基于故障树和PNN神经网络的凿岩机器人故障诊断方法，包括以下步骤：建立凿岩机器人的电液控制系统的典型故障的关联耦合体系表；根据关联耦合体系表建立以凿岩机器人的电液控制系统的典型故障为顶事件的故障树；求取故障树的最小割集，并选取出典型故障所代表的最小割集；根据典型故障所代表的最小割集建立故障征兆矩阵；将故障征兆矩阵的数据输入到训练好的PNN神经网络，利用PNN神经网络生成故障诊断结果向量；根据故障诊断结果向量判断是否出现典型故障，若未出现典型故障，则结束；若出现典型故障，计算底事件X的关键重要度，并分析出现典型故障的原因。本发明专利技术能够提高凿岩机器人的电液控制系统的典型故障诊断效率。
【技术实现步骤摘要】
本专利技术涉及凿岩机器人机器，具体的说是基于故障树和pnn神经网络的凿岩机器人故障诊断方法。
技术介绍
1、隧道开挖是现代交通、水电、矿山、军事工程等大规模基础设施建设中的一项难度大、耗资耗时多、劳动条件差但又十分关键、十分重要的施工作业。隧道开挖一般采用掘进法和钻爆法。掘进法采用庞大复杂的掘进机，具有掘进速度快和安全的特点，但是全断面掘进机价格非常昂贵。钻爆法采用的凿岩机器人，不仅施工灵活，断面适应性好，而且价格与掘进机相比更低。因此，采用钻爆法的凿岩机器人对隧道进行开挖。
2、凿岩机器人的核心部件是电液控制系统，电液控制系统是基于液压原理控制机器人工作的装置，能够提供准确的动力输出和精细的动作控制，因此，电液控制系统直接影响着凿岩机器人的工作性能。但是，由于工作环境的复杂性和任务强度的繁重性，凿岩机器人的电液控制系统常面临各种故障。
3、目前采用的是人工加部分检测仪表的方法进行实时诊断，但诊断效率低。
技术实现思路
1、为了解决现有技术中存在的凿岩机器人故障诊断效率低的问题，本专利技术提供基于故障树和pnn神经网络的凿岩机器人故障诊断方法，通过构建故障诊断模型，实现对凿岩机器人电液控制系统的典型故障状态的识别，提高凿岩机器人典型故障诊断效率。
2、为了实现上述目的，本专利技术采用的具体方案为：基于故障树和pnn神经网络的凿岩机器人故障诊断方法，包括以下步骤：
3、建立凿岩机器人的电液控制系统的典型故障的关联耦合体系表；
>4、根据关联耦合体系表建立以凿岩机器人的电液控制系统的典型故障为顶事件的故障树；5、求取故障树的最小割集，并选取出典型故障所代表的最小割集；
6、根据典型故障所代表的最小割集建立故障征兆矩阵；
7、将故障征兆矩阵的数据输入到训练好的pnn神经网络，利用pnn神经网络生成故障诊断结果向量；
8、根据故障诊断结果向量判断是否出现典型故障，若未出现典型故障，则结束；若出现典型故障，计算底事件x的关键重要度ic(i)，并分析出现典型故障的原因。
9、作为上述基于故障树和pnn神经网络的凿岩机器人故障诊断方法的一种优化方案，建立凿岩机器人的电液控制系统的典型故障的关联耦合体系表的具体步骤包括：
10、确定电液控制系统的部件的典型故障和运行参数；
11、得到电液控制系统运行过程中典型故障与运行参数的关联耦合关系；
12、建立凿岩机器人的电液控制系统的典型故障的关联耦合体系表。
13、作为上述基于故障树和pnn神经网络的凿岩机器人故障诊断方法的一种优化方案，根据关联耦合体系表建立以凿岩机器人的电液控制系统的典型故障为顶事件的故障树的具体步骤包括：
14、以电液控制系统的典型故障作为故障树的顶事件，根据电液控制系统的逻辑结构，得出导致顶事件发生的中间事件m和底事件x；
15、根据关联耦合体系表，将顶事件、中间事件m和底事件x相连，画出故障树。
16、作为上述基于故障树和pnn神经网络的凿岩机器人故障诊断方法的一种优化方案，求取故障树的最小割集，并选取出典型故障所代表的最小割集的具体步骤包括：
17、画出故障树后，采用“下行法”得到故障树的最小割集：{x1}～{xn}；
18、根据底事件x的关键重要度ic(i)，选取m(m<n)个典型故障进行诊断。
19、作为上述基于故障树和pnn神经网络的凿岩机器人故障诊断方法的一种优化方案，根据典型故障所代表的最小割集建立故障征兆矩阵的具体步骤包括：
20、根据典型故障的种类，确定需诊断的典型故障和运行参数；
21、读取运行参数，建立故障征兆矩阵，矩阵的每一行代表一个最小割集，每一列代表该行最小割集的运行参数的数据，形成x行、y列的故障征兆矩阵。
22、作为上述基于故障树和pnn神经网络的凿岩机器人故障诊断方法的一种优化方案，将故障征兆矩阵的数据输入到训练好的pnn神经网络中，利用pnn神经网络生成故障诊断结果向量的具体步骤包括：将故障征兆矩阵的每一行所代表的最小割集的运行参数的数据输入到训练好的pnn神经网络中，并利用pnn神经网络生成故障诊断结果向量。
23、作为上述基于故障树和pnn神经网络的凿岩机器人故障诊断方法的一种优化方案：根据故障树计算顶事件、中间事件m和底事件x的发生频率以及底事件x的关键重要度ic(i)；
24、基于底事件x的发生概率pi计算顶事件的发生概率g(p)：
25、式中：n表示底事件x的数量；
26、基于顶事件的发生概率g(p)计算底事件的概率重要度ig(i)：
27、ig(i)＝g(1ip)-g(0ip)，式中：g(1ip)为底事件发生时顶事件发生的概率，g(0ip)为底事件不发生时顶事件发生的概率；
28、基于底事件的概率重要度ig(i)计算底事件的关键重要度ic(i)：
29、与现有技术相比，本专利技术有如下有益效果：本专利技术能够快速定位凿岩机器人的电液控制系统的典型故障的发生部件，平均诊断率为80％，平均诊断时间为1.2秒。提高凿岩机器人的电液控制系统的典型故障诊断效率。
本文档来自技高网...
【技术保护点】
1.基于故障树和PNN神经网络的凿岩机器人故障诊断方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于故障树和PNN神经网络的凿岩机器人故障诊断方法，其特征在于，建立凿岩机器人的电液控制系统的典型故障的关联耦合体系表的具体步骤包括：
3.如权利要求2所述基于故障树和PNN神经网络的凿岩机器人故障诊断方法，其特征在于，根据关联耦合体系表建立以凿岩机器人的电液控制系统的典型故障为顶事件的故障树的具体步骤包括：
4.如权利要求3所述基于故障树和PNN神经网络的凿岩机器人故障诊断方法，其特征在于，求取故障树的最小割集，并选取出典型故障所代表的最小割集的具体步骤包括：
5.如权利要求4所述基于故障树和PNN神经网络的凿岩机器人故障诊断方法，其特征在于，根据典型故障所代表的最小割集建立故障征兆矩阵的具体步骤包括：根据典型故障的种类，确定需诊断的典型故障和运行参数；
6.如权利要求5所述基于故障树和PNN神经网络的凿岩机器人故障诊断方法，其特征在于，将故障征兆矩阵的数据输入到训练好的PNN神经网络中，利用PNN神经网络生成故障诊断结果向量的具体步骤包括：将故障征兆矩阵的每一行所代表的最小割集的运行参数的数据输入到训练好的PNN神经网络中，并利用PNN神经网络生成故障诊断结果向量。
7.如权利要求6所述基于故障树和PNN神经网络的凿岩机器人故障诊断方法，其特征在于：根据故障树计算顶事件、中间事件M和底事件X的发生频率以及底事件X的关键重要度Ic(i)；
...
【技术特征摘要】
1.基于故障树和pnn神经网络的凿岩机器人故障诊断方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于故障树和pnn神经网络的凿岩机器人故障诊断方法，其特征在于，建立凿岩机器人的电液控制系统的典型故障的关联耦合体系表的具体步骤包括：
3.如权利要求2所述基于故障树和pnn神经网络的凿岩机器人故障诊断方法，其特征在于，根据关联耦合体系表建立以凿岩机器人的电液控制系统的典型故障为顶事件的故障树的具体步骤包括：
4.如权利要求3所述基于故障树和pnn神经网络的凿岩机器人故障诊断方法，其特征在于，求取故障树的最小割集，并选取出典型故障所代表的最小割集的具体步骤包括：
5.如权利要求4所述基于故障树和pnn神经网络的...
【专利技术属性】
技术研发人员：宋志良，王蓓，董永乐，杨帅岭，李宇姣，
申请(专利权)人：河南省耿力工程设备有限公司，
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。