【技术实现步骤摘要】
本专利技术涉及航空系统故障诊断，公开了一种可机载部署的复杂系统部件数据驱动故障诊断方法。
技术介绍
1、随着机电系统的复杂程度不断攀升，为了提高系统的可靠性，针对机电系统的故障检测和健康管理变得越来越重要。目前装备一般采用定期维修的策略，在装备出现故障之前就已更换维修，实际运行过程中故障案例较少，导致装备的故障诊断及预测数据严重缺乏。
2、液压系统的健康管理技术是近年来的研究热点。液压系统中关键设备故障诊断与状态预测技术随着人工智能技术、高性能传感器、计算机辅助测试技术的发展有了长足的进步。使用先进传感技术及嵌入式测试技术，获取机电系统实时监测数据。搭建研究对象数字仿真模型，使用有限宝贵的试验监测数据修正模型使之与试验对象吻合，通过基于物理机理的故障模式分析获得大量故障数据样本，为设备故障诊断与健康管理phm提供有效数据支撑，并通过搭建嵌入式实时化运行验证平台，实现基于数据驱动故障诊断算法机载部署，完成机载复杂系统数据驱动故障诊断的规范工程实践。
3、目前，基于amesim模型的故障管理方法或采用参数类型数据定义故障，不能管理变量类型故障，无法反映系统的动态属性；或只能管理预先设置的故障类型，不能根据需求定义故障的类型；或通过外部程序设定不确定的间隔并结合模型行为来实施故障管理，不支持统一的故障注入方式。
技术实现思路
1、本专利技术的目的在于提供一种可机载部署的复杂系统部件数据驱动故障诊断方法，本能够实现仿真模型与试验台架的数字孪生，且能有效地解决机载复杂
2、为了实现上述技术效果，本专利技术采用的技术方案是：
3、一种可机载部署的复杂系统部件数据驱动故障诊断方法，包括：
4、步骤1、根据航空液压系统试验台架数据得到的额定工作参数、系统部件性能参数、系统部件结构关键设计参数，通过amesim软件建立液压系统数字仿真模型；所述液压系统数字仿真模型包括柱塞泵仿真模型、负载执行机构电磁阀仿真模型，所述柱塞泵仿真模型、所述负载执行机构电磁阀仿真模型通过管路附件连接；
5、步骤2、动态运行液压系统数字仿真模型，得到系统部件稳定运行时特征测量点数据，所述特征测量点数据包括柱塞泵进油口压力、柱塞泵进油口流量、柱塞泵出油口压力、柱塞泵出油口流量、柱塞泵回油口压力和柱塞泵回油口流量以及电磁阀控制油路流量；
6、步骤3、根据航空液压系统故障类型，通过amesim标准化故障模块进行故障参数设定，建立故障元件模型；
7、步骤4、将故障参数设置为全局变量，根据不同故障程度批量仿真注入对应的所述液压系统数字仿真模型，仿真得到不同采样频率不同故障程度故障数据，以及对应的故障类型标签；
8、步骤5、根据故障数据和故障类型标签构建故障诊断模型，将待测状态下的航空液压系统运行参数输入故障诊断模型，分析得到对应状态下的故障诊断结果。
9、进一步地，还包括：
10、使用python的第三方库m2gen，将地面训练好的故障诊断模型转为c语言形式的函数，形成故障诊断模型算法的嵌入式封装；
11、将测试集数据与数据标签提前存入开发板内的存储卡中，读取存储卡中的数据送入故障诊断模型，实现在嵌入式端的故障诊断。
12、进一步地，在进行故障诊断模型构建时，将故障诊断模型的计算输出结果与sd卡中的样本真实标签进行比对，使用准确率acc指标作为故障诊断的评估指标，计算预测准确度；
13、利用嵌入式端的时钟，计算故障诊断所需的时间，得到嵌入式端算法运行的实时性指标，
14、若准确率acc值与1的差值的绝对值小于等于第一预设阈值且故障诊断时间小于第二预设阈值，则确定对应的故障诊断模型为最优算法模型，用于进行航空机载液压系统故障诊断。
15、进一步地，以amesim液压部件库为标准元素，运用ameset中与柱塞泵试验台设计吻合的部件元素，建立航空液压系统柱塞泵仿真模型和负载执行机构电磁阀仿真模型，其中所述柱塞泵仿真模型对应的部件元素包括柱塞泵的斜盘转轴、控制阀、随动活塞、滑靴柱塞摩擦副以及配油盘及进出油口路，负载执行机构电磁阀仿真模型对应的部件元素包括二位双向电磁阀及机械执行机构，系统连接结构包含容器管路、油滤、优先/关断阀。
16、进一步地，所述故障类型包括系统故障、动力元件故障、执行元件故障、控制元件故障和辅助元件故障。
17、进一步地，根据故障数据和故障类型标签构建故障诊断模型的方法包括：
18、数据预处理：删除常量特征值、缺失数据特征值、异常不符合物理机理的特征值；
19、确定模型输入特征：将特征测量点数据所有特征作为模型输入；
20、确定模型输出特征：根据不同故障模式标记数据故障分类标签，所述故障模式包括配流盘磨损故障、柱塞磨损故障、斜盘卡滞故障；
21、模型训练：对所有数据打乱样本顺序并按照7:3的比例划分为训练集和测试集；选择分类算法将训练集数据送入算法中进行模型训练，得到训练好的不同分类故障诊断模型。
22、进一步地，所述分类算法包括最小二乘线性回归、决策树回归、支持向量回归svr以及神经网络方法。
23、与现有技术相比，本专利技术所具备的有益效果是：本专利技术通过建立液压系统及典型部件的仿真模型，借助有限液压系统试验台架数据修正仿真模型，通过液压系统典型部件故障模式分析与仿真模型故障注入，得到仿真故障数据，实现仿真模型与试验台架的数字孪生，且能有效地解决机载复杂系统故障数据不足。
本文档来自技高网...【技术保护点】
1.一种可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，还包括：
3.根据权利要求2所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，在进行故障诊断模型构建时，将故障诊断模型的计算输出结果与SD卡中的样本真实标签进行比对，使用准确率ACC指标作为故障诊断的评估指标，计算预测准确度；
4.根据权利要求1所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，以AMESim液压部件库为标准元素，运用Ameset中与柱塞泵试验台设计吻合的部件元素，建立航空液压系统柱塞泵仿真模型和负载执行机构电磁阀仿真模型，其中所述柱塞泵仿真模型对应的部件元素包括柱塞泵的斜盘转轴、控制阀、随动活塞、滑靴柱塞摩擦副以及配油盘及进出油口路，负载执行机构电磁阀仿真模型对应的部件元素包括二位双向电磁阀及机械执行机构，系统连接结构包含容器管路、油滤、优先/关断阀。
5.根据权利要求1所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，
6.根据权利要求1所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，根据故障数据和故障类型标签构建故障诊断模型的方法包括：
7.根据权利要求6所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，所述分类算法包括最小二乘线性回归、决策树回归、支持向量回归SVR以及神经网络方法。
...【技术特征摘要】
1.一种可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，还包括：
3.根据权利要求2所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，在进行故障诊断模型构建时，将故障诊断模型的计算输出结果与sd卡中的样本真实标签进行比对，使用准确率acc指标作为故障诊断的评估指标，计算预测准确度；
4.根据权利要求1所述的可机载部署的复杂系统部件数据驱动故障诊断方法，其特征在于，以amesim液压部件库为标准元素，运用ameset中与柱塞泵试验台设计吻合的部件元素，建立航空液压系统柱塞泵仿真模型和负载执行机构电磁阀仿真模型，其中所述柱塞泵仿真模型对应的部件元素包...
【专利技术属性】
技术研发人员：韩冰洁，牛伟，高博，王美男，王骥超，刘源，
申请(专利权)人：中国航空工业集团公司西安航空计算技术研究所，
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。