【技术实现步骤摘要】
本申请涉及液压设备故障诊断领域，特别是涉及一种电液比例伺服阀突发性故障的实时诊断方法、设备、介质及产品。
技术介绍
1、电液比例伺服阀是集机-电-液功能于一体的高精度液压元件，其内部结构复杂，造价较高。在多数情况下，比例伺服阀的工作环境非常恶劣，所以一直是电液控制系统中故障高发件，其高精度、高集成度的特点又使得故障类型复杂多变，一旦发生故障，不仅会严重影响系统的运行，还可能导致重大的经济损失。因此，当电液比例伺服阀出现故障时，能够及时准确地定位故障并评估损伤程度，对于避免不必要的全面更换和降低维修成本至关重要。
2、现有的液压阀故障检测方法主要依赖于人工的主观经验和油液检测方法，然而，对于在复杂多变的外部工况下工作的电液比例伺服阀，容易发生阀芯卡死、控制电路短路、控制电路断路等突发性故障，而传统的检测方法无法及时发现并实时处理这类故障，严重影响液压系统的稳定性和作业的连续性。
3、因此，开发一种能够实时监测和诊断电液比例伺服阀突发故障的方法显得尤为迫切。
技术实现思路
1、本申请的目的是提供一种电液比例伺服阀突发性故障的实时诊断方法、设备、介质及产品，以解决电液比例伺服阀突发故障检测效率低的问题。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种电液比例伺服阀突发性故障的实时诊断方法方法，包括：
4、实时获取电液比例伺服阀的运行状态数据；
5、对所述运行状态数据进行平稳化处理，得到平稳
6、将平稳化处理后的运行状态数据输入至电液比例伺服阀状态预测模型中，输出电液比例伺服阀的状态预测值；所述电液比例伺服阀状态预测模型是采用训练样本对sarima模型进行拟合训练得到的；所述训练样本包括电液比例伺服阀的样本运行状态数据和对应的样本状态值；
7、基于所述电液比例伺服阀的状态预测值与当前时刻电液比例伺服阀的状态真实值，得到当前时刻电液比例伺服阀的状态偏差值，并判断所述当前时刻电液比例伺服阀的状态偏差值是否超出预设故障阈值；
8、若否，则判定当前时刻电液比例伺服阀未发生故障；
9、若是，则判定当前时刻电液比例伺服阀发生故障，并利用历史故障知识库和所述运行状态数据确定当前时刻电液比例伺服阀的故障类型，完成故障诊断。
10、可选地，对所述运行状态数据进行平稳化处理，得到平稳化处理后的运行状态数据，具体包括：
11、对所述运行状态数据进行去噪处理，得到去噪处理后的运行状态数据；
12、对所述去噪处理后的运行状态数据进行归一化，得到平稳化处理后的运行状态数据。
13、可选地，采用高斯滤波器对所述运行状态数据进行去噪处理，计算公式如下：
14、
15、其中，xfiltered(t)表示在t时刻的滤波结果；x(τ)表示运行状态数据在τ时刻的值；g(t-τ,σ)表示高斯函数；σ是高斯函数的标准差。
16、可选地，在得到平稳化处理后的运行状态数据之后，还包括：
17、采用公式检验所述平稳化处理后的运行状态数据的平稳性，得到检测结果；
18、当所述平稳化处理后的运行状态数据的平稳性不满足预设条件时，对所述平稳化处理后的运行状态数据进行差分处理，直至差分处理后的运行状态数据满足预设条件；
19、其中，φ表示自回归系数；l表示滞后算子；yt表示时间序列数据；δ表示常数项；j表示求和索引；n表示移动平均的阶数；εt是误差项。
20、可选地，所述电液比例伺服阀状态预测模型的拟合训练过程具体包括：
21、对电液比例伺服阀的样本运行状态数据进行季节性分析，确定电液比例伺服阀的样本运行状态数据的季节性周期；
22、基于所述季节性周期，对电液比例伺服阀的样本运行状态数据进行季节性差分，得到季节性差分阶数；
23、基于季节性差分后的电液比例伺服阀的样本运行状态数据，绘制第一自相关函数图和第一偏自相关函数图，确定季节性自回归阶数和季节性移动平均阶数；
24、基于所述电液比例伺服阀的样本运行状态数据，绘制第二自相关函数图和第二偏自相关函数图，确定非季节性自回归阶数和非季节性移动平均阶数；
25、基于所述季节性差分阶数、所述季节性自回归阶数、季节性移动平均阶数、非季节性自回归阶数和非季节性移动平均阶数，对所述sarima模型进行拟合迭代，直至预测误差小于预设阈值时停止迭代，得到所述电液比例伺服阀状态预测模型。
26、可选地，所述电液比例伺服阀状态预测模型的表达式为：
27、
28、其中，p表示确定非季节性自回归阶数；φi表示非季节性自回归参数；i表示非季节性自回归部分的滞后阶数；l表示滞后算子；s表示季节性周期长度；δ表示差分算子；d表示非季节性差分阶数；d表示季节性差分阶数；xt表示电液比例伺服阀的运行状态数据序列；t表示时刻；q表示非季节性移动平均阶数；θj表示非季节性移动平均参数；p表示季节自回归阶数；q表示季节移动平均阶数；θk表示季节性移动平均参数；j和k表示求和索引；εt表示误差项。
29、可选地，利用历史故障知识库和所述运行状态数据确定当前时刻电液比例伺服阀的故障类型，具体包括：
30、对所述运行状态数据进行特征分析，得到特征分析结果；
31、将所述特征分析结果与历史故障知识库中不同故障模式对应的特征条件进行匹配，得到匹配结果，并根据所述匹配结果确定当前时刻电液比例伺服阀的故障类型。
32、第二方面，本申请提供了一种计算机设备，包括：存储器、处理器以存储在存储器上并可在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以实现上述中任一项所述的电液比例伺服阀突发性故障的实时诊断方法的步骤。
33、第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的电液比例伺服阀突发性故障的实时诊断方法的步骤。
34、第四方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的电液比例伺服阀突发性故障的实时诊断方法的步骤。
35、根据本申请提供的具体实施例，本申请公开了以下技术效果：
36、本申请提供了一种电液比例伺服阀突发性故障的实时诊断方法、设备、介质及产品，通过将实时获取的电液比例伺服阀的运行状态数据输入至电液比例伺服阀状态预测模型中，对电液比例伺服阀的运行状态进行预测，能够有效捕捉电液比例伺服阀运行中的周期性和非周期性数据特征，实现故障的实时预警和准确诊断，提高故障检测效率。
本文档来自技高网...【技术保护点】
1.一种电液比例伺服阀突发性故障的实时诊断方法，其特征在于，所述电液比例伺服阀突发性故障的实时诊断方法包括：
2.根据权利要求1所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，对所述运行状态数据进行平稳化处理，得到平稳化处理后的运行状态数据，具体包括：
3.根据权利要求2所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，采用高斯滤波器对所述运行状态数据进行去噪处理，计算公式如下：
4.根据权利要求2所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，在得到平稳化处理后的运行状态数据之后，还包括：
5.根据权利要求1所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，所述电液比例伺服阀状态预测模型的拟合训练过程具体包括：
6.根据权利要求5所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，所述电液比例伺服阀状态预测模型的表达式为：
7.根据权利要求1所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，利用历史故障知识库和所述运行状态数据确定当前时刻电液比例伺服阀的故障
8.一种计算机设备，包括：存储器、处理器以存储在存储器上并可在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计算机程序以实现权利要求1-7中任一项所述的电液比例伺服阀突发性故障的实时诊断方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的电液比例伺服阀突发性故障的实时诊断方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的电液比例伺服阀突发性故障的实时诊断方法。
...【技术特征摘要】
1.一种电液比例伺服阀突发性故障的实时诊断方法，其特征在于，所述电液比例伺服阀突发性故障的实时诊断方法包括：
2.根据权利要求1所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，对所述运行状态数据进行平稳化处理，得到平稳化处理后的运行状态数据，具体包括：
3.根据权利要求2所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，采用高斯滤波器对所述运行状态数据进行去噪处理，计算公式如下：
4.根据权利要求2所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，在得到平稳化处理后的运行状态数据之后，还包括：
5.根据权利要求1所述的电液比例伺服阀突发性故障的实时诊断方法，其特征在于，所述电液比例伺服阀状态预测模型的拟合训练过程具体包括：
6.根据权利要求5所述的电液比例伺服阀突发性故障的实时诊断方法，其...
【专利技术属性】
技术研发人员：王兴坚，李佳潼，张益鑫，张润芝，王少萍，
申请(专利权)人：北京航空航天大学，
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。