[发明专利]一种综合传动液压系统剩余寿命的预测方法及装置

权利要求书

1.一种综合传动液压系统剩余寿命的预测方法，用于对综合传动液压系统发生故障后的寿命进行预测，其特征在于，包括下述步骤：

采集综合传动液压系统的原始数据；所述综合传动液压系统的原始数据包括发动机转速、操纵主压、润滑油压、操纵滤前压力和操纵滤后压力；

对采集的所述综合传动液压系统的原始数据进行数据预处理，得到目标数据；包括下述步骤：

剔除采集的所述综合传动液压系统的原始数据中的离群点，得到第一预处理数据；包括：

将发动机转速低于1000rpm时的操纵主压、润滑油压、操纵滤前压力和操纵滤后压力直接剔除，得到第一预处理数据；或者，

当发动机转速不低于1000rpm时，基于下述公式得到第一预处理数据：

式中，x₁^t-1为t-1时刻采集的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力，x₁^t为t时刻采集的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力，λ为缩放因子，x^t为第一预处理后的t时刻的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力；

对所述第一预处理数据进行滑窗中值平滑处理，得到第二预处理数据，所述第二预处理数据即为目标数据；

获得综合传动液压系统故障发生的起始时刻，基于所述综合传动液压系统故障发生的起始时刻得到综合传动液压系统的剩余寿命，并基于所述目标数据及剩余寿命建立样本数据集；

基于3σ异常原则获得综合传动液压系统故障发生的起始时刻，其中，3σ异常原则的判断公式如下：

式中，L为3σ异常原则选取的数据窗口，a为综合传动液压系统故障发生的起始时刻，x^a+1为a+1时刻的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力，i为数据窗口的起始时刻，xⁱ为i时刻的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力；

基于所述样本数据集对长短时记忆网络模型进行训练，得到长短时记忆网络的最优网络结构，具体为：

将所述样本数据集划分为训练数据集和验证数据集；

将所述训练数据集输入长短时记忆网络模型进行训练，得到训练好的长短时记忆网络；长短时记忆网络模型包括3层串行的网络，每一层网络均包括输入层、隐含层和输出层；

基于所述验证数据集对所述训练好的长短时记忆网络进行验证，得到长短时记忆网络的最优网络结构，具体为：将验证数据输入训练好的长短时记忆网络，得到对应的综合传动液压系统的剩余寿命的预测值，基于剩余寿命的预测值与真实值构造目标函数，其中，设验证数据对应的剩余寿命的真实值为：

R＝{R_i|i＝1,…,N}，

其中，R表示液压系统真实剩余寿命序列，N表示数据点个数，R_i表示第i个数据点对应的液压系统的剩余寿命的真实值；

则以预测值与真实值的均方作为目标函数，其计算公式为：

Cost表示目标函数，h_i表示第i个数据点的液压系统剩余寿命的预测值；

当目标函数小于剩余寿命的阈值时，对应得到的长短时记忆网络即为最优结构，若目标函数大于剩余寿命的阈值，重新调整参数，直到目标函数小于剩余寿命的阈值，得到对应的长短时记忆网络的最优结构；

将待预测的综合传动液压系统的原始数据输入所述长短时记忆网络的最优网络结构，得到综合传动液压系统的剩余寿命。

2.根据权利要求1所述的综合传动液压系统剩余寿命的预测方法，其特征在于，对所述第一预处理数据进行滑窗中值平滑处理，得到第二预处理数据，公式如下：

x^T＝median(x^{(T-slidewidth):T})

式中，x^T为T时刻的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力，slidewidth为滑动窗口，median(x^{(T-slidewidth):T})表示对T时刻前的slidewidth个数据求中值。

3.一种综合传动液压系统剩余寿命的预测装置，其特征在于，包括：

数据采集模块，用于采集综合传动液压系统的原始数据；所述数据采集模块采集的综合传动液压系统的原始数据包括发动机转速、操纵主压、润滑油压、操纵滤前压力和操纵滤后压力；

预处理模块，用于对采集的所述综合传动液压系统的原始数据进行数据预处理，得到目标数据；包括下述步骤：

剔除采集的所述综合传动液压系统的原始数据中的离群点，得到第一预处理数据；包括：

将发动机转速低于1000rpm时的操纵主压、润滑油压、操纵滤前压力和操纵滤后压力直接剔除，得到第一预处理数据；或者，

当发动机转速不低于1000rpm时，基于下述公式得到第一预处理数据：

式中，x₁^t-1为t-1时刻采集的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力，x₁^t为t时刻采集的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力，λ为缩放因子，x^t为第一预处理后的t时刻的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力；

对所述第一预处理数据进行滑窗中值平滑处理，得到第二预处理数据，所述第二预处理数据即为目标数据；

样本数据集构建模块，用于获得综合传动液压系统故障发生的起始时刻，并基于所述综合传动液压系统故障发生的起始时刻得到综合传动液压系统的剩余寿命，并基于所述目标数据及剩余寿命建立样本数据集；

基于3σ异常原则获得综合传动液压系统故障发生的起始时刻，其中，3σ异常原则的判断公式如下：

式中，L为3σ异常原则选取的数据窗口，a为综合传动液压系统故障发生的起始时刻，x^a+1为a+1时刻的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力，i为数据窗口的起始时刻，xⁱ为i时刻的操纵主压、润滑油压、操纵滤前压力或操纵滤后压力；

模型训练模块，基于所述样本数据集对长短时记忆网络模型进行训练，得到长短时记忆网络的最优网络结构，具体为：

将所述样本数据集划分为训练数据集和验证数据集；

将所述训练数据集输入长短时记忆网络模型进行训练，得到训练好的长短时记忆网络；长短时记忆网络模型包括3层串行的网络，每一层网络均包括输入层、隐含层和输出层；

基于所述验证数据集对所述训练好的长短时记忆网络进行验证，得到长短时记忆网络的最优网络结构，具体为：将验证数据输入训练好的长短时记忆网络，得到对应的综合传动液压系统的剩余寿命的预测值，基于剩余寿命的预测值与真实值构造目标函数，其中，设验证数据对应的剩余寿命的真实值为：

R＝{R_i|i＝1,…,N}，

其中，R表示液压系统真实剩余寿命序列，N表示数据点个数，R_i表示第i个数据点对应的液压系统的剩余寿命的真实值；

则以预测值与真实值的均方作为目标函数，其计算公式为：

Cost表示目标函数，h_i表示第i个数据点的液压系统剩余寿命的预测值；

当目标函数小于剩余寿命的阈值时，对应得到的长短时记忆网络即为最优结构，若目标函数大于剩余寿命的阈值，重新调整参数，直到目标函数小于剩余寿命的阈值，得到对应的长短时记忆网络的最优结构；

剩余寿命预测模块，用于将待预测的综合传动液压系统的原始数据输入所述长短时记忆网络的最优网络结构，得到综合传动液压系统的剩余寿命。