本发明专利技术涉及一种高速开关阀故障诊断方法,其特征在于:包括搭接实验系统;设置实验系统特征阀;根据提取的特征曲线和特征向量;通过小波包对信号进行重构;采用能量-故障的诊断方法提取信号特征值;最后利用已有的数据训练BP神经网络,对数据进行故障分类步骤。本发明专利技术同现有技术相比的优越性在于:利用检测驱动端电流的方法来检测高速开关阀的状态,利用机械装置模拟高速开关阀的故障,以及并利用信号处理和模式分类方法对高速开关阀的正常和故障进行识别,信号易于提取,便于实施,通过对驱动端电流的分析,可准确识别高速开关阀的状态,大大提高了液压系统的可靠性和安全性。
【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种高速开关阀故障诊断方法,其特征在于:包括搭接实验系统;设置实验系统特征阀;根据提取的特征曲线和特征向量;通过小波包对信号进行重构;采用能量-故障的诊断方法提取信号特征值;最后利用已有的数据训练BP神经网络,对数据进行故障分类步骤。本专利技术同现有技术相比的优越性在于:利用检测驱动端电流的方法来检测高速开关阀的状态,利用机械装置模拟高速开关阀的故障,以及并利用信号处理和模式分类方法对高速开关阀的正常和故障进行识别,信号易于提取,便于实施,通过对驱动端电流的分析,可准确识别高速开关阀的状态,大大提高了液压系统的可靠性和安全性。【专利说明】
:本专利技术属于液压系统故障诊断领域,涉及一种高速开关阀故障诊断方法,尤其涉及一种利用检测驱动端电流,小波包分解对信号重构,能量-故障诊断方法和BP神经网络模式识别的方法。
技术介绍
:高速开关阀是一种新型的电液数字阀,通过调节阀口的开/关时间改变通过的平均流量。它具有快速的切换能力,以及价格低廉,抗污染性强,重复精度高,采用脉冲信号进行调节等优点,实现了计算机控制技术和液压流体技术的结合,广泛应用于速度、位置、力等多种控制场合。作为液压系统的关键部件,其性能和安全性将直接影响到系统的可靠性,其中对高速开关阀的特性检测大多采用激光位移传感器、力传感器,这些检测设备操作复杂,传感器昂贵,增大了检测成本,且只是对高速开关阀的的特性参数进行定量检测,并没有对高速开关阀的状态进行定性分析。本专利技术针对高速开关阀的故障诊断方法没有查到相关文献。
技术实现思路
:针对上述现有技术状况,本专利技术的目的在于:提供一种基于驱动端电流检测的高速开关阀故障检测方法。现将本专利技术构思及技术解决方案叙述如下:本专利技术的基本专利技术构思是,搭接实验系统,设置实验系统特征阀,根据提取的特征曲线和特征向量,通过小波包对信号进行重构;采用能量-故障的诊断方法提取信号特征值:最后利用已有的数据训练BP神经网络,对数据进行故障分类(如图1所示),具体步骤如下:步骤1:搭接实验系统步骤1.1:所述的搭接实验系统由高速开关阀、推杆机构、数据采集卡、电流传感器构成;所述的高速开关阀由衔铁、衔铁管、线圈、极靴、阀体、顶杆、出油口、球阀、进油口构成;所述的推杆机构由固定架、顶杆、压缩弹簧、螺母构成;步骤1.2:数据采集卡的AO输出提供高速开关阀的控制信号,设定频率为5?15HZ,占空比为40?60%,方波信号经放大后作用于高速开关阀;步骤1.3:将电流传感器的霍尔电流传感器串接入驱动端,由采集卡的端口采集电流值;步骤2:分析高速开关阀驱动端电流特性;步骤3:通过椎杆机构的机械堵死来设置高速开关阀阀芯卡死故障;所述的机械堵死是指螺母13拧紧在顶杆11上时的状态;步骤4:根据步骤1.3采集的电流值,采用小波包信号重构和能量-故障的诊断方法,提取信号特征向量:步骤4.1采集两种状态下的驱动端电流各30-40组数据,并求得电流变化率作为特征曲线,用于神经网络的训练;另外每种类型再采集30-40组数据用于BP神经网络的测试;步骤4.2对特征曲线进行三层小波包分解,提取第三层从低频到高频8个频率成分的信号特征,如图2所示;步骤4.3:对小波包分解系数进行重构,提取各频带范围的信号特征(见图9);步骤4.4:提取各个频带信号的总能量,各层能量为元素进行归一化处理,利用能量-故障的诊断方法,提取有差异的层能量值,构造特征向量(见表I);步骤4.4.1:采用小波包信号分解时正交分解,遵循能量守恒原理,用E (t)表示信号的能量,有如下关系:【权利要求】1.,其特征在于:搭接实验系统;设置实验系统特征阀;根据提取的特征曲线和特征向量;通过小波包对信号进行重构;采用能量-故障的诊断方法提取信号特征值;最后利用已有的数据训练BP神经网络,对数据进行故障分类,具体步骤如下: 步骤1:搭接实验系统 步骤2:分析高速开关阀驱动端电流特性; 步骤3:通过椎杆机构的机械堵死来设置高速开关阀阀芯卡死故障; 步骤4:根据步骤1.3采集的电流值,采用小波包信号重构和能量-故障的诊断方法,提取信号特征向量; 步骤5:构建BP神经网络,训练并测试BP神经网络; 步骤6 ;确定电磁阀故障类型。将BP神经网络的输出值进行四舍五入,为O则输出高速开关阀正常状态,为I则输出高速开关阀阀芯卡死状态。2.根据权利要求1所述的,其特征在于:步骤I中所述的“搭接实验系统”的具体步骤如下: 步骤1.1:所述的搭接实验系统由高速开关阀、推杆机构、数据采集卡、电流传感器构成;所述的高速开关阀由衔铁、衔铁管、线圈、极靴、阀体、顶杆、出油口、球阀、进油口构成;所述的推杆机构由固定架、顶杆、压缩 弹簧、螺母构成; 步骤1.2:数据采集卡的AO输出提供高速开关阀的控制信号,设定频率为5-15HZ,占空比为40-60%,方波信号经放大后作用于高速开关阀; 步骤1.3:将电流传感器的霍尔电流传感器串接入驱动端,采集卡的端口采集电流值。3.根据权利要求1所述的,其特征在于:步骤4中所述的“提取信号特征向量”的具体步骤如下: 步骤4.1采集两种状态下的驱动端电流各30-40组数据,并求得电流变化率作为特征曲线,用于神经网络的训练;另外每种类型再采集30-40组数据用于BP神经网络的测试; 步骤4.2对特征曲线进行三层小波包分解,提取第三层从低频到高频8个频率成分的信号特征; 步骤4.3:对小波包分解系数进行重构,提取各频带范围的信号特征; 步骤4.4:提取各个频带信号的总能量,各层能量为元素进行归一化处理,利用能量-故障的诊断方法,提取有差异的层能量值,构造特征向量。4.根据权利要求1所述的,其特征在于:步骤4.4中所述的“构造特征向量”的具体步骤如下: 步骤4.4.1:采用小波包信号分解时正交分解,遵循能量守恒原理,用E (t)表示信号的能量,有如下关系: 5.根据权利要求1所述的,其特征在于:步骤5中所述的“构建BP神经网络,训练并测试BP神经网络”,的具体步骤如下: 步骤5.1:ΒΡ神经网络训练: 步骤5.1.1:对隐含层个数进行分析,采用统计分析的方法,对某一固定隐含层的网络进行重复10?100次实验,求取测试误差,并对测试误差求取均值和标准差,选取测试误差均值较小的数值作为隐含层神经元的数目; 步骤5.1.2:确定BP神经网络的结构和参数,利用采集的正常和阀芯卡死各类30?40组的数据,对BP神经网络进行训练: 步骤5.2:ΒΡ神经网络测试。利用采集的正常和阀芯卡死各种类型30?40组数据进行神经网络测试。【文档编号】G01R31/327GK103439653SQ201310398352【公开日】2013年12月11日 申请日期:2013年8月30日 优先权日:2013年8月30日 【专利技术者】高钦和, 刘志浩, 邵亚军, 管文良, 邓刚锋 申请人:中国人民解放军第二炮兵工程大学本文档来自技高网...
【技术保护点】
一种基于驱动端电流检测的高速开关阀故障诊断方法,其特征在于:搭接实验系统;设置实验系统特征阀;根据提取的特征曲线和特征向量;通过小波包对信号进行重构;采用能量?故障的诊断方法提取信号特征值;最后利用已有的数据训练BP神经网络,对数据进行故障分类,具体步骤如下:?步骤1:搭接实验系统?步骤2:分析高速开关阀驱动端电流特性;?步骤3:通过椎杆机构的机械堵死来设置高速开关阀阀芯卡死故障;?步骤4:根据步骤1.3采集的电流值,采用小波包信号重构和能量?故障的诊断方法,提取信号特征向量;?步骤5:构建BP神经网络,训练并测试BP神经网络;?步骤6;确定电磁阀故障类型。将BP神经网络的输出值进行四舍五入,为0则输出高速开关阀正常状态,为1则输出高速开关阀阀芯卡死状态。
【技术特征摘要】
【专利技术属性】
技术研发人员:高钦和,刘志浩,邵亚军,管文良,邓刚锋,
申请(专利权)人:中国人民解放军第二炮兵工程大学,
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。