一种综合传动装置转向系统故障诊断方法及系统制造方法及图纸

技术编号:32858173 阅读:22 留言:0更新日期:2022-03-30 19:32
本发明专利技术涉及一种综合传动装置转向系统故障诊断方法及系统,方法包括:获取综合传动装置转向系统中不同位置在不同工况下的电压信号;根据电压信号、电压信号对应的工况以及电压信号对应的位置构建不同工况下的数据集;利用不同工况下的数据集对隐马尔科夫模型进行训练,得到训练后的隐马尔科夫模型;利用粒子群算法对训练后的隐马尔科夫模型进行优化,得到优化的隐马尔科夫模型;基于优化的隐马尔科夫模型对待识别的电压信号进行识别,输出不同工况下的似然概率;根据所述似然概率确定与输入电压信号对应的工况,并将待识别的电压信号对应的位置确定为故障位置。本发明专利技术通过优化的隐马尔科夫模型可以迅速定位故障发生的位置,提高了故障定位的准确性。提高了故障定位的准确性。提高了故障定位的准确性。

【技术实现步骤摘要】
一种综合传动装置转向系统故障诊断方法及系统


[0001]本专利技术涉及故障诊断领域,特别是涉及一种综合传动装置转向系统故障诊断方法及系统。

技术介绍

[0002]04步战车的综合传动装置是将液力传动、机械传动、液压无级转向技术和离合器多自由度换挡技术等融合于一体的复杂传动系统,综合传动装置功能全面、整体技术水平先进,明显提高了装甲车的机动性能。综合传动装置采用变量柱塞泵驱动定量柱塞马达实现各档液压无级转向和空档原地中心转向。综合传动装置在实际使用中可能会出现高压油路密封损坏、变量柱塞泵和定量柱塞马达早期磨损、排量控制机构失灵以及溢流阀堵塞等故障,影响底盘系统转向的灵活性和稳定性,严重时导致车辆无法转向。液压式转向机构是综合传动装置功能实现的关键部件,液压式转向机构的运行工况是综合传动装置的运行工况的重要表征,是工况检测和故障诊断的重点、难点。这些故障发生后,通过人工确定故障位置,因此,很难准确的定位故障位置,从而不能有效的解决问题。

技术实现思路

[0003]本专利技术的目的是提供一种综合传动装置转向系统故障诊断方法及系统,以解决现有技术中故障位置定位不准确的问题。
[0004]为实现上述目的,本专利技术提供了如下方案:
[0005]一种综合传动装置转向系统故障诊断方法,包括:
[0006]获取综合传动装置转向系统中不同位置在不同工况下的电压信号;所述工况包括正常、磨损以及损坏;
[0007]根据所述电压信号、所述电压信号对应的工况以及所述电压信号对应的位置构建不同工况下的数据集;
[0008]利用所述不同工况下的数据集对隐马尔科夫模型进行训练,得到训练后的隐马尔科夫模型;所述隐马尔科夫模型包括正常工况下的隐马尔科夫子模型、磨损工况下的隐马尔科夫子模型以及损坏工况下的隐马尔科夫子模型;
[0009]利用粒子群算法对所述训练后的隐马尔科夫模型进行优化,得到优化的隐马尔科夫模型;
[0010]基于所述优化的隐马尔科夫模型对待识别的电压信号进行识别,输出不同工况下的似然概率;
[0011]根据所述似然概率确定与输入电压信号对应的工况,并将所述待识别的电压信号对应的位置确定为故障位置。
[0012]可选的,所述根据所述电压信号、所述电压信号对应的工况以及所述电压信号对应的位置构建不同工况下的数据集,具体包括:
[0013]根据所述电压信号确定特征参数;所述特征参数包括电压信号和标准电压信号的
标准差、方差、裕度指数、脉冲指数以及峰值因子;
[0014]对所述特征参数进行局部均值分解,提取瞬时能量,得到包含瞬时能量的特征参数;
[0015]根据所述包含瞬时能量的特征参数、所述包含瞬时能量的特征参数对应的工况以及所述包含瞬时能量的特征参数对应的位置,构建不同工况下的数据集。
[0016]可选的,当所述电压信号为2.7

3.2V时,所述工况为正常;当所述电压信号为2.1

2.6V或者3.3

3.8V时,所述工况为磨损;当所述电压信号为1

2V或者3.9

6V时,所述工况为损坏。
[0017]可选的,所述利用所述不同工况下的数据集对隐马尔科夫模型进行训练,得到训练后的隐马尔科夫模型,具体包括:
[0018]利用正常工况下的数据集对所述正常工况下的隐马尔科夫子模型进行训练,得到训练后的正常工况下的隐马尔科夫子模型;
[0019]利用磨损工况下的数据集对所述磨损工况下的隐马尔科夫子模型进行训练,得到训练后的磨损工况下的隐马尔科夫子模型;
[0020]利用损坏工况下的数据集对所述损坏工况下的隐马尔科夫子模型进行训练,得到训练后的损坏工况下的隐马尔科夫子模型;
[0021]根据所述训练后的正常工况下的隐马尔科夫子模型、所述训练后的磨损工况下的隐马尔科夫子模型以及所述训练后的损坏工况下的隐马尔科夫子模型,确定所述训练后的隐马尔科夫模型。
[0022]可选的,所述利用粒子群算法对所述训练后的隐马尔科夫模型进行优化,得到优化的隐马尔科夫模型,具体包括:
[0023]利用粒子群算法确定所述训练后的隐马尔科夫模型的最优参数;
[0024]根据所述最优参数优化所述训练后的隐马尔科夫模型,得到优化的隐马尔科夫模型。
[0025]可选的,所述根据所述似然概率确定与输入电压信号对应的工况,具体包括:
[0026]选取所述似然概率中的最大似然概率,将所述最大似然概率对应的工况确定为与输入电压信号对应的工况。
[0027]一种综合传动装置转向系统故障诊断系统,包括:
[0028]信号获取模块,用于获取综合传动装置转向系统中不同位置在不同工况下的电压信号;所述工况包括正常、磨损以及损坏;
[0029]数据集构建模块,用于根据所述电压信号、所述电压信号对应的工况以及所述电压信号对应的位置构建不同工况下的数据集;
[0030]模型训练模块,用于利用所述不同工况下的数据集对隐马尔科夫模型进行训练,得到训练后的隐马尔科夫模型;所述隐马尔科夫模型包括正常工况下的隐马尔科夫子模型、磨损工况下的隐马尔科夫子模型以及损坏工况下的隐马尔科夫子模型;
[0031]模型优化模块,用于利用粒子群算法对所述训练后的隐马尔科夫模型进行优化,得到优化的隐马尔科夫模型;
[0032]识别模块,用于基于所述优化的隐马尔科夫模型对待识别的电压信号进行识别,输出不同工况下的似然概率;
[0033]故障位置确定模块,用于根据所述似然概率确定与输入电压信号对应的工况,并将所述待识别的电压信号对应的位置确定为故障位置。
[0034]可选的,所述数据集构建模块,具体包括:
[0035]参数选取单元,用于根据所述电压信号,确定特征参数;所述特征参数包括电压信号和标准电压信号的标准差、方差、裕度指数、脉冲指数以及峰值因子;
[0036]提取单元,用于对所述特征参数进行局部均值分解,提取瞬时能量,得到包含瞬时能量的特征参数;
[0037]构建单元,用于根据所述包含瞬时能量的特征参数、所述包含瞬时能量的特征参数对应的工况以及所述包含瞬时能量的特征参数对应的位置,构建不同工况下的数据集。
[0038]可选的,所述模型训练模块,具体包括:
[0039]第一训练单元,用于利用正常工况下的数据集对所述正常工况下的隐马尔科夫子模型进行训练,得到训练后的正常工况下的隐马尔科夫子模型;
[0040]第二训练单元,用于利用磨损工况下的数据集对所述磨损工况下的隐马尔科夫子模型进行训练,得到训练后的磨损工况下的隐马尔科夫子模型;
[0041]第三训练单元,用于利用损坏工况下的数据集对所述损坏工况下的隐马尔科夫子模型进行训练,得到训练后的损坏工况下的隐马尔科夫子模型;
[0042]模型确定单元,用于根据所述训练后的正常工况下的隐马尔科夫子模型、所述训练后本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种综合传动装置转向系统故障诊断方法,其特征在于,包括:获取综合传动装置转向系统中不同位置在不同工况下的电压信号;所述工况包括正常、磨损以及损坏;根据所述电压信号、所述电压信号对应的工况以及所述电压信号对应的位置构建不同工况下的数据集;利用所述不同工况下的数据集对隐马尔科夫模型进行训练,得到训练后的隐马尔科夫模型;所述隐马尔科夫模型包括正常工况下的隐马尔科夫子模型、磨损工况下的隐马尔科夫子模型以及损坏工况下的隐马尔科夫子模型;利用粒子群算法对所述训练后的隐马尔科夫模型进行优化,得到优化的隐马尔科夫模型;基于所述优化的隐马尔科夫模型对待识别的电压信号进行识别,输出不同工况下的似然概率;根据所述似然概率确定与输入电压信号对应的工况,并将所述待识别的电压信号对应的位置确定为故障位置。2.根据权利要求1所述的一种综合传动装置转向系统故障诊断方法,其特征在于,所述根据所述电压信号、所述电压信号对应的工况以及所述电压信号对应的位置构建不同工况下的数据集,具体包括:根据所述电压信号,确定特征参数;所述特征参数包括电压信号和标准电压信号的标准差、方差、裕度指数、脉冲指数以及峰值因子;对所述特征参数进行局部均值分解,提取瞬时能量,得到包含瞬时能量的特征参数;根据所述包含瞬时能量的特征参数、所述包含瞬时能量的特征参数对应的工况以及所述包含瞬时能量的特征参数对应的位置,构建不同工况下的数据集。3.根据权利要求2所述的一种综合传动装置转向系统故障诊断方法,其特征在于,当所述电压信号为2.7

3.2V时,所述工况为正常;当所述电压信号为2.1

2.6V或者3.3

3.8V时,所述工况为磨损;当所述电压信号为1

2V或者3.9

6V时,所述工况为损坏。4.根据权利要求1所述的一种综合传动装置转向系统故障诊断方法,其特征在于,所述利用所述不同工况下的数据集对隐马尔科夫模型进行训练,得到训练后的隐马尔科夫模型,具体包括:利用正常工况下的数据集对所述正常工况下的隐马尔科夫子模型进行训练,得到训练后的正常工况下的隐马尔科夫子模型;利用磨损工况下的数据集对所述磨损工况下的隐马尔科夫子模型进行训练,得到训练后的磨损工况下的隐马尔科夫子模型;利用损坏工况下的数据集对所述损坏工况下的隐马尔科夫子模型进行训练,得到训练后的损坏工况下的隐马尔科夫子模型;根据所述训练后的正常工况下的隐马尔科夫子模型、所述训练后的磨损工况下的隐马尔科夫子模型以及所述训练后的损坏工况下的隐马尔科夫子模型,确定所述训练后的隐马尔科夫模型。5.根据权利要求1所述的一种综合传动装置转向系统故障诊断方法,其特征在于,所述利用粒子群算法对所述训练后的隐马尔科夫模型进行优化...

【专利技术属性】
技术研发人员:李英顺郭占男刘海洋张杨赵玉鑫匡博琪
申请(专利权)人:沈阳顺义科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1