[发明专利]基于ES-MLSTM的液压机故障诊断方法

说明书

本发明公开了基于ES‑MLSTM的液压机故障诊断方法，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，将液压机压力信号和液压机电磁阀信号作为特征信号；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，得出结果。本发明提供降低的液压机故障诊断难度并且耗时短的基于ES‑MLSTM的液压机故障诊断方法。

技术领域

本发明涉及故障表征技术领域，尤其是涉及基于ES-MLSTM的液压机故障诊断方法。

背景技术

目前液压机是广泛应用的一种液压系统，其工作性能直接决定着产品质量与正常生产的进行，所以对液压机的维修与故障诊断有着非常重要的意义。大型高压液压机发生故障时，因其工作状态多，涉及的元件多，故障诊断难度大，耗时长，即使同一类型故障，但产生的现象却不完全相同，也给故障诊断带来很大的困难，因而影响生产。液压故障诊断时间非常长，难度大，需要有经验的维修人员维修，维修人员需要精通电气控制、机械、计算机控制、液压系统等方面的知识，另外，技术人员的变动也影响到故障诊断，所以，采用一种先进的故障诊断方法有重要的意义。对于液压故障，故障诊断的方法非常多，近年来智能化故障诊断方法得到广泛的应用。采用智能化诊断技术可以减少液压故障的诊断时间，如采用了基于EMD包络谱分析的方法对液压泵故障进行诊断，采用Petri网实现液压马达故障的诊断，采用基于故障树的专家系统推理机等。以上方法一般针对某一类型故障进行诊断，需要预先熟悉故障的特征，有些过于复杂，价格昂贵，使用不便等问题。本发明结合多种方法的优点，采用基于专家系统的与深度学习的ES-MLSTM的诊断方法。

专家系统可以将专家的维修思想用智能化语言实现，诊断时候，只需要查询专家系统，便可以得到比较满意的结果，专家系统可以不断的再学习和完善。目前已经有较多的专家系统得到成功应用。故障诊断专家系统主要组成有：事实库、推理机、知识库、解释器及人机界面等部分。领域专家的知识一般以规则表示。数据库也称“黑板”，主要用来存储相关领域的事实、数据等信息。推理机是实现专家系统推理的一组程序，是根据数据库的内容，按照某种推理策略，运用知识库的知识完成推理。深度学习算法可以实现许多非线性的分类、预测等，并且有较高的精度。

因压机液压故障复杂、类型多，数据量大，液压机故障诊断的特征值类型较多，每种类型之间存在着逻辑依附，因此需要用专家系统对数据进行处理。因为，专家系统对于大量的数据推理容易形成“推理闭环”，本发明采用深度学习算法MLSTM进行联合推理，二者互为补充，通过融合诊断，解决压机液压故障诊断难的问题。

发明内容

本发明是为了克服现有技术的液压机故障诊断难度大，耗时长的问题，提供一种降低的液压机故障诊断难度并且耗时短的基于ES-MLSTM的液压机故障诊断方法。

为了实现上述目的，本发明采用以下技术方案：

本发明解决其技术问题所采用的技术方案是：基于ES-MLSTM的液压机故障诊断方法，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，将液压机压力信号和液压机电磁阀信号作为特征信号；

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：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，并用专家系统进行预分类，按照概率从大到小排序，取前N个故障状态(N值大小根据实际情况设置)。

S4：建立多个LSTM的训练模型即MLTM，并存储其模型参数。专家系统根据前N个故障状态的故障编号，调用LSTM的相应模型参数，并进行加载，用LSTM对前N个故障进一步进行判断并定位。