本发明专利技术提供一种液压系统故障诊断方法、系统及液压系统，涉及故障检测技术领域，其中方法包括：获取液压系统的运行状态数据；将运行状态数据输入诊断模型中，得到液压系统的故障诊断结果；其中，诊断模型基于液压系统在不同故障类型下的运行状态参数样本，与运行状态参数样本对应的故障类型标签训练得到，运行状态参数样本由从液压系统获取的多种运行状态数据样本组合构成。该方法用以解决现有技术中基于单一类型的检测数据对液压系统的故障类型进行预测，造成的对液压系统故障的诊断结果准确率低的缺陷，实现基于多类型运行状态数据对液压系统故障的诊断，提高诊断结果的准确度。提高诊断结果的准确度。提高诊断结果的准确度。
【技术实现步骤摘要】
液压系统故障诊断方法、系统及作业机械
[0001]本专利技术涉及故障诊断
，尤其涉及一种液压系统故障诊断方法、系统及作业机械。
技术介绍
[0002]液压系统重量轻、功率强且运行平稳，因此普遍运用到机械设备当中，液压系统分为传动系统和控制系统，由动力元件、执行元件、控制元件、辅助元件和液压油组成，各液压元件的结构复杂，且需要实现电能、液压能和机械能之间的相互转换，工作状况复杂。此外，液压系统这种重工机械设备的工作环境恶劣，导致设备故障频发，降低了工作效率且对企业的效益带来很大的影响。
[0003]液压系统复杂的结构和恶劣的工作环境导致其故障排查及修复工作的难度很大。传统的故障诊断方法需要人为地进行特征提取、特征选择和特征融合，这个过程往往需要大量反复的调试和选择，才能获得能够准确反映系统状态的特征，原始信息在这个复杂的特征工程中容易产生消减或丢失，增大了特征提取的不确定性，影响分类结果准确性。而且传统故障诊断方法的计算能力已经明显无法满足如今“机械大数据”背景下的故障诊断需求。在这种情况下，基于深度学习的故障诊断方法应时而生，克服了传统故障诊断方法的不足，实现大数据发展趋势下机械设备特征自适应提取与健康状况智能诊断。
[0004]然而，目前用于液压系统故障诊断的深度学习模型，多基于液压系统在运行时的一种检测数据进行故障的预测，这对于结构和工作状况均较为复杂的液压系统来说，对于故障类型的预测并不够准确。
技术实现思路
[0005]本专利技术提供一种液压系统故障诊断方法、系统及作业机械，用以解决现有技术中基于单一类型的检测数据对液压系统的故障类型进行预测，造成的对液压系统故障的诊断结果准确率低的缺陷，实现基于多类型运行状态数据对液压系统故障的诊断，提高诊断结果的准确度。
[0006]本专利技术提供一种液压系统故障诊断方法，包括：
[0007]获取液压系统的运行状态数据；
[0008]将所述运行状态数据输入诊断模型中，得到所述液压系统的故障诊断结果；
[0009]其中，所述诊断模型基于所述液压系统在不同故障类型下的运行状态参数样本，与所述运行状态参数样本对应的故障类型标签训练得到，所述运行状态参数样本由从所述液压系统获取的多种运行状态数据样本组合构成。
[0010]根据本专利技术所述的液压系统故障诊断方法，将所述运行状态数据输入诊断模型中，得到所述液压系统的故障诊断结果，包括：
[0011]对所述运行状态数据进行标准归一化处理，得到运行状态参数；
[0012]对所述运行状态参数进行特征提取，得到所述运行状态参数中表征所述液压系统
工作状态的特征；
[0013]对所述特征进行降维处理，得到降维特征；
[0014]对所述降维特征进行非线性组合，得到组合特征；
[0015]对所述组合特征进行分类，得到所述故障诊断结果。
[0016]根据本专利技术所述的液压系统故障诊断方法，所述运行状态数据包括：油液温度、油液压力、油液流量、振动频率、噪声中的一种或多种。
[0017]根据本专利技术所述的液压系统故障诊断方法，对所述运行状态数据进行标准归一化处理，得到运行状态参数，包括：
[0018]基于所述运行状态数据的种类，将所述运行状态数据进行分类，得到以种类进行划分的各类运行状态数据；
[0019]基于所述各类运行状态数据的数据总量，计算得到所述各类运行状态数据的均值；
[0020]基于所述各类运行状态数据、所述数据总量和所述均值，计算得到所述各类运行状态数据的标准差；
[0021]基于所述各类运行状态数据、所述均值和所述标准差，得到所述各类运行状态数据的运行状态参数；
[0022]将所述各类运行状态数据的运行状态参数组合，得到所述运行状态数据经标准归一化处理后得到的所述运行状态参数。
[0023]根据本专利技术所述的液压系统故障诊断方法，所述诊断模型的构建方式为：
[0024]基于所述运行状态参数样本，以及与所述运行状态参数样本对应的故障类型标签训练得到预备诊断模型；
[0025]对所述预备诊断模型进行超参数调优；
[0026]将经所述超参数调优后的所述预备诊断模型，作为所述诊断模型。
[0027]根据本专利技术所述的液压系统故障诊断方法，对所述预备诊断模型进行超参数调优，包括：
[0028]基于将所述运行状态参数样本输入所述预备诊断模型得到的故障类型预测结果，和所述运行状态参数样本对应的故障类型标签，得到表征所述故障类型预测结果与所述故障类型标签间的误差的目标函数；
[0029]基于所述目标函数和上一时间步长时的所述超参数，得到在当前所述时间步长的所述目标函数梯度；
[0030]基于所述目标函数梯度和在上一所述时间步长时的期望，得到在当前所述时间步长的所述目标函数梯度的期望；
[0031]基于在当前所述时间步长的所述目标函数梯度的期望，得到在当前所述时间步长的偏置矫正；
[0032]基于在当前所述时间步长的偏置矫正和上一所述时间步长时的所述超参数，得到在当前所述时间步长的所述超参数；
[0033]基于在当前所述时间步长的所述超参数，更新上一所述时间步长时的所述超参数，直至所述目标函数收敛。
[0034]本专利技术还提供一种液压系统故障诊断系统，包括：
[0035]获取模块，用于获取液压系统的运行状态数据；
[0036]处理模块，用于将所述运行状态数据输入诊断模型中，得到所述液压系统的故障诊断结果；
[0037]其中，所述诊断模型基于所述液压系统在不同故障类型下的运行状态参数样本，与所述运行状态参数样本对应的故障类型标签训练得到，所述运行状态参数样本由从所述液压系统获取的多种运行状态数据样本组合构成。
[0038]本专利技术还提供一种包括如上述所述的液压系统故障诊断系统的作业机械。
[0039]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程序时实现如上述任一种所述的液压系统故障诊断方法。
[0040]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的液压系统故障诊断方法。
[0041]本专利技术提供的一种液压系统故障诊断方法、系统及作业机械，通过将获取的液压系统的运行状态数据输入预先基于液压系统在不同故障类型下的运行状态参数样本，以及与运行状态参数样本对应的故障类型标签训练得到的诊断模型中，得到液压系统的故障诊断结果，同时，运行状态参数样本由从液压系统获取的多种运行状态数据样本组合构成，使得诊断模型能够基于造成液压系统故障的多种因素进行综合预测，有效提高了基于诊断模型判断液压系统故障类型的准确率。
[0042]通过将包含多种数据类型的运行状态数据进行标准归一化处理，使得各个维度的特征归一化到同一取值区间，消除了不同特征之间的相关性，使得诊断本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种液压系统故障诊断方法，其特征在于，包括：获取液压系统的运行状态数据；将所述运行状态数据输入诊断模型中，得到所述液压系统的故障诊断结果；其中，所述诊断模型基于所述液压系统在不同故障类型下的运行状态参数样本，与所述运行状态参数样本对应的故障类型标签训练得到，所述运行状态参数样本由从所述液压系统获取的多种运行状态数据样本组合构成。2.根据权利要求1所述的液压系统故障诊断方法，其特征在于，将所述运行状态数据输入诊断模型中，得到所述液压系统的故障诊断结果，包括：对所述运行状态数据进行标准归一化处理，得到运行状态参数；对所述运行状态参数进行特征提取，得到所述运行状态参数中表征所述液压系统工作状态的特征；对所述特征进行降维处理，得到降维特征；对所述降维特征进行非线性组合，得到组合特征；对所述组合特征进行分类，得到所述故障诊断结果。3.根据权利要求2所述的液压系统故障诊断方法，其特征在于，所述运行状态数据包括：油液温度、油液压力、油液流量、振动频率、噪声中的一种或多种。4.根据权利要求3所述的液压系统故障诊断方法，其特征在于，对所述运行状态数据进行标准归一化处理，得到运行状态参数，包括：基于所述运行状态数据的种类，将所述运行状态数据进行分类，得到以种类进行划分的各类运行状态数据；基于所述各类运行状态数据的数据总量，计算得到所述各类运行状态数据的均值；基于所述各类运行状态数据、所述数据总量和所述均值，计算得到所述各类运行状态数据的标准差；基于所述各类运行状态数据、所述均值和所述标准差，得到所述各类运行状态数据的运行状态参数；将所述各类运行状态数据的运行状态参数组合，得到所述运行状态数据经标准归一化处理后得到的所述运行状态参数。5.根据权利要求1所述的液压系统故障诊断方法，其特征在于，所述诊断模型的构建方式为：基于所述运行状态参数样本，以及与所述运行状态参数样本对应的故障类型标签训练得到预备诊断模型；对所述...
【专利技术属性】
技术研发人员：何文卓，
申请(专利权)人：三一重机有限公司，
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。