[发明专利]基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法在审
申请号: | 202110926053.6 | 申请日: | 2021-08-12 |
公开(公告)号: | CN113820079A | 公开(公告)日: | 2021-12-21 |
发明(设计)人: | 陶建峰;贾连辉;魏齐;郑康泰;刘成良;周小磊;王立尧;詹晨菲 | 申请(专利权)人: | 中铁工程装备集团有限公司;上海交通大学 |
主分类号: | G01M3/26 | 分类号: | G01M3/26;G06K9/00;G06N20/00 |
代理公司: | 上海汉声知识产权代理有限公司 31236 | 代理人: | 胡晶 |
地址: | 450000 河南省*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 循环 平稳 理论 stacking 模型 液压缸 泄漏 故障诊断 方法 | ||
1.一种基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法,其特征在于,包括:
步骤S1:采集不同泄漏程度下液压缸的出口处的压力信号,构建初始样本集;
步骤S2:对所述压力信号进行去噪,将压力信号分解为循环周期信号和残余信号;
步骤S3:对所述循环周期信号和残余信号分别提取一阶循环频率特征CS1和二阶循环频率特征CS2,包括信号的均值、方差、中心频率以及谱相关密度特征,构成故障特征集;
步骤S4:将故障特征集进行预处理,包括泄漏等级标记和数据标准化,将预处理后的故障特征集作为训练数据,完成对模型的训练;
步骤S5:根据上述步骤得到待识别的液压缸压力信号的故障特征集,将故障特征集进行数据标准化后,输入到训练好的模型中,完成液压缸泄漏程度的故障诊断。
2.根据权利要求1所述的基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法,其特征在于,所述步骤S1包括:
使用压力传感器分别采集不同泄漏程度下相同信号长度的液压缸出口压力信号;
将m个采样点划分为一个样本,从而构建出初始样本集,其中,m大于一个信号周期内包含的采样点。
3.根据权利要求1所述的基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法,其特征在于,所述步骤S2中,从压力信号中分离出循环周期信号和残余信号的可预测循环周期分量p[n]与残余分量r[n];
p[n]与r[n]与压力信号具有相关性,其中,n表示循环频率特征的阶,n≥3。
4.根据权利要求1所述的基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法,其特征在于,所述步骤S3循环周期信号中信号的周期部分借助傅里叶频谱进行有效分析,而二阶循环频率特征CS2特征的提取利用谱相关密度、循环谱相关性在内的信号分析工具。
5.根据权利要求1所述的基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法,其特征在于,所述步骤S4中利用随机种子数打乱预处理后的故障特征集的顺序,再作为训练数据进行模型训练。
6.根据权利要求1所述的基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法,其特征在于,所述步骤S5中,泄漏程度的泄漏等级分类包括无泄漏、小泄露、中泄漏以及大泄漏,分别标记为类别1~q;其中,q为泄漏等级的总数。
7.根据权利要求1所述的基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法,其特征在于,所述步骤S5中数据标准化具体为,将故障特征集的特征值缩放在0~1之间,以避免异常值和极端值对分类结果的影响。
8.根据权利要求1所述的基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法,其特征在于,所述步骤S5中,Stacking模型选择朴素贝叶斯,极限梯度提升树XGBoost,随机森林作为第一层的基学习器,选择逻辑回归作为第二层的元学习器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中铁工程装备集团有限公司;上海交通大学,未经中铁工程装备集团有限公司;上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110926053.6/1.html,转载请声明来源钻瓜专利网。