[发明专利]一种乳化液泵故障分级诊断方法

权利要求书

1.一种乳化液泵故障分级诊断方法，其特征在于，包括：

获取数据库中存储的乳化液泵及其液压支架供液系统的监测参数，对监测参数进行故障类型标注预处理后划分为训练集和测试集；

构建深度自编码网络模型，将作为训练集的监测参数输入深度自编码网络模型进行训练，调节网络参数与函数，至输出的结果为准确故障类型为止，训练完成后将作为测试集的监测参数输入深度自编码网络模型，验证深度自编码网络模型识别故障类型的准确性；

获取乳化液泵及其液压支架供液系统在运行过程中产生的实时监测参数，输入至训练好的深度自编码网络模型中，输出结果即为故障类型；

在根据实时监测参数，判定乳化液泵及其液压支架供液系统发生故障时，将实时的监测参数和必要故障信息输入离线故障定位专家系统中；

离线故障定位专家系统融合已识别故障形式和包含必要故障信息的实时监测参数，分析产生原因，实现故障定位；

所述监测参数分为易监测参数和难监测参数，所述易监测参数包括，乳化液泵的系统压力、乳化液流量、乳化液浓度、乳化液温度，电动机电流、电动机转矩、电动机转速、润滑压力、润滑油温、绕组温度、乳化油位、乳化液位；难监测参数包括，支架动作状态、泵噪声、阀尖叫声、异味、设备上的冲刷痕迹、连接件的松紧程度；易监测参数通过传感器监测，作为深度自编码网络输入，难监测参数作为必要故障信息输入至专家系统；

深度自编码的训练及验证过程为：

利用堆栈自动编码器搭建深度自编码网络，前一个自动编码器输出作为后一个自动编码器输入，表示为：

h＝f(Wx+b)

其中，x为第l层输入，h为第l层输出，W为神经元的权重矩阵，b为偏置向量；

收集不同状态下的监测参数，按照8:2的比例划分训练集和测试集；

随机初始化深度自编码网络权重矩阵和偏置向量，将训练集作为深度自编码网络输入，以无监督方式采用梯度下降法预训练自动编码器，预训练选择均方误差损失函数，均方误差损失函数表示为：

其中，m为参加训练的数据量，x_i为第i个输入的数据，z_i为第i个重构的数据；

添加Softmax分类器，利用训练集采用梯度下降法有监督微调深度自编码网络并训练分类器，选择交叉熵损失函数，交叉熵损失函数表示为：

其中，m为参加训练的数据量，x为输入的样本，p_i(x)为样本属于某故障形式的实际概率，q_i(x)为模型输出概率；

利用测试集验证训练完成的深度自编码网络的故障识别能力；

利用经过验证的深度自编码网络对乳化液泵监测参数进行实时监测并识别故障。

2.根据权利要求1所述的乳化液泵故障分级诊断方法，其特征在于，所述液压支架供液系统包括，清水过滤站、水箱、乳化油箱、自动配比、乳化液箱、乳化液泵、高压反冲洗、支架系统、回液过滤站和相关输送管路。

3.根据权利要求1所述的乳化液泵故障分级诊断方法，其特征在于，乳化液泵的故障类型包括，液位太低，造成吸空、启动后无压力、压力不达标、压力过高、机油温度过高、轴承温度过高、绕组温度过高、电流过载、浓度不达标、乳化液温度过高、强迫润滑压力异常、模块温度过高及正常状态。

4.根据权利要求1所述的乳化液泵故障分级诊断方法，其特征在于，离线故障定位专家系统包括人机交互界面、知识库、知识获取、推理机、解释器、故障记录和历史故障查询。