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】
本专利技术涉及神经网络,特别涉及一种基于神经网络的能量流构建方法、装置、设备及介质。
技术介绍
1、工程装备能量流能为产品能耗分析、节能减排设计、控制策略优化以及故障诊断等提供可视化的参考依据。能量流构建方式有试验数据分析、机理仿真两种方法。试验数据分析方法在每台装备上需要增加较多的液压元件传感器,采集数据后进行分析处理再计算,从而形成能量流,成本较高且处理较复杂,实时性不高。机理仿真法是通过搭建液压系统仿真模型,计算能量流,由于模型标定难度大,此种方法能量流准确度差,且计算时间较长。两种方法虽然都能建立能量流,但实时性均较差,不能实现产品能耗的实时计算、控制策略快速验证、故障及时提醒等功能。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种基于神经网络的能量流构建方法、装置、设备和存储介质,能够形成实时能量流,降低了能量流构建成本,提高了处理效率。其具体方案如下:
2、第一方面,本专利技术公开了一种基于神经网络的能量流构建方法,包括:
3、获取液压元件的当前电磁阀电流信号以及当前发动机转速信号,并将所述当前电磁阀电流信号以及所述当前发动机转速信号输入至能量流神经网络模型;
4、获取所述能量流神经网络模型输出的所述液压元件对应的当前功率;所述当前功率包含当前压力数据以及当前流量数据;
5、基于所述当前功率形成目标能量流,并基于所述目标能量流执行预设验证操作,得到对应的验证结果。
6、可选的,所述获取液压元件的当前电
7、获取用于原始神经网络模型训练的训练数据,以便基于所述训练数据构建所述能量流神经网络模型。
8、可选的,所述获取用于原始神经网络模型训练的训练数据,包括:
9、获取安装在所述液压元件上的流量传感器采集到的训练流量数据,并获取安装在所述液压元件上的压力传感器采集到的训练压力数据;
10、采集所述液压元件的训练电磁阀电流信号以及训练发动机转速信号;
11、将所述训练流量数据、所述训练压力数据、所述训练电磁阀电流信号以及所述训练发动机转速信号确定为所述训练数据。
12、可选的,所述获取用于原始神经网络模型训练的训练数据之后,包括:
13、通过udp协议将所述训练数据从数据采集系统控制器传输至5g信号发生器。
14、可选的,所述通过udp协议将所述训练数据从数据采集系统控制器传输至5g信号发生器之后,还包括:
15、通过tcp/ip协议以及工业互联网,将所述训练数据存储至云端服务器。
16、可选的,所述基于所述训练数据构建所述能量流神经网络模型,包括:
17、将所述训练电磁阀电流信号以及所述训练发动机转速信号输入至原始长短时记忆网络,以得到输出信息;
18、基于所述训练流量数据、所述训练压力数据以及所述输出信息确定损失值;
19、判断所述损失值是否满足当前用户需求;
20、若所述损失值不满足所述当前用户需求,则基于所述损失值调整所述原始长短时记忆网络中的参数;
21、若所述损失值满足所述当前用户需求,则基于所述原始长短时记忆网络中的当前参数构建所述能量流神经网络模型。
22、可选的,所述基于所述目标能量流执行预设验证操作,得到对应的验证结果,包括:
23、判断所述目标能量流是否超出预设安全阈值;
24、若所述目标能量流已超出所述预设安全阈值,则生成液压系统异常提示信息。
25、第二方面,本专利技术公开了一种基于神经网络的能量流构建装置,包括:
26、信号获取模块,用于获取液压元件的当前电磁阀电流信号以及当前发动机转速信号,并将所述当前电磁阀电流信号以及所述当前发动机转速信号输入至能量流神经网络模型;
27、功率获取模块,用于获取所述能量流神经网络模型输出的所述液压元件对应的当前功率;所述当前功率包含当前压力数据以及当前流量数据;
28、能量流形成模块,用于基于所述当前功率形成目标能量流,并基于所述目标能量流执行预设验证操作,得到对应的验证结果。
29、第三方面,本专利技术公开了一种电子设备,包括:
30、存储器,用于保存计算机程序;
31、处理器,用于执行所述计算机程序,以实现如前述公开的基于神经网络的能量流构建方法的步骤。
32、第四方面,本专利技术公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如前述公开的基于神经网络的能量流构建方法。
33、可见,本专利技术提供了一种基于神经网络的能量流构建方法,包括:获取液压元件的当前电磁阀电流信号以及当前发动机转速信号,并将所述当前电磁阀电流信号以及所述当前发动机转速信号输入至能量流神经网络模型;获取所述能量流神经网络模型输出的所述液压元件对应的当前功率;所述当前功率包含当前压力数据以及当前流量数据;基于所述当前功率形成目标能量流,并基于所述目标能量流执行预设验证操作,得到对应的验证结果。由此可见,本专利技术通过预先构建的能量流神经网络模型,并基于获取到的当前信号信息,生成对应的功率,然后基于全部功率形成实时能量流,根据实时的能量流提醒液压系统异常情况,实现预测性维护,并且不需额外增加压力、流量传感器,降低了能量流构建成本,提高了处理效率。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的能量流构建方法,其特征在于,包括:
2.根据权利要求1所述的基于神经网络的能量流构建方法,其特征在于,所述获取液压元件的当前电磁阀电流信号以及当前发动机转速信号,并将所述当前电磁阀电流信号以及所述当前发动机转速信号输入至能量流神经网络模型之前,还包括:
3.根据权利要求2所述的基于神经网络的能量流构建方法,其特征在于,所述获取用于原始神经网络模型训练的训练数据,包括:
4.根据权利要求2所述的基于神经网络的能量流构建方法,其特征在于,所述获取用于原始神经网络模型训练的训练数据之后,包括:
5.根据权利要求4所述的基于神经网络的能量流构建方法,其特征在于,所述通过UDP协议将所述训练数据从数据采集系统控制器传输至5G信号发生器之后,还包括:
6.根据权利要求3所述的基于神经网络的能量流构建方法,其特征在于,所述基于所述训练数据构建所述能量流神经网络模型,包括:
7.根据权利要求1至6任一项所述的基于神经网络的能量流构建方法,其特征在于,所述基于所述目标能量流执行预设验证操作,得到对应的验证
8.一种基于神经网络的能量流构建装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于神经网络的能量流构建方法。
...【技术特征摘要】
1.一种基于神经网络的能量流构建方法,其特征在于,包括:
2.根据权利要求1所述的基于神经网络的能量流构建方法,其特征在于,所述获取液压元件的当前电磁阀电流信号以及当前发动机转速信号,并将所述当前电磁阀电流信号以及所述当前发动机转速信号输入至能量流神经网络模型之前,还包括:
3.根据权利要求2所述的基于神经网络的能量流构建方法,其特征在于,所述获取用于原始神经网络模型训练的训练数据,包括:
4.根据权利要求2所述的基于神经网络的能量流构建方法,其特征在于,所述获取用于原始神经网络模型训练的训练数据之后,包括:
5.根据权利要求4所述的基于神经网络的能量流构建方法,其特征在于,所述通过udp协议将...
【专利技术属性】
技术研发人员:朱建新,刘强,郭学祥,谭月英,张淼,程思凯,陈霞,
申请(专利权)人:山河智能装备股份有限公司,
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。