[发明专利]一种均衡风缸控制模块故障诊断方法、装置及存储介质有效

专利信息
申请号: 202010129593.7 申请日: 2020-02-28
公开(公告)号: CN111319601B 公开(公告)日: 2021-05-18
发明(设计)人: 刘伟荣;郑彩凤;杨迎泽;彭军;黄志武;蒋富;张晓勇;李恒;程亦君;陈彬 申请(专利权)人: 中南大学
主分类号: B60T17/22 分类号: B60T17/22;G01M17/08
代理公司: 长沙市融智专利事务所(普通合伙) 43114 代理人: 龚燕妮
地址: 410083 湖南*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 均衡 控制 模块 故障诊断 方法 装置 存储 介质
【权利要求书】:

1.一种均衡风缸控制模块故障诊断方法,其特征在于,包括:

实时获取均衡风缸一次充排风周期内均衡风缸的压力数据、充风阀及排风阀的驱动电流数据;

采用滑动窗口策略,将获得的均衡风缸的压力数据、充风阀及排风阀的驱动电流数据沿时间维度分割为n个子序列,n为预设值;

提取每个子序列的时域特征、频域特征和时频域特征,形成故障诊断特征向量;

基于故障诊断特征向量,利用预先训练好的均衡风缸控制模块故障诊断模型进行故障诊断。

2.根据权利要求1所述的均衡风缸控制模块故障诊断方法,其特征在于,所述均衡风缸控制模块故障诊断模型通过如下方法训练得到:

构建故障诊断训练样本集,其中每个样本包括均衡风缸一次充排风周期内均衡风缸的压力数据、充风阀及排风阀的驱动电流数据,以及对应均衡风缸的故障类型;

采用滑动窗口策略,将每个样本的均衡风缸的压力数据、充风阀及排风阀的驱动电流数据沿时间维度分割为n个子序列,n为预设值;

提取每个子序列的时域特征、频域特征和时频域特征,形成故障诊断特征向量;

以每个样本的故障诊断特征向量作为输入,以每个样本对应的故障类型作为输出,训练长短期记忆网络,得到均衡控制模块故障诊断模型。

3.根据权利要求1或2所述的均衡风缸控制模块故障诊断方法,其特征在于,所述滑动窗口策略具体包括:

滑动窗口以预设的一不小于滑动窗口大小的值作为滑动步长对数据沿时间维度进行分割;

滑动窗口数量预设为n,每个滑动窗口包含的数据即为一个子序列。

4.根据权利要求1或2所述的均衡风缸控制模块故障诊断方法,其特征在于,所述提取每个子序列的时域特征、频域特征和时频域特征,形成故障诊断特征向量,具体包括:

提取子序列的时域特征,包括:最大值、最小值、均值、方差、标准差、偏度、峰度和峰峰值;

提取子序列的频域特征,包括:采用绝对傅里叶变换将子序列转换成频域信号,然后提取频谱的质心、方差、偏度和峰度作为频域特征;

提取子序列的时频域特征,包括:对子序列进行三层的db1小波包分解,提取通过分解生成的8个频率子带的能量作为时频域特征;

对每个子序列包含的均衡风缸压力数据、充风阀及排风阀的驱动电流数据提取上述时域特征、频域特征和时频域特征,形成3*n的故障诊断特征向量。

5.根据权利要求1或2所述的均衡风缸控制模块故障诊断方法,其特征在于,所述均衡风缸控制模块故障诊断模型包括:

输入层:将每个子序列的特征向量作为输入,设置输入层的输入节点数目为3*n;

隐藏层:将长短期记忆网络作为隐藏层;

输出层:将故障类型的预设编码作为输出,并利用Softmax函数生成每种故障类型的概率。

6.一种均衡风缸控制模块故障诊断装置,其特征在于,包括相互连接的数据采集模块和故障诊断模块;

所述数据采集模块用于实时采集均衡风缸一次充排风周期内均衡风缸的压力数据、充风阀及排风阀的驱动电流数据,并将采集的数据传输至所述故障诊断模块;

所述故障诊断模块用于采用滑动窗口策略,将接收的均衡风缸的压力数据、充风阀及排风阀的驱动电流数据沿时间维度分割为n个子序列,提取每个子序列的时域特征、频域特征和时频域特征,形成故障诊断特征向量,然后基于故障诊断特征向量,利用预设的均衡风缸控制模块故障诊断模型进行故障诊断,其中n为预设值。

7.根据权利要求6所述的均衡风缸控制模块故障诊断装置,其特征在于,所述数据采集模块包括数据采集卡及均与所述数据采集卡连接的充风阀电流传感器、排风阀电流传感器、均衡风缸压力传感器;

所述充风阀电流传感器用于采集充风阀的驱动电流;

所述排风阀电流传感器用于采集排风阀的驱动电流;

所述均衡风缸压力传感器用于采集均衡风缸的实时压力;

所述数据采集卡用于控制所述充风阀电流传感器、排风阀电流传感器、均衡风缸压力传感器进行数据采集,并将采集的数据传输至所述故障诊断模块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010129593.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top