[发明专利]基于数据驱动的液压缸内泄露故障智能诊断方法及系统

权利要求书

1.基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，包括以下步骤：

步骤1、利用各类传感器采集注塑机液压缸运行状态数据，获得故障数据样本；

步骤2、对保压阶段的注射压力信号进行特征提取；

步骤3、建立故障诊断模型，对故障诊断模型进行训练；

步骤4、对注塑机液压缸运行状态的实时数据进行诊断，输出诊断结果，同时故障诊断模型进行自更新优化。

2.根据权利要求1所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，采集数据之前先搭建故障模拟实验平台，将故障诊断对象设定为出现频次最高的注射油缸内泄露故障。

3.根据权利要求2所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，具体的搭建过程是：在节流阀安装的过程中，将四通接头替换掉原先的三通接头，再将两根橡胶油缸的一侧串联节流阀，另一侧连接在四通处，从而将节流阀外接并联在注射油缸的附近。

4.根据权利要求3所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，步骤2是对保压阶段压力信号数据进行时域和频域特征提取。

5.根据权利要求4所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，所述故障诊断模型包括XGBoost算法分类器模型，所述XGBoost算法采用回归树作为基学习器，多个树的集合通过加权求和最终得出分类或者回归预测的结果，其中的学习模型为：

其中K为树的总个数，f_k表示第K个回归树函数，表示样本x_i的预测结果，F表示回归树集合。

6.根据权利要求5所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，故障诊断模型的训练包括以下步骤：

步骤a、对原始数据进行可视化与探索性分析，先对正常与三种故障状态下的注射压力数据曲线、主油路压力实际值、注射位置、油泵转速实际值进行局部可视化对比分析，根据在注射阶段时四种状态下注射位置的变化不同，即注射速度有差异，从里到外依次为严重、一般、轻微、正常；

步骤b、完成数据的预处理，包括对数据的缺失值处理、类别标签处理、数据归一化、划分训练集与测试集，其中训练数据集占70％；

步骤c、完成特征工程，所述特征工程包括特征提取、组合、降维、排序选择操作；

步骤d、利用训练集对机器学习分类器进行训练，将经过预处理的特征变量及其相应的故障状态输入到XGBoost算法分类器中，使用XGBoost算法完成故障诊断模型的训练；

步骤e、对训练好的故障诊断模型进行性能评估与调参优化。

7.根据权利要求6所述的基于数据驱动的液压缸内泄露故障智能诊断方法，其特征在于，所述性能评估与调参优化具体为选择用hyperopt调参工具库对训练好的故障诊断模型进行寻优，并采取粒子群优化算法寻找最佳核参数集合。

8.实施权利要求7所述的基于数据驱动的液压缸内泄露故障智能诊断方法的系统，其特征在于，所述系统包括硬件层、软件层、用户层；所述硬件层用于采集故障数据，利用各类传感器采集设备运行状态数据，将数据存入数据库管理模块；

软件层在服务器端运行，软件层包括数据预处理、数据挖掘模块、Web模块；所述数据挖掘模块中包括特征提取和故障诊断模型训练两个部分；

用户层为用户端，有诊断需求的用户利用浏览器访问软件层，通过浏览器提交待诊断数据，并从中获取诊断完成的结果数据。

9.根据权利要求8所述的基于数据驱动的液压缸内泄露故障智能诊断系统，其特征在于，在用户层中，用户首先登录界面进行身份认证，通过系统后台数据库的认证之后，才能进入系统数据导入界面。