一种锚链提升器液压系统故障检测方法技术方案

本发明专利技术涉及故障检测技术领域，具体公开了一种锚链提升器液压系统故障检测方法，通过设计并搭建由锚链提升器液压系统构成的试验台，对其液压系统管路中安装的压力传感器进行参数分析，通过ANN故障诊断模型对每一个压力传感器测量参数进行预处理，计算选择使用具有代表性参数评价指标，根据所选取的评价指标作为ANN故障诊断模型分类器的输入，减少ANN故障诊断模型的计算成本，进而更加精确地对故障进行分类，再结合梯度下降法优化ANN神经网络模型，能够快速精准确定故障类型，输出故障诊断分类的准确率高，分类精度能够达到98.4％以上，具有良好的检测精度。有良好的检测精度。有良好的检测精度。

【技术实现步骤摘要】
一种锚链提升器液压系统故障检测方法


[0001]本专利技术涉及故障检测
，尤其涉及一种锚链提升器液压系统故障检测方法。

技术介绍

[0002]锚链提升器长期处于恶劣的工作环境中，液压系统作为其主要的动力驱动系统，极其容易产生故障，致使设备无法无法继续运转，进而造成脱链产生不可预料的严重后果，而且锚链提升器液压系统故障极难及时发现，当设备产生异常时无法精准确定故障类型，无法确定故障源，而传统的故障诊断方法不易实现快速准确的故障诊断。
[0003]因此，本专利技术设计一种能够快速精准确定故障类型的锚链提升器液压系统故障检测方法。

技术实现思路

[0004]本专利技术的目的是提供一种锚链提升器液压系统故障检测方法，通过设计并搭建由锚链提升器液压系统构成的试验台，对其液压系统管路中安装的压力传感器进行参数分析，通过ANN神经网络模型对每一个压力传感器测量参数进行预处理，计算选择使用具有代表性参数评价指标，根据所选取的评价指标作为ANN神经网络模型分类器的输入，减少ANN神经网络模型的计算成本，进而更加精确地对故障进行分类，再结合梯度下降法优化ANN神经网络模型，能够快速精准确定故障类型，输出故障诊断分类的准确率高，分类精度能够达到98.4％以上，具有良好的检测精度。
[0005]为解决上述技术问题，本专利技术提供了一种锚链提升器液压系统故障检测方法，所述方法包括如下步骤：
[0006]S1、搭建试验台，进行数据采集
[0007]设计并搭建由锚链提升器液压系统构成的试验台，在其液压系统管路中安装若干个压力传感器；
[0008]通过输入不同程度的液压系统管路泄露及堵塞故障，模拟锚链提升器在真实环境中的运行状态，然后通过压力传感器测量锚链提升器液压系统运行中不同故障程度时的压力参数变化，建立包含正常工况数据及故障工况数据组成的数据样本集；
[0009]S2、获取并优化ANN故障诊断模型
[0010]构建ANN神经网络模型，将上述数据样本集划分为70％训练集和30％测试集，然后将训练集导入神经网络模型训练得到ANN故障诊断模型，并采用测试集验证ANN故障诊断模型性能；
[0011]其中，在神经网络计算时，为了减少计算成本，选择计算数据样本的中值和方差作为故障评价指标，减少训练集导入ANN故障诊断模型后的数据计算，中值及方差的计算方式分别为
[0012][0013]D(x)＝E(x2)
‑
[E(x)]2；
[0014]将所选取的评价指标作为ANN网络模型分类器的输入，进而减少模型计算成本，能够更精确地对故障进行分类；
[0015]S3、使用ANN故障诊断模型对锚链提升器液压系统进行故障状态诊断，输出诊断后的分类检测结果。
[0016]进一步的，所述S1中的锚链提升器液压系统包括限位单元、加持单元和举升单元，所述限位单元包括限位液压缸，且其通过限位换向阀提供油液完成限位动作，所述夹持单元包括夹持液压缸，且其通过夹持换向阀提供油液完成加持动作，所述举升单元包括举升液压缸，且其通过举升换向阀提供油液完成举升动作。
[0017]进一步的，所述S1中的锚链提升器液压系统均由液压油箱提供油液，液压油箱的出油依次经过各阀控装置、液压管路及在各液压管路上安装的压力传感器，所述阀控装置包括单向阀、节流阀。
[0018]进一步的，所述S1中通过手动调节单向阀和节流阀的开口度，控制锚链提升器液压系统的运行环境，实现不同程度的液压系统管路泄露及堵塞故障的模拟。
[0019]进一步的，所述S1中通过对不同故障程度时的压力传感器参数进行分析，划分为轻微泄漏、严重泄漏、轻微堵塞和严重堵塞四种故障程度。
[0020]进一步的，所述S3中故障状态包括管路上的轻微泄漏、严重泄漏、轻微堵塞和严重堵塞的一种或多种，将故障状态与正常状态的工况参数相融合，最终实现五种状态的分类检测。
[0021]进一步的，所述S2中ANN神经网络模型为具有输入层、隐藏层和输出层的三层网络结构，将训练集导入神经网络模型并通过对输入数据的标准化处理实现数据遵循正态分布，通过在输入层之后设置不同权重的隐藏层，隐藏层之后加入Softmax损失函数，将数据转换成符合概率分布的形式，即0<p<1形式，最后输出最终分类检测结果。
[0022]进一步的，所述损失函数为Cross Entropy(CE)交叉熵，表达式为
[0023]进一步的，所述ANN故障诊断模型采用梯度下降法，迭代更新各网络结构隐藏层权重，优化ANN故障诊断模型。
[0024]本专利技术的有益效果是：
[0025]1、本专利技术设计并搭建由锚链提升器液压系统构成的试验台具有功能简单可靠性能，且能够模拟真实工况下液压系统的不同程度故障。
[0026]2、本专利技术的锚链提升器液压系统故障检测方法，对每一个压力传感器测量参数进行预处理，通过计算数据样本的中值和方差作为故障评价指标，选择使用具有代表性参数评价指标，根据所选取的评价指标作为ANN网络模型分类器的输入，减少训练集导入ANN故障诊断模型后的数据计算，达到减少计算成本及提高故障分类精确性的目的，进一步的提高了ANN故障诊断模型对锚链提升器液压系统故障诊断的精准性及正确性，结合梯度下降法优化网络参数，增强了ANN故障诊断模型的稳定性。
[0027]3、本专利技术的锚链提升器液压系统故障检测方法，能够精准确定故障类型，提高对正常状态和四种故障状态下的精准分类，其分类精度达到98.4％以上，具有较好的检测精度及稳定性。
附图说明
[0028]为了更清楚地说明本专利技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0029]图1为本专利技术实施例提供的锚链提升器液压系统故障检测方法的基本流程图；
[0030]图2为本专利技术实施例提供的ANN液压系统故障检测Accuracy曲线图；
[0031]图3为本专利技术实施例提供的ANN液压系统故障检测Loss曲线图。
具体实施方式
[0032]下面将结合本专利技术说明书附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]在本专利技术的一个具体实施例中，一种锚链提升器液压系统故障检测方法的基本流程图如图1所示，方法包括如下步骤：
[0034]S1、搭建试验台，进行数据采集
[0035]设计并搭建由锚链提升器液压系统构成的试验台，在其液压系统管路中安装若干个压力传感器，以获取试验台不同运行状态时对应的压力参数；
[0036]通过输入不同程度的液压系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锚链提升器液压系统故障检测方法，其特征在于，所述方法包括如下步骤：S1、搭建试验台，进行数据采集设计并搭建由锚链提升器液压系统构成的试验台，在其液压系统管路中安装若干个压力传感器；通过输入不同程度的液压系统管路泄露及堵塞故障，模拟锚链提升器在真实环境中的运行状态，然后通过压力传感器测量锚链提升器液压系统运行中不同故障程度时的压力参数变化，建立包含正常工况数据及故障工况数据组成的数据样本集；S2、获取并优化ANN故障诊断模型构建ANN神经网络模型，将上述数据样本集划分为70％训练集和30％测试集，然后将训练集导入神经网络模型训练得到ANN故障诊断模型，并采用测试集验证ANN故障诊断模型性能；其中，选择计算数据样本的中值和方差作为故障评价指标，减少训练集导入ANN故障诊断模型后的数据计算；S3、利用ANN故障诊断模型对锚链提升器液压系统进行故障状态诊断，输出诊断后的分类检测结果。2.根据权利要求1所述的一种锚链提升器液压系统故障检测方法，其特征在于，所述S1中的锚链提升器液压系统包括限位单元、加持单元和举升单元，所述限位单元包括限位液压缸，且其通过限位换向阀提供油液完成限位动作，所述夹持单元包括夹持液压缸，且其通过夹持换向阀提供油液完成加持动作，所述举升单元包括举升液压缸，且其通过举升换向阀提供油液完成举升动作。3.根据权利要求2所述的一种锚链提升器液压系统故障检测方法，其特征在于，所述S1中的锚链提升器液压系统均由液压油箱提供油液，液压油箱的出油依次经过各阀控装置、液压管路及在各液压管路上安装的压力传感器，所述阀控装置包...

【专利技术属性】
技术研发人员：章平，王飞，谢林林，冒小燕，葛杨元，刘羽佳，
申请(专利权)人：南通力威机械有限公司，
类型：发明
国别省市：