获得稳态泄漏量信号分量；步骤S23：使用改进的经验模态分解方法分离泄漏量信号数据中的模态分量，得到所有的模态函数分量；引入KL散度法对所有的模态函数分量进行筛选，得到稳定的模态函数分量，获得更加清晰的重构信号，组成特征参数。4.如权利要求3所述的基于流量信号的电磁换向阀寿命预测方法，其特征在于，所述步骤S21中，泄漏量信号分量平均值的获取方法如下所示：式中：I1(t)表示泄漏量信号分量平均值；N表示小波包分解层数；Ne表示处理信号总个数；n表示处理信号个数编号：表示引入正白噪声后的处理信号；表示引入负白噪声后的处理信号；t表示时间变量。5.如权利要求4所述的基于流量信号的电磁换向阀寿命预测方法，其特征在于，所述步
骤S22中对泄漏量信号分量平均值进行模态分解，筛选出排列熵超过了固定阈值的泄漏量信号分量；重复进行筛选，直至获得稳态泄漏量信号分量，具体包括：将原始信号对应的前p
‑
1个模态分量进行分解，如下式所示：式中：r(t)表示剩余信号；S(t)表示总体信号；I
h
(t)表示筛选出的稳定信号；p表示原始信号总个数；将泄漏量信号分量组成序列{y(w)，W＝1，2，
…
，c}，对其进行相空间重构：式中：c表示嵌入维度；τ表示时间延迟；Y表示泄漏量信号分量组成的序列；y分别表示序列Y中的元素；根据任意一个向量Y(w)能够得到一组符号序列，如下所示：S(a)＝[j1，j2，
…
，j
c
]；a＝1，2，
…
，E，E≤c！；式中：S(a)表示向量对应的码元序列；a表示为c维相空间映射不同的码元序列；j
c
表示向量对应的单个码元；E表示码元序列的总个数；则泄漏量信号分量序列排列熵的获取方法如下所示：式中：H
p
(c)表示非标准化排列熵；对H
p
(c)进行标准化处理，如下所示：H
p
＝H
p
(c)/ln(c！)；式中：H
p
表示排列熵；最终得到的排列熵H
p
数值越大，则表明时间序列越混乱；排列熵H
p
值越小，则表示时间序列越规则，筛选出排列熵超过了固定阈值的泄漏量信号分量，直至获得稳态泄漏量信号分量。6.如权利要求5所述的基于流量信号的电磁换向阀寿命预测方法，其特征在于，所述步骤S23中使用改进的经验模态分解方法分离泄漏量信号数据中的模态分量，得到所有的模态函数分量；引入KL散度法对所有的模态函数分量进行筛选，得到稳定的模态函数分量，获得更加清晰的重构信号数据，组成特征参数，具体包括：使用改进的经验模态分解方法分解所获得的r(t)，得到所有的模态函数分量；由于模态混叠现象的出现，在分解信号中会显示空的模态函数分量，针对所有的模态函数分量组成序列Z＝{z1，z2，
…
，z
c
}和泄漏量信号分量组成的序列Y＝{y1，y2，
…
，y
c
}，通过引入KL散度法计算序列的差异，判断IMF的有效性，如下式所示：
式中：δ(p，q)和δ(q，p)分别表示序列Z和Y的KL距离；p(z)表示序列Z核密度函数；q(y)表示序列Y的分布概率；z和y分别表示序列Z和Y中的元素；C表示序列长度；得到序列Z和Y的散度值，如下式所示：D(p，q)＝δ(p，q)+δ(q，p)；式中：D(p，q)表示序列Z和Y的散度值；泄漏量信号分量经过改进的经验模态分解方法分解处理后，将得到的所有模态函数分量，进行KL散度值求解，计算处理后得到所有模态函数分量的相似性序列集合，将序列中的所有相似性序列按照相关系数r和散度倒数值d进行筛选，将筛选出的r
max
和d
max
相似性序列组合成最优解序列，如下式所示：λ＝(r
max
，d
max
)；式中：λ表示最优解序列；r
max
表示最大相关系数；d
max
表示最大散度值倒数；再将最优解序列带入欧几里得距离公式，如下式所示：式中：γ
i
表示模态函数分量的相似性序列到最优序列的欧式距离；r
i
...

【专利技术属性】
技术研发人员：叶欣，郭锐，杨华，刘迎堂，张邦双，刘光恒，王洪伦，肖岭，蔡辉，陈少将，古宇飞，王宁，张闯，刘彬彬，刘良祥，吴纯治，
申请(专利权)人：燕山大学，
类型：发明
国别省市：