一种基于典型变量分析的液压系统早期故障动态检测方法技术方案

本申请涉及一种基于典型变量分析的液压系统早期故障动态检测方法。该方法包括：采集液压系统的液压系统工作参数作为样本数据集，将样本数据集中进行标准化数据预处理操作，获得预处理后的样本数据集，根据预处理后的样本数据集，构建在k时刻相邻的两组观测向量，以及两组观测向量对应的观测矩阵，分析观测矩阵的协方差和互协方差，并进行汉克尔矩阵的奇异值分解，根据奇异值分解结果和协方差进行分析，确定投影矩阵，划分为两个正交子空间，构建具有相关性的状态子空间，其余为残差子空间，分析在k时间点时的Hotelling's T2的值和Q统计量与预设的门限值T

【技术实现步骤摘要】
一种基于典型变量分析的液压系统早期故障动态检测方法


[0001]本申请涉及液压系统故障检测
，特别是涉及一种基于典型变量分析的液压系统早期故障动态检测方法。

技术介绍

[0002]在现代工业中，液压系统对各种工程设备的影响日益加深，由于其结构简单、操作方便、输出能力强，已广泛应用于制造、交通、建筑、能源、农业等领域，如生产平台、车载钻机和矿用综采支架等。在实际应用中，液压系统时常工作在多种复杂的工况下，导致其发生各类故障的可能性大大增加。因此，先进的状态监测技术对于液压系统的可靠运行具有至关重要的作用，可以及时发现由部件故障引起的异常偏差，并指导工作人员采取有效的维护措施，以保持液压系统处于高性能状态。
[0003]根据液压系统的故障演化特征可将其分为突发性、间歇性和初发性三种故障类型。目前，现有的研究成果大多集中在监测液压系统的突发性和间歇性故障，而对于早期故障检测方法的研究仍然存在很大不足，这给液压系统的正常运行带来很大隐患。由于液压系统的早期故障通常表现为系统性能缓慢退化，若不被及时发现，早期故障的严重性将会进一步增加，最终导致系统的灾难性故障。
[0004]经对现有技术的文献检索发现，中国专利公开号CN202110647378.0，公开日2021.08.20，专利名称为：一种矿山液压支架系统早期故障实时预警方法，该专利申请自述为：“本专利技术公开了一种矿山液压支架系统早期故障实时预警方法,包括离线训练和在线监测两个阶段，其中，离线训练确定液压支架系统的健康指标的门限值，在线监测阶段实时采集液压支架系统的工作参数，计算工作参数的Hotelling
’
s和统计量与健康指标的门限值比较，判定液压支架系统是否出现故障；将液压支架系统的工作参数间相关性的异常改变作为液压支架系统早期故障特征，采用主元分析法将标准化后的液压支架系统的工作参数的样本数据投影到主元子空间和残差子空间，在这两个子空间上分别构建Hotelling
’
s和统计量，用来定量描述工作参数间的相关性的变化程度”。其不足之处是：该诊断方法仅能实现对于微弱的早期故障信号的检测，没有针对观测数据时间相关性和工作参数的非高斯性进行考量，导致动态液压系统的早期故障检测灵敏度和准确度不足，因而不能有效的指导工作人员对液压系统进行视情维修。
[0005]液压系统在实际中是一个时变系统，前一时刻的状态通常对后一时刻的工作状态具有很大的影响(即参数是强自相关的)。此外，负载扰动和系统参数存在不确定性，系统的观测结果通常表现为非高斯特性，这导致仅仅通过假设时间的无关性和高斯性难以有效获取液压系统的动态特性，因此主成分分析和偏最小二乘技术不适用于非线性动态系统的故障检测。现有的主成分分析和偏最小二乘的改进技术已成功应用到动态系统，即动态主成分分析和动态偏最小二乘，但其主成分的提取并不一定是最小动态表示，当涉及滞后变量时，异常检测将会更加复杂，大大降低了早期故障动态检测的能力。
[0006]因此，目前的动态液压系统早期故障检测的准确性较低。

技术实现思路

[0007]基于此，有必要针对上述技术问题，提供一种能够提高动态液压系统早期故障检测的准确性的基于典型变量分析的液压系统早期故障动态检测方法。
[0008]一种基于典型变量分析的液压系统早期故障动态检测方法，其特征在于，所述方法包括：
[0009]实时获取预设时间段内采集液压系统的液压系统工作参数作为样本数据集，液压系统工作参数包括：泵后滑油压力、过滤器前滑油压力、过滤器后滑油压力和过滤器后滑油温度；
[0010]将所述样本数据集中的样本数据进行标准化数据预处理操作，获得预处理后的样本数据集；
[0011]根据所述预处理后的样本数据集，构建在k时刻相邻的观测向量y
p,k
和观测向量y
f,k
，以及观测向量y
p,k
对应的观测矩阵Y
p
和观测向量y
f,k
对应的观测矩阵Y
f
；
[0012]根据观测矩阵Y
p
和观测矩阵Y
f
，分析所述观测矩阵Y
p
的协方差∑
pp
、所述观测矩阵Y
f
的协方差∑
ff
以及所述观测矩阵Y
p
和所述观测矩阵Y
f
的互协方差∑
fp
；
[0013]根据所述协方差∑
pp
、所述协方差∑
ff
以及所述互协方差∑
fp
进行汉克尔矩阵H的奇异值分解，获得奇异值分解结果；
[0014]根据所述奇异值分解结果和所述观测矩阵Y
p
的协方差∑
pp
进行分析，确定投影矩阵J
x
和F；
[0015]根据所述投影矩阵J
x
和F，将观测向量y
p,k
划分为两个正交子空间，构建具有相关性的状态子空间z
k
，其余为残差子空间e
k
；
[0016]根据状态子空间z
k
和残差子空间e
k
，分析在k时间点时的Hotelling's T2的值和Q统计量Q
k
；
[0017]将所述Hotelling's T2的值和Q统计量Q
k
与预设的门限值T
UCL2
和Q
UCL
进行比较，当或Q
k
＞Q
UCL
时，判定当前液压系统为故障状态，否则，当前液压系统为正常状态。
[0018]在其中一个实施例中，所述数据标准化预处理操作表达式为：
[0019][0020]其中，μ为随机变量的均值向量，μ＝[μ1,
…
,μ
i
…
,μ
n
]，∈
i
为第i个随机变量的均值，i∈1,2,
…
,n，n为样本数据中的样本数据个数；D
σ
为随机变量的方差矩阵，为随机变量的方差矩阵，为第i个随机变量的方差，x为样本数据，X为预处理后的样本数据。
[0021]在其中一个实施例中，所述根据所述预处理后的样本数据集，构建在k时刻相邻的观测向量y
p,k
和观测向量y
f,k
，以及观测向量y
p,k
对应的观测矩阵Y
p
和观测向量y
p,k
对应的观测矩阵Y
f
，包括：
[0022]根据所述预处理后的样本数据集，在k时刻相邻的两组观测向量y
p,k
和y
f,k
的分析公式分别为：
[0023][0024][0025]其中，p和f分别是两组观测向量y
p,k
和y...

【技术保护点】

【技术特征摘要】
1.一种基于典型变量分析的液压系统早期故障动态检测方法，其特征在于，所述方法包括：实时获取预设时间段内采集液压系统的液压系统工作参数作为样本数据集，液压系统工作参数包括：泵后滑油压力、过滤器前滑油压力、过滤器后滑油压力和过滤器后滑油温度；将所述样本数据集中的样本数据进行标准化数据预处理操作，获得预处理后的样本数据集；根据所述预处理后的样本数据集，构建在k时刻相邻的观测向量y
p,k
和观测向量y
f,k
，以及观测向量y
p,k
对应的观测矩阵Y
p
和观测向量y
f,k
对应的观测矩阵Y
f
；根据观测矩阵Y
p
和观测矩阵Y
f
，分析所述观测矩阵Y
p
的协方差∑
pp
、所述观测矩阵Y
f
的协方差∑
ff
以及所述观测矩阵Y
p
和所述观测矩阵Y
f
的互协方差∑
fp
；根据所述协方差∑
pp
、所述协方差v
ff
以及所述互协方差∑
fp
进行汉克尔矩阵H的奇异值分解，获得奇异值分解结果；根据所述奇异值分解结果和所述观测矩阵Y
p
的协方差∑
pp
进行分析，确定投影矩阵J
x
和F；根据所述投影矩阵J
x
和F，将观测向量y
p,k
划分为两个正交子空间，构建具有相关性的状态子空间z
k
，其余为残差子空间e
k
；根据状态子空间z
k
和残差子空间e
k
，分析在k时间点时的Hotelling's T2的值和Q统计量Q
k
；将所述Hotelling's T2的值和Q统计量Q
k
与预设的门限值T
UCL2
和Q
UCL
进行比较，当或Q
k
＞Q
UCL
时，判定当前液压系统为故障状态，否则，当前液压系统为正常状态。2.根据权利要求1所述的方法，其特征在于，所述数据标准化预处理操作表达式为：其中，μ为随机变量的均值向量，μ＝[μ1,
…
,μ
i
,
…
,μ
n
]，μ
i
为第i个随机变量的均值，i∈1,2,
…
,n，n为样本数据集中的样本数据个数；D
σ
为随机变量的方差矩阵，为随机变量的方差矩阵，为第i个随机变量的方差，x为样本数据，X为预处理后的样本数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述预处理后的样本数据集，构建在k时刻相邻的观测向量y
p,k
和观测向量y
f,k
，以及观测向量y
p,k
对应的观测矩阵Y
p
和观测向量y
p,k
对应的观测矩阵Y
f
，包括：根据所述预处理后的样本数据集，在k时刻相邻的两组观测向量y
p,k
和y
f,k
的分析公式分别为：
其中，p和f分别是两组观测向量y
p,k
和y
f,k
的长度，y
k
为时刻k的样本数据，q为时间窗口中的滞后量，为实数，m为时间...

【专利技术属性】
技术研发人员：赵胜磊，王金鑫，王恩元，李忠辉，刘晓斐，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：