[发明专利]基于人工智能的液压设备智能控制系统

说明书

本发明涉及神经网络技术领域，具体涉及基于人工智能的液压设备智能控制系统。该系统为人工智能优化操作系统，包括：神经网络训练模块、神经网络应用模块、可信度获取模块以及智能控制模块。神经网络训练模块用于训练状态判断神经网络和置信度神经网络；神经网络应用模块用于获取压力数据的置信度；可信度获取模块用于筛选出置信度序列中高置信度的数量占比；同时分析序列变化趋势，根据变化趋势和数量占比获取数据可靠性；获取可靠性系数，进而获取状态判断神经网络的可信度；智能控制模块用于根据状态判断神经网络的结果和对应的可信度对液压设备进行智能控制。本发明实施例能够采用神经网络模型及时检测液压设备的泄露状态，并进行智能调节。

技术领域

本发明涉及神经网络技术领域，具体涉及基于人工智能的液压设备智能控制系统。

背景技术

人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

现今在液压控制系统中采用神经网络模型进行参数调整或系统状态的估计已经形成常态，但神经网络存在较大的不可解释性，在进行系统状态估计的过程中，神经网络预测结果的可信度是一个不确定因素，因而不能判断神经网络的输出结果是否准确，进一步导致液压设备的智能控制没有准确的依据，控制过程不合理。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的液压设备智能控制系统，所采用的技术方案具体如下：

本发明一个实施例提供了一种基于人工智能的液压设备智能控制系统，该系统包括以下模块：

神经网络训练模块，用于获取液压缸每个时刻下的压力数据，利用多个预设时间段的压力数据序列以及对应的泄露状态训练状态判断神经网络；通过每个压力数据对应的系统误差计算该压力数据对应的置信度，利用不同状态下的所述压力数据及其对应的置信度分别训练置信度神经网络；

神经网络应用模块，用于将采集的压力数据输入训练完成的状态判断神经网络，输出对应的状态，然后将该压力数据输入训练完成的对应状态的置信度神经网络中，输出对应的置信度；

可信度获取模块，用于获取当前时刻前预设时间段的置信度序列，筛选出大于置信度阈值的置信度的数量占比；同时分析所述置信度序列的变化趋势，根据变化趋势和所述数量占比获取数据可靠性；通过将筛选前后的所述置信度序列转换为压力数据范围分别输入状态判断神经网络，根据前后两次的输出结果得到可靠性系数，基于所述数据可靠性和所述可靠性系数获取状态判断神经网络的可信度；

智能控制模块，用于根据状态判断神经网络的结果和对应的可信度评估液压设备智能控制系统的稳定性，以基于所述稳定性对液压设备进行智能控制。

优选的，所述神经网络训练模块包括：

置信度计算单元，用于获取每个压力数据对应的液压缸中阀芯的理论位移，以及液压缸的实际位移，以所述理论位移与实际位移的差值作为所述系统误差，依据所述系统误差与理论位移的比值获取所述置信度；所述置信度与所述系统误差呈负相关关系。

优选的，所述神经网络训练模块包括：

置信度神经网络训练单元，用于通过状态判断神经网络获取压力数据序列的状态，并根据不同的状态将压力数据序列区分为不同的组，分别利用每组的压力数据和对应的置信度训练该组状态下的置信度神经网络。

优选的，所述可信度获取模块包括：

数量占比获取单元，用于通过对置信度序列进行阈值分割获取所述置信度阈值，筛选出置信度序列中大于置信度阈值的置信度数量，以其与置信度序列的所有元素的数量的比值作为所述数量占比。