[发明专利]一种用于注塑机液压驱动系统泄露故障的诊断方法

说明书

本发明提供一种用于注塑机液压驱动系统泄露故障的诊断方法，所述方法包括一下步骤：步骤1，模拟磨损泄露故障，采集参数数据；步骤2，构建注塑过程液压仿真模型，提取仿真数据；步骤3，验证仿真和测试数据一致性；步骤4，扩充样本数据；步骤5，通过机器学习算法得到数值预测模型；步骤6，输入感知数据，判定具体故障模式。该方法可以诊断注塑机液压驱动系统泄露故障类型和泄露程度，为解决注塑机液压驱动系统泄露故障诊断提供新方法。

技术领域

本发明涉及注塑机故障诊断技术领域，具体涉及一种用于注塑机液压驱动系统泄露故障的诊断方法。

背景技术

注塑机是高分子材料加工设备，其中油压式驱动注塑机大量使用，此种注塑机液压驱动系统的故障由于故障频次高、隐蔽性强、反应不明显和呈现效果滞后，对故障排查维修带来困难。通过对注塑机注射液压驱动系统的故障类型和故障程度建立预测性模型，实现注塑机液压故障提前诊断、预警，防止注塑生产过程质量降低、生产效率下降，甚至强制停机情况。

传统注塑机液压故障的诊断方式有传统人工检验方法、专家诊断系统和智能算法系统。传统人工检验没有预测性，只能做事后处理；专家诊断系统是使用知识库和推理机完成故障定位和诊断，但知识库更新缓慢，系统缺乏泛化性；智能算法系统能提前预测故障原因，具有适应能力，但需要大量的试验样本数据。

发明内容

为了克服上述现有技术的不足，本发明提供一种用于注塑机液压驱动系统泄露故障的诊断方法，采用基于神经网络的故障诊断方法，在试验模拟的基础上，引入仿真方法扩充数据样本，改变了传统液压故障诊断方式，实现注塑机液压驱动系统磨损泄露故障诊断。使用基于神经网络的故障预警方法能明显提升诊断效率和准确性。

为达到上述目的，本发明所采用的技术方案是：

一种用于注塑机液压驱动系统泄露故障的诊断方法，包括以下步骤：

1)模拟磨损泄露故障，采集参数数据；

在注塑机液压回路中并联节流阀模拟磨损泄露故障，调整节流阀大小，用感知器采集注塑执行工艺动作的注塑油路中的参数数据；感知器是注塑机本体控制器和注塑机外接采集装置；参数数据是注塑油路的描述参量包括(主油路压力、油泵流量值、注射油缸压力值和注射位移值)中的至少一个描述参量，并通过执行工艺动作触发标记时序数据，执行工艺动为注塑机的注塑过程(包含合模、注射射台前移、注射动作、保压、塑化、冷却、开模、制品顶出)中的至少一个动作。

2)构建注塑过程液压仿真模型，提取仿真数据；

通过AMEsim/Simulink联合建立注塑机液压回路和控制系统仿真模型，引入泄露模型模拟液压泄露故障，采集回路中的仿真参数数据；参数数据包括(输出压力、流量和注射位移数据)中的至少一个描述参量。

3)验证仿真和测试数据一致性；

对比试验和仿真得到的参数数据时频域曲线特征，评估参数数据相关性，验证仿真和测试数据一致性。即按注塑机液压工作动作的先划分时间子序列组，统计子序列组的时域特征参量(期望和标准差指标)，并计算得出数据曲线频域的皮尔逊积矩相关系数：时域特征参量误差小于10％，频域相关系数大于0.5为强相关，验证了仿真模型的可靠性和一致性。

4)扩充样本数据；

改变仿真模型中泵、液压缸和阀元件的泄露参数，采集仿真回路中输出压力、流量和注射位移数据，扩充样本量。

5)通过机器学习算法得到数值预测模型；

通过机器学习算法得到数值预测模型，机器学习所使用数据样本为步骤4)采集的时序仿真数据和步骤1)的采集的参数数据；机器学习的方法为BP神经网络，具体包括：

分类样本数据的故障类型和泄露程度，故障种类包括泵、输出缸和阀元件泄露，泄露程度分为正常、轻度、重度；