[发明专利]六自由度运动平台电动缸故障诊断方法

权利要求书

1.一种六自由度运动平台电动缸故障诊断方法，其特征在于包含以下步骤：

步骤一、在六自由度运动平台的上平台下方加装若干个采样频率为轴向的加速度传感器；

步骤二、对六自由度运动平台的运动特性进行分析，设置一套能获得周期性振动数据的动作为诊断动作；

步骤三、在六自由度运动平台上运行诊断动作，由加速度传感器获得电动缸在不同状态下的振动数据；

步骤四、使用FD-ELM对振动数据进行学习并生成基于神经网络的故障诊断模型；

步骤五、在待诊断的六自由度运动平台开机及关机时自动运行诊断动作并由加速度传感器获取电动缸的振动数据；

步骤六、使用训练好的故障诊断模型对振动数据进行分析以判断电动缸处于正常或是故障状态。

2.根据权利要求1所述的一种六自由度运动平台电动缸故障诊断方法，其特征在于所述诊断动作为六自由度运动平台的上平台保持水平并运动到外径极限，随后使上平台以垂向轴为中心沿顺时针做匀速运动。

3.根据权利要求1所述的一种六自由度运动平台电动缸故障诊断方法，其特征在于步骤三中的电动缸的状态包含正常、关节铰链磨损、丝杠磨损、伸缩杆裂纹。

4.根据权利要求1所述的一种六自由度运动平台电动缸故障诊断方法，其特征在于FD-ELM算法步骤如下：

使用高斯平滑对振动数据进行平滑处理，消除能量较低的环境噪声；

将振动数据分为n个长度为m的数组并标记上对应的标签作为样本；

初始化FD-ELM并输入振动信号构成的样本集进行神经网络的训练：

FD-ELM的公式如下：

其中，x是输入的振动信号,α是输入权重矩阵,β是输出权重矩阵,g是激活函数，L为输入样本个数；

使用公式(2)(3)初始化固定字典学习机的输入权重矩阵α。

其中，C是编码矩阵，o、p和q是自变量；

使用广义逆矩阵法求解目标函数以获得输出权重矩阵β：

minimize‖f-T‖＝||sigmoid(x_m×n·code_n·m)·β_m×j-T|| (4)

其中，T是标签矩阵；

公式(1)以及计算出的α矩阵和β矩阵，构成训练好的基于神经网络的故障诊断模型。

5.根据权利要求1所述的一种六自由度运动平台电动缸故障诊断方法，其特征在于当六自由度运动平台的上平台下方加装的加速度传感器为三个，且步骤六的诊断结果为故障时，通过公式(5)分别计算三个加速度传感器获得的振动数据的能量；选取能量最高的传感器所对应的两个电动缸作为建议检修的电动缸，然后依照剩下两个传感器获得的振动数据的能量大小来确定具体发生故障的电动缸；

E＝∑|x| (5)

其中，E为能量大小，x为振动信号。