[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

说明书

本发明涉及基于数据驱动的液压缸内泄露故障智能诊断方法及系统，所述方法包括以下步骤：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，同时故障诊断模型进行自更新优化。本发明通过非破坏性的人为操作模拟出实际注射过程中的液压缸内泄露状态，获得故障数据样本，使用数据挖掘算法完成故障特征提取以及诊断模型训练，并结合互联网技术实现远程的故障智能诊断。

技术领域

本发明涉及液压系统故障技术领域，具体涉及基于数据驱的液压缸内泄露故障智能诊断方法及系统。

背景技术

这里的陈述仅提供与本发明相关的背景技术，而不必然地构成现有技术。

液压系统具有重量轻、体积小、功率大、工作稳定性强以及能够完成大范围的无极调速等特点，在工业领域中应用广泛。其中，液压缸作为液压伺服系统中的执行部分，在实现直线运动或旋转往复运动上得到十分广泛的运用，其健康状态直接影响整个生产活动。

液压系统的故障诊断方法主要分为三种，包括基于数学模型的方法、基于经验知识和基于数据驱动的方法。基于数学模型的方法利用了数学理论公式、物理平衡方程等逐步推导并构建精确的系统数学模型，但是建立精确的数学模型在实际工况环境中是很难的，不适用于繁杂多变的环境；基于经验知识的方法包含专家系统以及图搜索两种方法，但该方法适用于无法构建精确数学模型的复杂高耦合系统；基于数据驱动的方法主要有基于支持向量机方法和神经网络方法。

中国专利申请号：201610497436.5，专利名称：《液压缸内泄露故障诊断评估方法》，该发明专利采用小波分析法对压力信号进行特征提取，结合BP身居网络，实现液压缸内泄露等级的诊断评估。

文献《基于LS-SVM液压缸泄露故障诊断方法的研究》(期刊名：《机床和液压》，卷号等信息：2017，45(15)：184-187)以液压缸泄露为研究对象，对液压缸泄露成都进行分类，采用最小二乘支持向量机方法实现了诊断目标。

虽然现有技术已成功使用数据驱动的方法对液压缸进行故障诊断，但存在故障数据获取困难、诊断模型精度不佳和模型参数选择的问题，本发明通过模拟液压缸内泄露实验，使用XGBoost算法训练诊断模型，最后采取粒子群优化算法(PSO)寻找最佳核参数集合，解决了上述问题。

发明内容

本发明的目的是克服现有技术的不足，提供了基于数据驱动的液压缸内泄露故障智能诊断方法及系统，准确性高，可靠性好。

本发明至少通过如下技术方案之一实现。

基于数据驱动的液压缸内泄露故障智能诊断方法，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。

优选的，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。

优选的，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。

优选的，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。