[发明专利]一种基于故障观测器与SOM的液压系统健康评估方法

摘要

本发明提出一种基于故障观测器与自组织映射相结合的液压系统健康评估方法，首先利用液压系统正常工作状态下的输入和输出信号，训练故障观测器，获取正常状态下的残差信号；再利用系统中的某部件发生退化时的输入和输出信号，经故障观测器，得到某部件退化状态下的残差信号；提取两种状态下残差信号的时域特征量，再利用正常状态下的残差特征量构建自组织映射模型；最后，将某部件发生退化时的残差特征量输入到自组织映射模型，得到对应状态下的液压系统的健康度，并结合最低健康阈值判定当前液压系统是否能够继续运行。本发明实现了对液压控制系统的实时健康评估，评估效果好，降低了对历史数据的依赖性，具有工程应用性。

主权项

1.一种基于故障观测器与自组织映射相结合的液压系统健康评估方法，其特征在于，具体包括如下步骤：步骤一、建立并训练故障观测器，所述的故障观测器采用神经网络实现，输入为液压系统的输入和输出信号，输出信号通过一个模拟真实液压系统输出滞后功能的迟滞环节后输入，获取液压系统正常工作状态下的历史输入和输出信号，训练故障观测器，训练输入样本为获取的历史输入和输出信号，训练输出样本为获取的历史输出信号，在故障观测器训练完成后，获得液压系统在正常工作状态下的残差信号；所述的残差信号由故障观测器的估计输出信号与对应的液压系统的输出信号做差得到；然后，每隔一段时间，获取当前时刻t工作状态下的液压系统的输入信号r(t)和输出信号y_r(t)，输入故障观测器，得到故障观测器的估计输出信号进一步得到当前t时刻工作状态下液压系统的残差信号ε(t)；所述的残差信号ε(t)由故障观测器的估计输出信号与对应的液压系统的输出信号y_r(t)做差得到；步骤二、针对每个残差信号，将其分成k组，在每一组中抽取n个样本，对每一组提取特征量，得到k个特征量；所述的特征量采用均值、有效值、峭度或者波形因子来表示；步骤三、构建自组织映射模型，所述的自组织隐射模型是一个输入层+输出层的神经网络结构，在训练前设定训练次数、初始健康度和整个神经网络总的神经元的个数，然后用从液压系统正常工作状态下的残差信号提取的k个特征量组成输入层的输入向量，进行自组织映射模型的训练；步骤四、对液压系统进行实时健康评估：将在时刻t工作状态下的液压系统的残差信号的特征量输入训练好的自组织映射模型，得到时刻t工作状态下的液压系统的健康度A；步骤五、将时刻t工作状态下的液压系统的健康度A与设定的液压系统的最低健康度B比较，若A＞B，则液压系统运行良好，若A≤B，则液压系统存在故障，停止运行液压系统，进行故障排除。