[发明专利]基于ES-MLSTM的液压机故障诊断方法

权利要求书

1.基于ES-MLSTM的液压机故障诊断方法，其特征是：方法包括以下步骤：

S1：采集计算液压机压力信号和液压机电磁阀信号；

S2：建立专家系统，使用专家系统的推理机不断查询知识库,寻找匹配的规则，一旦寻找到匹配的规则后，对其激活，然后在查询下一个规则，如此循环，激活的规则实现推理；

S3：建立多个训练模型，专家系统会根据筛选的样本范围，确定所需的模型，并把该模型的参数进行加载；

S4：设计专家系统ES的推理机，使用专家系统ES的推理机完成特征值的简化，故障的推理和LSTM模型参数的确定，最终得出需要的结果。

2.根据权利要求1所述的基于ES-MLSTM的液压机故障诊断方法，其特征是步骤S1中采集液压机压力信号过程为：在液压系统中，每一条重要的压力通道设计一个采集点，通过采集点来采集液压机压力信号，采集到的信号为电流信号，采集信号后求出信号的均方根值、波形因子、峭度、频段能量密度、谱峰，采集液压机电磁阀的信号过程为：采集液压机电磁阀的通电和断电状态信号，液压机电磁阀通电，则液压机电磁阀信号为1，液压机电磁阀断电，则液压机电磁阀信号为0。

3.根据权利要求1所述的基于ES-MLSTM的液压机故障诊断方法，其特征是步骤S2包括以下步骤：

S21：建立液压机专家系统故障诊断模型，液压机故障特征为{F_ij^c1，F_ij^c2……}；

式中：F_ij^c1为特征类，其中i表示故障编号，j为该故障特征的编号，c为故障特征的类别编号，即把故障特征可以按照其性质分成若干个类，每一个类中包括若干个特征，每一个特征都有一个编号；

S22：构建故障诊断的事实模型：

FAULT_i＝{FaultN_i，FaultD_i，{F_ij^ck，V[M]_ij，w_ij，CF_ij，FD_ij}，CBR_i}

式中：FaultN_i表示第i个故障的名称，FaultDi为故障基本信息描述；F_ij^ck表示第i个故障的第j个特征名称，同时该故障属于第k特征类，V[M]_ij表示第i个故障的第j个特征的特征值，该特征值可能有多个，因此采用了数组的数据结构；w_i为权值，表示某个特征的重要程度，其大小通过学习改变，一些对故障分类识别度高的特征权值，通过学习而加强，支持低的通过学习会减弱，w1+w2+…wn＝1，CF_i为F_ij特征的客观可信度，表示某个特征客观存在的特征，是由领域专家确定；FD为特征的文字描述，便于知识库的维护；CBR_i为案例属性值，该值默认是0，表示该故障不是一个实例(案例)，如果是一个大于0的数值，表示目前该事实是一个曾经发生过的案例，其值表示案例编号；如果是某一个案例，则系统直接给出案例结果，不需要后续推理；

S23：建立推理的知识表示形式如下：

IF{FaultN_i，FaultD_i，{F_ij^ck，V[M]_ij，w_ij，CF_ij，FD_ij}，CBR_i}

THEN{(FNum_i，FaultResult_i)i＝1，2，3，…，n；j＝1，2，3…m}

式中：FNum_i表示故障编号，也就是在知识库中，每一条故障数据都有一个唯一的编号，FaultResult_i为故障诊断结果，即故障发生的原因，维修方法。