System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及液压泵剩余寿命预测,尤其是涉及一种云端滤波融合的液压泵剩余寿命预测方法及系统。
技术介绍
1、液压泵作为液压系统的核心元件,前者承担着为整个液压系统提供能源的任务,后者是液压系统的主要执行元件,其性能的可靠性对保障液压系统安全至关重要。准确及时地确认剩余使用寿命(rul)可以在保证液压系统安全的前提下保证液压系统的有效应用,是液压系统状态维修的必要前提。对于预测航空泵失效的发生和估计rul是必要的,减少维修费用,延长使用寿命,最终避免事故发生。
2、现有的液压泵寿命预测方法主要有两种,一种基于物理模型的寿命预测方法,通过对液压泵结构进行分析计算,建立液压泵的物理退化模型,通过模型训练估计参数进而求液压泵的寿命;一种是基于数据驱动的寿命预测方法,通过采集大量的退化数据来建立回归模型。然而在工程应用中寿命预测方法更注重适应性与稳定性,由于物理模型适应性低,只能对单一型号进行寿命预测;当下数据驱动的寿命预测方法由于其适应性与稳定性在工程应用被广泛应用,但由于传感器精度、外界干扰等多种原因对数据驱动方法的精度产生了较大影响。
技术实现思路
1、针对上述技术解决剩余寿命预测不准确、预测系统操作不灵活不便捷的技术问题,本专利技术提供了一种云端滤波融合的液压泵剩余寿命预测方法及系统。
2、一种云端滤波融合的液压泵剩余寿命预测方法,该方法包括如下步骤:
3、s1、通过传感器采集液压泵的测量数据并存储到数据库中,从数据库中获取待预测液压泵的测量数据,
4、s2、获取传感器的采样频率,预设剩余寿命预测算法的单次可输入数据组数,根据传感器的采样频率和单次可输入数据组数设置剩余寿命预测算法的采样频率和采样间隔,根据剩余寿命预测算法的采样频率和采样间隔对待预测液压泵的测量数据进行预处理,得到若干组采样数据;
5、s3、根据若干组采样数据中的每组采样数据和待预测液压泵的空载排量计算待预测液压泵的容积效率,由此得到若干个容积效率数据;
6、s4、采用卡尔曼滤波和高斯滑动滤的方式对若干个容积效率数据进行处理,得到若干个融合滤波后的容积效率数据;
7、s5、对若干个融合滤波后的容积效率数据进行回归拟合,得到待预测液压泵的退化速率和初始容积效率,根据退化速率和初始容积效率得到拟合曲线,设置待预测液压泵的容积效率失效阈值,根据拟合曲线和容积效率失效阈值计算得出待预测液压泵的的剩余使用寿命。
8、优选地,s2具体包括:
9、s21、预设剩余寿命预测算法的单次可输入数据组数,计算待预测液压泵的测量数据中的数据组数与剩余寿命预测算法的单次可输入数据组数之间的倍数关系;
10、s22、获取传感器的采样频率,根据倍数关系和传感器的采样频率设置剩余寿命预测算法的采样频率;
11、s23、根据倍数关系设置采样间隔,根据采样间隔和剩余寿命预测算法的采样频率对待预测液压泵的测量数据进行采样,得到若干组采样数据。
12、优选地,s21中计算待预测液压泵的测量数据中的数据组数与剩余寿命预测算法的单次可输入数据组数之间的倍数关系,具体公式为:
13、
14、式中,n为待预测液压泵的测量数据中的数据组数,n为剩余寿命预测算法的单次可输入数据组数,k为待预测液压泵的测量数据中的数据组数与剩余寿命预测算法的单次可输入数据组数之间的倍数关系,k向下取整。
15、优选地,s3中根据若干组采样数据中的每组采样数据和待预测液压泵的空载排量计算待预测液压泵的容积效率,容积效率的计算公式具体为:
16、
17、其中,ηvi为待预测液压泵的第i个容积效率,qvi,e为待预测液压泵的第i个试验压力下的输出流量,nei为待预测液压泵的第i个试验压力下的转速,vv为待预测液压泵的空载排量。
18、优选地,s4具体包括:
19、s41、采用卡尔曼滤波对若干个容积效率数据进行处理,得到若干个卡尔曼滤波后的容积效率数据的后验估计值;
20、s42、采用高斯滑动滤波对若干个卡尔曼滤波后的容积效率数据的后验估计值进行处理,得到若干个融合滤波后的容积效率数据。
21、优选地,s41具体包括:
22、s411、采用卡尔曼滤波对若干个容积效率数据进行滤波,得到若干个卡尔曼滤波后的容积效率数据;
23、s412、预测步:通过若干个卡尔曼滤波后的的容积效率数据中的上一个卡尔曼滤波后的的容积效率数据的后验估计值与后验协方差预测当前个卡尔曼滤波后的容积效率数据的先验估计值和先验协方差;
24、s413、更新步:通过预测步输出的当前个卡尔曼滤波后的容积效率数据的先验估计值和先验协方差对当前个卡尔曼滤波后的容积效率数据的进行后验估计值和后验协方差估计,得到当前个卡尔曼滤波后的容积效率数据的后验估计值和后验协方差;
25、s414、将当前个卡尔曼滤波后的容积效率数据的后验估计值和后验协方差作为下一个卡尔曼滤波后的容积效率数据在更新步的输入数据,同时输出当前个卡尔曼滤波后的容积效率数据的后验估计值;
26、s415、重复执行步骤s412至s414,得到若干个卡尔曼滤波后的容积效率数据的后验估计值。
27、优选地,s42具体包括:
28、s421、预设高斯滑动滤波器的半径h,并生成一个大小为2h+1的滤波器模板;
29、s422、预设高斯函数的标准差σ,根据高斯公式生成一个大小为2h+1的权重向量w;
30、s423、将滤波器模板和权重向量w进行卷积,得到一个新的滤波器模板;
31、s424、通过新的滤波器模板对若干个卡尔曼滤波后的容积效率数据的后验估计值进行处理,得到若干个融合滤波后的容积效率数据。
32、优选地,s424具体可用公式表示为:
33、yi=xi-h*wi-h+…xi-1*wi-1+xi*wi+xi+1*wi+1+…xi+h*wi+h
34、其中,yi为第i个融合滤波后的容积效率数据,xi为第i个卡尔曼滤波后的容积效率的后验估计值,wi为xi在权重向量w中对应的权重,xi-h为第i-h个卡尔曼滤波后的容积效率的后验估计值,wi-h为xi-h在权重向量w中对应的权重,xi+h为第i+h个卡尔曼滤波后的容积效率的后验估计值,wi+h为xi+h在权重向量w中对应的权重,h为高斯滑动滤波器的半径。
35、优选地,s5中根据退化速率和初始容积效率得到拟合曲线,拟合曲线具体可用公式表示为:
36、a=ab+b
37、
38、
39、其中,a为线性拟合后的的容积效率轴纵坐标,b为线性拟合后时间轴横坐标,a为退化速率,b为容积效率初始值,xi为第i个采样时间,yi为是第本文档来自技高网...
【技术保护点】
1.一种云端滤波融合的液压泵剩余寿命预测方法,其特征在于,所述方法包括以下步骤:
2.如权利要求1所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,所述S2具体包括:
3.如权利要求2所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,S21中计算所述待预测液压泵的测量数据中的数据组数与所述剩余寿命预测算法的单次可输入数据组数之间的倍数关系,具体公式为:
4.如权利要求3所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,S3中根据若干组所述采样数据中的每组采样数据和所述待预测液压泵的空载排量计算待预测液压泵的容积效率,所述容积效率的计算公式具体为:
5.如权利要求4所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,所述S4具体包括:
6.如权利要求5所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,所述S41具体包括:
7.如权利要求6所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,所述S42具体包括:
8.如权利要求7所述的云端滤波融合的液压泵剩余寿命预测方法
9.如权利要求8所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,S5中根据所述退化速率和初始容积效率得到拟合曲线,所述拟合曲线具体可用公式表示为:
10.一种云端滤波融合的液压泵剩余寿命预测系统,其特征在于,所述剩余寿命预测系统包括:计算机服务器、网页操作面板、剩余寿命预测模块和云端数据库,所述计算机服务器分别与所述网页操作面板和所述云端数据库通信连接,所述剩余寿命预测模块设置在所述计算机服务器中,其中:
...【技术特征摘要】
1.一种云端滤波融合的液压泵剩余寿命预测方法,其特征在于,所述方法包括以下步骤:
2.如权利要求1所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,所述s2具体包括:
3.如权利要求2所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,s21中计算所述待预测液压泵的测量数据中的数据组数与所述剩余寿命预测算法的单次可输入数据组数之间的倍数关系,具体公式为:
4.如权利要求3所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,s3中根据若干组所述采样数据中的每组采样数据和所述待预测液压泵的空载排量计算待预测液压泵的容积效率,所述容积效率的计算公式具体为:
5.如权利要求4所述的云端滤波融合的液压泵剩余寿命预测方法,其特征在于,所述s4具体包括:
6.如权利要求5所...
【专利技术属性】
技术研发人员:袁振,张寿全,李洪文,禹伟军,张敏轩,
申请(专利权)人:湖南国重智联工程机械研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。