基于故障树和模糊神经网络的汽车起重机故障诊断方法技术

本发明专利技术公开了一种基于故障树和模糊神经网络的汽车起重机故障诊断方法，步骤包括：1）采用演绎法建立汽车起重机顶事件故障树；2）根据故障树支路情况与经验知识确定模糊神经网络的输入、输出节点数目，建立模糊神经网络结构模型；3）根据故障树各分支中所蕴含的知识，提取训练样本，并对神经网络进行训练，建立神经网络推理计算所需的网络权值和阈值矩阵；4）利用现有汽车起重机状态监测平台上的数据，运用统计参数法中的3σ准则法确立模糊预处理所需的模糊隶属函数；5)将实测数据输入到模糊神经网络中进行计算，输出故障模式。本发明专利技术方法避免了检测过程的盲目性与繁琐性，提高诊断准确率。

Fault diagnosis method of truck crane based on fault tree and fuzzy neural network

The invention discloses a method based on fault tree and fuzzy neural network fault diagnosis method of automobile crane, comprising the following steps: 1) by using deductive method established auto crane top event of fault tree; 2) according to the fault tree branch and the experience knowledge to determine the number of input and output nodes of the fuzzy neural network, fuzzy neural network model 3); according to the fault tree of each branch contains the knowledge from training samples, and to train the neural network, a neural network reasoning network weights and threshold matrix computation; 4) using the existing automobile crane monitoring platform data, establish the fuzzy membership function of the pretreatment needed by 3 rule of law statistical parameter method; 5) the measured data will be input into fuzzy neural network calculation, output fault mode. The method of the invention avoids the blindness and the complexity of the detection process and improves the accuracy of diagnosis.

【技术实现步骤摘要】

本专利技术属于汽车起重机故障检测
，涉及一种。
技术介绍
汽车起重机是一种起重机械部分安装在汽车通用底盘或专用汽车底盘上，具有载重汽车行驶性能的轮式起重机，它机动性好，转移方便，运行速度快，广泛适用于工矿企业、建筑工地、车站、港口等进行货物装卸、转移、设备安装及高空作业等各种起重作业。它对减轻劳动强度、节省人力，降低建设成本，提高施工质量，加快建设速度，实现工程施工机械化起着十分重要的作用。但长期以来汽车起重机安全作业形势十分严峻，汽车起重机产品由于其系统组成复杂，工作环境恶劣，通常要求高负荷、长时间运行，加上维护保养体系的相对落后，因此系统经常会出现各种故障，机毁人亡重大事故时有发生，严重影响了建设项目的进度、效益以及人民财产安全。从国内外对汽车起重机故障诊断的现状来看，一般还是采取传统的故障诊断方法，即维修人员在实践经验的指导下，根据系统原理图和动作循环表，通过比较、区域分析、综合分析等方法确定可疑液压零部件，然后对可疑液压零部件进行更换测试来判定故障原因，最后通过串换部件的方式来消除故障。这种方法要求维修人员掌握较深的相关专业基本理论及工作原理，具有较强的判断分析能力，方可保证诊断的有效性和准确性。诊断过程十分繁琐，要经过大量的检查、验证工作，系统故障检测过程中的盲目性不可避免，拆装工作量也较大，且只能是定性分析，而且对现代电子技术与液压控制技术方面的故障判别更为困难，因而诊断出的原因往往不够准确。因此，这种方式耗时、费力、低效、经济效益不佳。
技术实现思路
本专利技术提供了一种，解决了现有汽车起重机故障诊断中，存在耗时、费力、低效、经济效益不佳的技术问题。本专利技术的技术方案是，，按照以下步骤实施:I)采用演绎法建立汽车起重机顶事件故障树；2)根据故障树支路情况与经验知识确定模糊神经网络的网络输入、网络输出节点数目，建立模糊神经网络结构模型；3)根据故障树各分支中所蕴含的知识，提取训练样本，并对神经网络进行训练，建立神经网络推理计算所需的网络权值和阈值矩阵；4)利用汽车起重机状态监测平台上的历史数据，运用统计参数法中的3 σ准则法确立模糊预处理所需的模糊隶属函数；5)将汽车起重机状态监测平台的实测数据输入到通过以上步骤建立好的模糊神经网络中进行计算，得到诊断结果，输出故障模式。[0011 ] 本专利技术的有益效果在于：利用汽车起重机现有状态监测平台的数据以及故障树知识，建立汽车起重机模糊神经网络模型进行故障诊断与预测，既可以模仿人脑的逻辑思维，又可以模仿人脑神经元的功能；既可以描述具有模糊概念的问题，又具有强大的学习能力和数据的直接处理能力；既具有较强的结构知识表达能力、自然语言处理能力，又具有很强的容错能力；保证诊断的有效性和准确性；维修人员无需掌握较深的相关专业基本理论及工作原理，也无需经过大量的拆装、检查、验证工作，避免了检测过程的盲目性与繁琐性，解决了诊断耗时、费力、低效、经济效益不佳的问题。【附图说明】图I为本专利技术方法的故障诊断流程图；图2是本专利技术方法实施例I的起升系统原理图；图3是本专利技术方法实施例I的故障树模型；图4是本专利技术方法实施例I的模糊神经网络诊断模型；图5是本专利技术方法实施例I对卷扬马达升口压力的隶属函数参数曲线。图中，I、油箱；2、滤油器；3、变量泵；4、回转接头；5、溢流阀；6、减压阀；7、比例减压阀A ;8、比例减压阀B ;9、减压阀；10、二通电磁阀；11、换向阀；12、平衡阀；13、卷扬马达、14、液压制动缸；15、联轴器；16、减速器；17、卷筒。 【具体实施方式】 下面结合附图和【具体实施方式】对本专利技术进行详细说明。参照图1，本专利技术，其故障诊断流程是，包括构建模糊神经网络模型，汽车起重机实测平台采集的实测数据输入该模糊神经网络模型中，最后输出故障模式。汽车起重机实测平台实测数据的采集通过温度传感器、压力传感器、振动传感器、流量传感器、倾角传感器、以及相应的按钮和开关的电控手柄实现；其中的温度传感器设置在液压油箱内，压力传感器设置在泵、阀、马达等关键零部件的进出口油路上，振动传感器设置在泵、阀、马达等关键零部件的外壳壳体上，流量传感器设置在在泵、阀、马达等关键零部件的进出口油路上，倾角传感器设置在汽车起重机的臂架上。按钮和开关，主要包含卷扬下降允许按钮、卷扬上升允许按钮、回转允许按钮、自动怠速压力开关、主工况按钮、副工况按钮及参数设置按钮等，设置在驾驶室内的电控手柄和操作面板上。模糊神经网络模型的构建的硬件形式是构建模糊神经网络控制器，模糊神经网络控制器的输入端分别与上述的数据采集设备通过信号线连接；模糊神经网络控制器的输出端分别通过显示器、蜂鸣器通过信号线连接，实现故障模式的输出。本专利技术的，按照以下步骤实施：I)采用演绎法建立汽车起重机顶事件故障树首先是找出直接导致顶端事件发生的各种可能因素组合，如硬件故障、环境因素和人为差错等；其次找出第一步中各因素的直接原因，循此方法逐级向下演绎，一直追溯到引起系统发生故障的全部原因，即分析到不需要继续分析原因的底事件为止；然后把各级事件用相应的符号和适合于它们之间逻辑关系的逻辑门与顶事件相连接，得到一棵以顶事件为根，中间事件为节，底事件为叶的具有若干级的倒置故障树。2)根据故障树支路情况与经验知识确定模糊神经网络的网络输入、网络输出节点数目，建立模糊神经网络结构模型；3)根据故障树各分支中所蕴含的知识，提取训练样本，并对神经网络进行训练，建立神经网络推理计算所需的网络权值和阈值知识(或称为网络权值和阈值矩阵);4)利用现有汽车起重机状态监测平台上的历史数据，运用统计参数法中的3 σ准则法确立模糊预处理所需的模糊隶属函数；3σ准则:故障界限(诊断参数值偏高或偏低)为F±3cr;参数正常界限为Ρ±σ0030]均值:本文档来自技高网...

【技术保护点】
基于故障树和模糊神经网络的汽车起重机故障诊断方法，其特点是，按照以下步骤实施：1）采用演绎法建立汽车起重机顶事件故障树；2）根据故障树支路情况与经验知识确定模糊神经网络的网络输入、网络输出节点数目，建立模糊神经网络结构模型；3）根据故障树各分支中所蕴含的知识，提取训练样本，并对神经网络进行训练，建立神经网络推理计算所需的网络权值和阈值矩阵；4）利用汽车起重机状态监测平台上的历史数据，运用统计参数法中的3σ准则法确立模糊预处理所需的模糊隶属函数；5)将汽车起重机状态监测平台的实测数据输入到通过以上步骤建立好的模糊神经网络中进行计算，得到诊断结果，输出故障模式。

【技术特征摘要】
1.基于故障树和模糊神经网络的汽车起重机故障诊断方法，其特点是，按照以下步骤实施: 1)采用演绎法建立汽车起重机顶事件故障树； 2)根据故障树支路情况与经验知识确定模糊神经网络的网络输入、网络输出节点数目，建立模糊神经网络结构模型； 3)根据故障树各分支中所蕴含的知识，提取训练样本，并对神经网络进行训练，建立神经网络推理计算所需的网络权值和阈值矩阵； 4)利用汽车起重机状态监测平台上的历史数据，运用统计参数法中的3σ准则法确立模糊预处理所需的模糊隶属函数； 5)将汽车起重机状态监测平台的实测数据输入到通过以上步骤建立好的模糊神经网络中进行计算，得到诊断结果，输出故障模式。2.根据权利要求1所述的基于故障树和模糊神经网络的汽车起重机故...

【专利技术属性】
技术研发人员：游张平，方建平，
申请(专利权)人：丽水学院，
类型：发明
国别省市：