[发明专利]一种基于广义支持向量机的液压部件健康状态检测方法

说明书

本发明属于设备状态监测相关技术领域，其公开了一种基于广义支持向量机的液压部件健康状态检测方法，该方法包括以下步骤：(1)获取多组样本液压部件处于不同健康状态下的传感器信号以作为样本数据，且同时获得对应的的健康状态数据；(2)计算所得到的特征数据与所述健康状态数据之间的相关性，并选取训练特征；(3)采用堆叠集成学习方法构建多个广义支持向量机模型，并采用所述广义支持向量机模型训练过程中所输出的数据来训练得到随机森林模型，由此得到了广义支持向量机检测模型；(4)将得到的待测液压部件的实时传感器信号数据输入到所述广义支持向量机检测模型，以进行健康状态检测。本发明提高了检测精度及灵活性，适用性较强。

技术领域

本发明属于设备状态监测相关技术领域，更具体地，涉及一种基于广义支持向量机的液压部件健康状态检测方法。

背景技术

液压系统是工业机电设备中的关键组成部分，其运行状态直接影响整个机电设备的稳定性与可靠性。若液压系统出现突发故障，将会导致设备停机，影响企业生产效率，给企业带来严重经济损失。因此，对液压系统进行健康状态感知是非常必要的。

液压系统健康状态并不能简单地划分为正常运行与故障损坏，其损坏过程是一个长期的、不断加深的过程。健康状态感知是对其损坏过程中的任意时间节点进行感知，得到的故障状态可能会有多种，工作人员需要根据对液压系统部件的健康状态感知得到的不同的故障状态做出相应的维修处理措施，以防止事故的发生，避免经济损失及人员伤害。

支持向量机(Support vector machine，SVM)是一种有监督的机器学习方法，可以实现对损坏与非损坏的特征值分类，具有样本量需求小，诊断速度快等优点。然而，经典支持向量机只适用于二分类的诊断问题，常用的帮助支持向量机进行多分类的方法OVO、OVA等又会导致诊断效果下降，且其他分类方法的样本需求量较大，诊断速度较慢。相应地，本领域存在着发展一种精度较好的基于广义支持向量机的液压部件健康状态检测方法的技术需求，以实现机电设备液压系统的健康状态的准确感知。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于广义支持向量机的液压部件健康状态检测方法，其基于现有液压系统的健康状态监测特点，研究及设计了一种精度较好的基于广义支持向量机的液压部件健康状态检测方法。所述检测方法采用了基于不同核函数的广义支持向量机对液压系统的各种液压部件的多种健康状态进行感知，并使用集成学习方法将基于广义支持向量机的健康状态感知结果进行集成以得到最终的健康状态感知结果，由此实现了液压部件的健康状态的感知，提高了检测精度及灵活性，适用性较强。

为实现上述目的，本发明提供了一种基于广义支持向量机的液压部件健康状态检测方法，所述检测方法包括以下步骤：

(1)获取多组样本液压部件处于不同健康状态下的传感器信号以作为样本数据，且同时获得每个样本数据对应的样本液压部件所处的健康状态数据；

(2)对所述样本数据进行数据清洗，并对清洗后的所述样本数据提取统计特征；

(3)基于皮尔森相关系数计算所得到的特征数据与所述健康状态数据之间的相关性，并将所述特征数据按照对应的相关性自大到小进行排序，选取排在前预定个数的特征作为训练特征；

(4)基于所述训练特征及所述训练特征所对应的健康状态数据，采用堆叠集成学习方法构建多个广义支持向量机模型，并采用所述广义支持向量机模型训练过程中所输出的数据来训练得到随机森林模型，由此得到了由堆叠集成学习方法集成的广义支持向量机检测模型；

(5)在线实时获取待测液压部件的传感器信号数据，并将得到的传感器信号数据进行处理后输入到所述广义支持向量机检测模型，进而所述广义支持向量机检测模型对待测液压部件进行健康状态检测。

进一步地，所述传感器信号包括温度、流量、压力及功率。