面向负载口独立控制的阀控缸系统的故障诊断方法及系统技术方案

本发明专利技术提供一种面向负载口独立控制的阀控缸系统的故障诊断方法及系统，包括：搭建系统的实验平台和仿真平台；对实验平台和仿真平台的模型进行验证；对系统进行故障注入；故障与系统的正常状态组成类别，针对类别进行面向负载口独立控制的阀控液压缸系统的故障诊断工作；对于每个类别采集主阀控制腔压力信号和阀芯位移信号，采集液压缸控制腔压力信号和杆位移信号，得到正常数据和故障数据；进行预处理，生成预处理的样本；将生成的样本按照预设的比例划分训练集、验证集和测试集；训练集和验证集用于故障诊断算法的训练，训练完成的算法模型后经测试集测试后判断性能。本发明专利技术实现负载口独立控制阀控液压缸系统的故障部件识别，完成故障诊断工作。完成故障诊断工作。完成故障诊断工作。

【技术实现步骤摘要】
面向负载口独立控制的阀控缸系统的故障诊断方法及系统


[0001]本专利技术涉及工业过程故障诊断与模式识别的
，具体地，涉及面向负载口独立控制的阀控缸系统故障诊断方法，尤其涉及一种仿真与实验平台结合的面向负载口独立控制的阀控缸系统故障诊断方法。

技术介绍

[0002]阀控液压缸系统因其具备大功率、高精度、快响应等特点，广泛地应用于挖掘机、起重机、拖拉机等工程机械中。区别于传统的采用一个三位四通阀完成液压缸控制的阀控液压缸伺服控制系统，面向负载口独立控制的阀控液压缸系统具备两腔独立控制的特点，实现对液压缸工作腔以及换向阀压力控制腔的独立控制，从而使得该系统克服传统阀控液压缸系统的耦合机械结构带来的低灵活度和高能量损耗的问题，并使得系统具备更高的控制精度。
[0003]目前国内外针对面向负载口独立控制的阀控液压缸系统开展了一定研究。现有技术方案设计了一种回油压力连续可调的负载口独立控制系统，通过在回油路上增加一个压力可调的电比例溢流阀同时并联一个单向阀的结构，解决了控制系统低压再生模式下执行器低压腔的气穴问题以及普通模式下的压力损失。现有技术方案设计了一种基于两级供能及负载口独立阀控的液压系统和控制方法，通过模糊滑模变结构控制策略，提高液压驱动单元的控制精度和系统的效率。同时国内外也针对阀控液压缸系统的故障诊断开展了一定的研究。现有技术方案设计了一种基于低偏差随机配置网络的气动调节阀故障诊断方法，结合主成分分析方法实现了气动调节阀的故障诊断工作，且具备较高的诊断准确率。现有技术方案设计了一种基于高维非线性分类器的故障诊断模型，完成了对AMESim软件中建立的仿真液压缸模型的故障诊断，解决了非线性、小样本的问题，提高了故障诊断模型的故障识别能力。现有技术方案设计了一种面向负载口独立控制的阀控液压缸系统故障诊断方法，根据该系统的控制原理构建阀控液压缸系统的仿真模型，并在此模型上进行了系统的故障注入，通过深度学习算法挖掘识别了系统发生故障的具体部件。
[0004]面向负载口独立控制的阀控液压缸系统的研究主要集中在系统的结构设计、控制器设计以及系统应用三个层面，然而系统的独立控制是由系统中的多个部件实现的，系统的整体性能衰退是由于系统中部件发生故障导致的，现有技术缺乏对系统故障部件的实验指导。
[0005]现有的阀控液压缸系统的故障诊断方法主要针对系统中的单一部件开展研究，如液压阀或是液压缸，忽略了系统多传感器反馈与控制策略带来的系统级信号差异，缺乏对系统级故障诊断的实验研究。
[0006]现有的研究针对面向负载口独立控制的阀控液压缸系统故障诊断技术搭建的仿真平台进行开展，缺乏实际场景下系统的运行工况的讨论，缺乏系统实验平台下的故障诊断方法研究。
[0007]因此，需要提出一种新的技术方案以改善上述技术问题。

技术实现思路

[0008]针对现有技术中的缺陷，本专利技术的目的是提供一种面向负载口独立控制的阀控缸系统的故障诊断方法及系统。
[0009]根据本专利技术提供的一种面向负载口独立控制的阀控缸系统的故障诊断方法，所述方法包括如下步骤：
[0010]步骤S1：搭建面向负载口独立控制的阀控液压缸系统的实验平台和仿真平台；
[0011]步骤S2：对实验平台和仿真平台的模型进行验证；
[0012]步骤S3：对面向负载口独立控制的阀控液压缸系统进行故障注入，生成四个高速开关阀故障、两个液动换向阀故障、液压缸故障以及传感器故障共八类故障；这八类故障与面向负载口独立控制的阀控液压缸系统的正常状态共组成九个类别，针对这九个类别进行面向负载口独立控制的阀控液压缸系统的故障诊断工作；
[0013]步骤S4：对于每个类别均采集两个主阀控制腔压力信号和阀芯位移信号，并采集液压缸控制腔压力信号和杆位移信号，得到正常数据和故障数据；
[0014]步骤S5：通过下式对正常数据和故障数据进行预处理，生成预处理的样本，式中x
m
表示第m个特征，为预处理后结果：
[0015][0016]步骤S6：完成正常数据和故障数据的预处理后，将生成的样本按照预设的比例划分训练集、验证集和测试集；
[0017]步骤S7：训练集和验证集用于故障诊断算法的训练，训练完成的算法模型后经测试集测试后判断性能。
[0018]优选地，所述步骤S1中，实验平台和仿真平台采用相同的油源进行系统供油，并在相同的操作条件下对系统的状态信息进行收集。
[0019]优选地，所述步骤S3中，高速开关阀故障包括套筒锈蚀故障与弹簧疲劳故障，液动换向阀故障包括阀芯磨损故障与弹簧疲劳故障，液压缸故障包括磨损泄漏故障，传感器故障包括位移信号反馈失准故障。
[0020]优选地，所述步骤S4中，正常数据与故障数据每类均包含900组数据，每组数据包括9个特征，每个特征包括2000个数据点。
[0021]优选地，所述步骤S6中，预设比例为6:2:1。
[0022]本专利技术还提供一种面向负载口独立控制的阀控缸系统的故障诊断系统，所述系统包括如下模块：
[0023]模块M1：搭建面向负载口独立控制的阀控液压缸系统的实验平台和仿真平台；
[0024]模块M2：对实验平台和仿真平台的模型进行验证；
[0025]模块M3：对面向负载口独立控制的阀控液压缸系统进行故障注入，生成四个高速开关阀故障、两个液动换向阀故障、液压缸故障以及传感器故障共八类故障；这八类故障与面向负载口独立控制的阀控液压缸系统的正常状态共组成九个类别，针对这九个类别进行面向负载口独立控制的阀控液压缸系统的故障诊断工作；
[0026]模块M4：对于每个类别均采集两个主阀控制腔压力信号和阀芯位移信号，并采集液压缸控制腔压力信号和杆位移信号，得到正常数据和故障数据；
[0027]模块M5：通过下式对正常数据和故障数据进行预处理，生成预处理的样本，式中x
m
表示第m个特征，为预处理后结果：
[0028][0029]模块M6：完成正常数据和故障数据的预处理后，将生成的样本按照预设的比例划分训练集、验证集和测试集；
[0030]模块M7：训练集和验证集用于故障诊断算法的训练，训练完成的算法模型后经测试集测试后判断性能。
[0031]优选地，所述模块M1中，实验平台和仿真平台采用相同的油源进行系统供油，并在相同的操作条件下对系统的状态信息进行收集。
[0032]优选地，所述模块M3中，高速开关阀故障包括套筒锈蚀故障与弹簧疲劳故障，液动换向阀故障包括阀芯磨损故障与弹簧疲劳故障，液压缸故障包括磨损泄漏故障，传感器故障包括位移信号反馈失准故障。
[0033]优选地，所述模块M4中，正常数据与故障数据每类均包含900组数据，每组数据包括9个特征，每个特征包括2000个数据点。
[0034]优选地，所述模块M6中，预设比例为6:2:1。
[0035]与现有技术相比，本专利技术具有如下的有益效果：
[0036]1、本专利技术针对面向负载口本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向负载口独立控制的阀控缸系统的故障诊断方法，其特征在于，所述方法包括如下步骤：步骤S1：搭建面向负载口独立控制的阀控液压缸系统的实验平台和仿真平台；步骤S2：对实验平台和仿真平台的模型进行验证；步骤S3：对面向负载口独立控制的阀控液压缸系统进行故障注入，生成四个高速开关阀故障、两个液动换向阀故障、液压缸故障以及传感器故障共八类故障；这八类故障与面向负载口独立控制的阀控液压缸系统的正常状态共组成九个类别，针对这九个类别进行面向负载口独立控制的阀控液压缸系统的故障诊断工作；步骤S4：对于每个类别均采集两个主阀控制腔压力信号和阀芯位移信号，并采集液压缸控制腔压力信号和杆位移信号，得到正常数据和故障数据；步骤S5：通过下式对正常数据和故障数据进行预处理，生成预处理的样本，式中x
m
表示第m个特征，为预处理后结果：步骤S6：完成正常数据和故障数据的预处理后，将生成的样本按照预设的比例划分训练集、验证集和测试集；步骤S7：训练集和验证集用于故障诊断算法的训练，训练完成的算法模型后经测试集测试后判断性能。2.根据权利要求1所述的面向负载口独立控制的阀控缸系统的故障诊断方法，其特征在于，所述步骤S1中，实验平台和仿真平台采用相同的油源进行系统供油，并在相同的操作条件下对系统的状态信息进行收集。3.根据权利要求1所述的面向负载口独立控制的阀控缸系统的故障诊断方法，其特征在于，所述步骤S3中，高速开关阀故障包括套筒锈蚀故障与弹簧疲劳故障，液动换向阀故障包括阀芯磨损故障与弹簧疲劳故障，液压缸故障包括磨损泄漏故障，传感器故障包括位移信号反馈失准故障。4.根据权利要求1所述的面向负载口独立控制的阀控缸系统的故障诊断方法，其特征在于，所述步骤S4中，正常数据与故障数据每类均包含900组数据，每组数据包括9个特征，每个特征包括2000个数据点。5.根据权利要求1所述的面向负载口独立控制的阀控缸系统的故障诊断方法，其特征在于，所述步骤S6中，预设比例为6:2:1。6.一种面向负...

【专利技术属性】
技术研发人员：孙炜，孙浩，陶建峰，刘恒，刘成良，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：