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】
本专利技术涉及故障诊断,尤其涉及一种滤芯故障诊断方法、装置及作业机械。
技术介绍
1、作业机械中的滤芯是指用于过滤液体或气体中的杂质和固体颗粒的组件,它位于液体或气体流动路径上,起到过滤和清除污染物的作用,以保护作业机械的正常运行和延长其寿命。如果滤芯堵塞,过滤效果将受到影响,导致污染物进入作业系统,增加机械部件的摩擦和磨损风险。因此,诊断滤芯是否堵塞以及及时更换滤芯是维护作业机械安全性和工作效率的关键步骤。
2、目前,多依据滤芯压力是否大于设定阈值,以及设定时段内该阈值出现的次数来判断滤芯是否堵塞。然而,当遇到恶劣工况时,会出现短期内满足报警条件,而滤芯实际并没有堵塞,易产生误报警情况发生;此外,当设定阈值偏大时,滤芯已经堵塞,导致漏报警。
技术实现思路
1、本专利技术提供一种滤芯故障诊断方法、装置及作业机械,用以解决现有技术中滤芯故障诊断易造成误报或漏报的缺陷。
2、本专利技术提供一种滤芯故障诊断方法,包括:
3、获取影响作业机械中滤芯状态的运行参数;
4、将所述运行参数输入至故障诊断模型,由所述故障诊断模型从所述运行参数中提取多个维度特征,并基于特征决策树,应用所述各维度特征,确定所述滤芯的故障诊断结果;
5、所述特征决策树基于样本运行参数对应的多个样本维度特征,以及样本故障标签构建得到。
6、根据本专利技术提供的一种滤芯故障诊断方法,所述特征决策树的构建步骤包括:
7、划分步骤:遍历当前样本
8、确定步骤:基于各当前样本子集合中各类样本故障标签的占比,确定对应特征属性对应的信息增益;
9、构建步骤:将最大信息增益对应的特征属性作为所述特征决策树当前节点的划分属性,并将所述划分属性对应的当前样本子集合作为所述当前样本集合,以及从所述当前样本集合中删除所述划分属性对应的样本维度特征;
10、返回依次重复执行所述划分步骤、所述确定步骤以及所述构建步骤,直至所述当前样本集合中不存在样本维度特征。
11、根据本专利技术提供的一种滤芯故障诊断方法,所述基于各当前样本子集合中各类样本故障标签对应样本维度特征的占比,确定对应特征属性对应的信息增益,包括:
12、基于各当前样本子集合中各类样本故障标签的占比,确定第一信息熵;
13、基于所述当前样本集合中各类样本故障标签的占比,确定第二信息熵;
14、基于所述第一信息熵,以及所述第二信息熵,确定对应特征属性对应的信息增益。
15、根据本专利技术提供的一种滤芯故障诊断方法,所述方法还包括:
16、在构建得到所述特征决策树后,获取测试运行参数对应的各测试维度特征以及所述测试运行参数对应的测试故障标签;
17、基于所述特征决策树,应用所述各测试维度特征,确定测试故障结果;
18、基于所述测试故障结果,以及所述测试故障标签,确定所述特征决策树的精度;
19、在所述特征决策树的精度小于阈值的情况下,增量获取样本运行参数对应的多个样本维度特征以及样本故障标签,并基于增量获取的多个样本维度特征以及样本故障标签更新所述特征决策树。
20、根据本专利技术提供的一种滤芯故障诊断方法,所述基于所述测试故障结果,以及所述测试故障标签,确定所述特征决策树的精度,包括:
21、基于所述测试故障结果,以及所述测试故障标签,确定真正例、假正例,真反例以及假反例;
22、基于所述真正例、所述假正例,所述真反例以及所述假反例,确定查全率以及查准率;
23、基于所述查全率以及所述查准率,确定所述特征决策树的精度。
24、根据本专利技术提供的一种滤芯故障诊断方法,所述确定所述滤芯的故障诊断结果,之后还包括:
25、在所述作业机械的液压油温大于阈值的情况下,将所述故障诊断结果推送至所述作业机械的显示装置。
26、根据本专利技术提供的一种滤芯故障诊断方法,所述方法还包括:在基于样本运行参数对应的多个样本维度特征,以及样本故障标签构建所述特征决策树之前,还包括:
27、对所述样本运行参数进行数据处理,并从数据处理后的样本运行参数中提取得到多个初始维度特征;
28、对各初始维度特征进行特征选择,得到所述多个样本维度特征;
29、所述多个初始维度特征包括时域维度特征和频域维度特征。
30、本专利技术还提供一种滤芯故障诊断装置,包括:
31、获取单元,用于获取影响作业机械中滤芯状态的运行参数;
32、诊断单元,用于将所述运行参数输入至故障诊断模型,由所述故障诊断模型从所述运行参数中提取多个维度特征,并基于特征决策树,应用所述各维度特征,确定所述滤芯的故障诊断结果;
33、所述特征决策树基于样本运行参数对应的多个样本维度特征,以及样本故障标签构建得到。
34、本专利技术还提供一种作业机械,包括:如上所述的滤芯故障诊断装置,所述滤芯故障诊断装置用于执行如上任一项所述的滤芯故障诊断方法。
35、本专利技术还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种所述滤芯故障诊断方法。
36、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述滤芯故障诊断方法。
37、本专利技术还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述滤芯故障诊断方法。
38、本专利技术提供的滤芯故障诊断方法、装置及作业机械,从运行参数中提取可分析性强的多个维度特征,用于训练先进的机器学习算法,并将训练好的决策树模型引入,特征决策树能够基于多个维度特征全面进行故障诊断,准确且快速得到故障诊断结果,提高预测精度,避免传统方法中容易出现漏报或误报的问题。
本文档来自技高网...【技术保护点】
1.一种滤芯故障诊断方法,其特征在于,包括:
2.根据权利要求1所述的滤芯故障诊断方法,其特征在于,所述特征决策树的构建步骤包括:
3.根据权利要求2所述的滤芯故障诊断方法,其特征在于,所述基于各当前样本子集合中各类样本故障标签对应样本维度特征的占比,确定对应特征属性对应的信息增益,包括:
4.根据权利要求2所述的滤芯故障诊断方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的滤芯故障诊断方法,其特征在于,所述基于所述测试故障结果,以及所述测试故障标签,确定所述特征决策树的精度,包括:
6.根据权利要求1至5任一项所述的滤芯故障诊断方法,其特征在于,所述确定所述滤芯的故障诊断结果,之后还包括:
7.根据权利要求1至5任一项所述的滤芯故障诊断方法,其特征在于,所述方法还包括:在基于样本运行参数对应的多个样本维度特征,以及样本故障标签构建所述特征决策树之前,还包括:
8.一种滤芯故障诊断装置,其特征在于,包括:
9.一种作业机械,其特征在于,包括:如权利要求8所述的滤芯故障诊断装置
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述滤芯故障诊断方法。
...【技术特征摘要】
1.一种滤芯故障诊断方法,其特征在于,包括:
2.根据权利要求1所述的滤芯故障诊断方法,其特征在于,所述特征决策树的构建步骤包括:
3.根据权利要求2所述的滤芯故障诊断方法,其特征在于,所述基于各当前样本子集合中各类样本故障标签对应样本维度特征的占比,确定对应特征属性对应的信息增益,包括:
4.根据权利要求2所述的滤芯故障诊断方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的滤芯故障诊断方法,其特征在于,所述基于所述测试故障结果,以及所述测试故障标签,确定所述特征决策树的精度,包括:
6.根据权利要求1至5任一项所述的滤芯故障诊断方法,其特征在于,所述确定...
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。