一种液压系统退化识别模型构建方法及应用方法与流程

本发明属于液压系统，尤其涉及一种液压系统退化识别模型构建方法及应用方法。

背景技术：

1、在液压技术不断发展和应用中，液压传动系统的应用性能逐渐提高，相比于机械传动、气体传动或是电力传动而言，液压传动方式更具安全性和可靠性，整体故障率较低，延长液压传动系统的运行寿命。在实际运行中，液压传动通过液压油的介质作用，相对运动表面可能会发生泄露问题，液压油粘度会由于温度升高而变化，也会对液压系统使用性能和运行状态产生不小的影响。在这样的环境背景下，探究如何识别液压传动系统故障退化具有非常重要的现实意义。

2、液压传动系统故障的诱因有很多，包括密封圈老化、机械部件磨损严重或是执行构件损坏等，这些都会造成液压传统系统机械运行故障，再加上机电一体化结构的影响，会扩大故障影响范围，机械设备故障引发电子设备故障，形成综合性故障。

3、液压传动系统故障具有多样性特征，这也让液压传动系统故障表现方式多种多样，增加液压传动故障的复杂性，提高故障诊断和排除难度，无法在第一时间判断液压传动系统的故障原因和故障位置，这也让液压传动系统故障评估更加复杂。

4、一般而言，在液压传动系统运行中，运行环境为密闭性环境，通过外观观测法很难快速判断内部结构中的故障位置和发生故障的原因，这就形成液压传动系统故障的隐形性特征，使得检修人员无法短时间内快速进行故障诊断与排除，增加治理难度。

技术实现思路

1、为解决上述技术问题，本发明提供了一种液压系统退化识别模型构建方法及应用方法。

2、本发明通过以下技术方案得以实现。

3、本发明提供的一种液压系统退化识别模型构建方法，包括以下步骤：

4、采集退化数据；

5、预处理退化数据；

6、通过预处理后的退化数据提取特征，获取特征参数组；

7、设计神经网络结构，通过特征参数组训练神经网络，获取随机森林模型；

8、验证并调优随机森林模型，获取液压系统退化识别模型。

9、优选地，所述退化数据包括压力、流量、油温、转速和里程；

10、所述采集退化数据的采样频率为10～100赫兹，间隔里程为10～100公里；

11、所述采集退化数据的采样工况包括起步、加速、换挡、爬坡和转向；

12、所述采集退化数据的采集里程包括20～10000公里。

13、优选地，所述预处理退化数据包括：数据清洗、归一化和去噪处理，所述去噪处理支持小波包分析。

14、优选地，所述通过预处理后的退化数据提取特征包括以下步骤：

15、通过预处理后的退化数据获取阶段数据，所述阶段数据包括充油阶段数据、泄油阶段数据和冲击阶段数据；

16、计算阶段数据，获取特征参数组；

17、所述特征参数组包括油压幅值、阶段时间和油压波动均方差。

18、优选地，所述油压幅值的计算公式如下：

19、δx＝xmax-xmin，

20、其中，δx为阶段油压幅值、xmax为阶段油压数据最大值、xmin为阶段油压数据最小值；

21、所述阶段时间的计算公式如下：

22、t＝nt，

23、其中，t为阶段时间、t为横坐标单位时间；

24、所述油压波动均方差的计算公式如下：

25、

26、其中，a，b为阶段数据起始与终止时间、f(t)为油压数据与时间的拟合函数。

27、优选地，所述设计神经网络结构包括：

28、设置神经网络结构的输入层、隐藏层和输出层；

29、设置神经网络结构的激活函数和优化算法。

30、优选地，所述优化算法支持遗传算法。

31、优选地，所述通过特征参数组训练神经网络，获取随机森林模型指：将特征参数组输入至神经网络结构，结合优化算法获取随机森林模型。

32、优选地，所述验证并调优随机森林模型，获取液压系统退化识别模型包括以下步骤：

33、获取独立的验证数据集；

34、通过验证数据集验证随机森林模型的性能，获取验证结果；

35、根据验证结果调优随机森林模型，获取液压系统退化识别模型。

36、一种液压系统退化识别模型应用方法，其特征在于，所述液压系统退化识别模型通过上述的构建方法构建，包括以下步骤：

37、将液压系统退化识别模型嵌入液压系统中；

38、通过液压系统退化识别模型实时评估液压系统退化状态。

39、本发明的有益效果在于：

40、1、采用数据驱动的方法，能够更好的反映液压系统实际运行状态，提高评估的准确性和适用性；将训练好的神经网络模型嵌入到液压系统中，实现了对液压系统退化状态的实时评估，有助于及时发现问题和采取相应的维护措施；自动化的神经网络方法减少了专业人员的依赖，降低了过程中的人为误差。

41、2、神经网络的自适应性使得系统能够适应不同车辆型号和工况下的液压系统，提高了方法的通用性；在不同类型的重型车辆液压系统中具有良好的可迁移性，为不同车辆应用提供了一致的退化状态评估方案；通过神经网络的并行处理能力，提高了退化状态评估的计算效率，使得方法在实际应用中更具可行性。

技术特征：

1.一种液压系统退化识别模型构建方法，其特征在于，包括以下步骤：

2.如权利要求1所述的构建方法，其特征在于，所述退化数据包括压力、流量、油温、转速和里程；

3.如权利要求1所述的构建方法，其特征在于，所述预处理退化数据包括：数据清洗、归一化和去噪处理；所述去噪处理支持小波包分析。

4.如权利要求1所述的构建方法，其特征在于，所述通过预处理后的退化数据提取特征包括以下步骤：

5.如权利要求4所述的构建方法，其特征在于，所述油压幅值的计算公式如下：

6.如权利要求1所述的构建方法，其特征在于，所述设计神经网络结构包括：

7.如权利要求6所述的构建方法，其特征在于，所述优化算法支持遗传算法。

8.如权利要求1所述的构建方法，其特征在于，所述通过特征参数组训练神经网络，获取随机森林模型指：将特征参数组输入至神经网络结构，结合优化算法获取随机森林模型。

9.如权利要求1所述的构建方法，其特征在于，所述验证并调优随机森林模型，获取液压系统退化识别模型包括以下步骤：

10.一种液压系统退化识别模型应用方法，其特征在于，所述液压系统退化识别模型通过如权利要求1-9所述的构建方法构建，包括以下步骤：

技术总结本发明公开了一种液压系统退化识别模型构建方法及应用方法，包括以下步骤：采集退化数据；预处理退化数据；通过预处理后的退化数据提取特征，获取特征参数组；设计神经网络结构，通过特征参数组训练神经网络，获取随机森林模型；验证并调优随机森林模型，获取液压系统退化识别模型。本发明采用数据驱动的方法，能够更好的反映液压系统实际运行状态，提高评估的准确性和适用性；将训练好的神经网络模型嵌入到液压系统中，实现了对液压系统退化状态的实时评估，有助于及时发现问题和采取相应的维护措施；自动化的神经网络方法减少了专业人员的依赖，降低了过程中的人为误差。技术研发人员：陈睿涵,吴健鹏,代天琪受保护的技术使用者：贵州航天天马机电科技有限公司技术研发日：技术公布日：2024/7/29