[发明专利]一种液压缸故障诊断方法

摘要

本发明公开了一种液压缸故障诊断方法，首先在AMESim软件中对液压缸进行物理建模仿真并完成故障注入过程，获取故障数据；接着对数据进行小波包能量提取，构建特征向量；然后建立基于高维非线性分类器的故障诊断模型；使用训练样本对故障诊断模型进行训练，并采用遗传算法计算出模型所需参数的最优解，构造多值分类器；将液压缸测试样本输入到模型进行故障诊断。本发明有效地解决算法验证过程中故障数据不足的问题，结合遗传算法优化寻参的高维非线性分类器算法的应用有效解决非线性、小样本的问题，提高了故障诊断模型的故障识别能力。

主权项

1.一种液压缸故障诊断方法，其特征在于，包含如下具体步骤：步骤1)，通过AMESim软件建立液压缸仿真模型；步骤2)，进行故障注入，分别获得状态集合的每一种状态下N组液压缸仿真模型的进出口流量数据，所述状态集合包含正常工作状态、液压缸泄露故障状态、负载突变故障状态和活塞杆轴线偏移故障状态；步骤3)，采用小波包分解方法对每一种状态下液压缸仿真模型的每组进出口流量数据进行四层分解，得到每组进出口流量数据16个频带下的分解信号，并计算出每组进出口流量数据的进口流量数据、出口流量数据的分解信号在各个频段下的能量值、进而得到该组进出口流量数据的特征向量，结合各组进出口流量数据对应的液压缸仿真模型的状态，最终形成特征数据集；步骤4)，利用遗传算法对支持向量机模型的惩罚因子、以及预先设定的核函数参数进行寻优，并在此基础上建立多值支持向量机分类器，然后利用特征数据集对多值支持向量机分类器进行训练，得到训练后的多值支持向量机分类器；步骤5)，对待测试的液压缸进出口流量数据进行特征提取，获取其特征向量，并将其输入训练后的多值支持向量机分类器，得到待测试的液压缸的状态，完成故障诊断。