一种掘进机液压系统故障诊断方法和系统.pdf

本发明公开了一种掘进机液压系统故障诊断方法和系统，使用模糊神经网络方法构建的故障诊断系统框架，建立了参数监控模块、故障知识库管理维护模块、智能诊断推理模块等子系统，并以掘进机液压系统知识库为基础，将各模块有机结合在一起。按照专家系统设计原则，建立知识库的总体结构包括故障类型库，故障知识库，故障规则库等，并将关系数据库引入知识库系统，利用ACCESS作为数据库平台，建立相应数据表，实现专家系统的各功能，充分利用数据库技术，对知识库进行管理维护。建立模糊神经网络故障诊断模型，使用自适应学习速率法和附加动量法来减少网络动荡，利用实际的数据对模糊神经网络模型训练仿真，能准确的反映掘进机液压系统的故障。

权利要求书
1.   一种掘进机液压系统故障诊断方法，其特征在于按照如下步骤进行：
步骤（1）、首先要提取反映液压系统状态的参量；
步骤（2）、对故障特征参量的处理分析，处理信号滤除混杂的噪声和干扰，净化特征信息，反映出液压系统或元件运行状态的特征；
步骤（3）建立故障诊断知识库，首先应进行故障模式、故障机理分析并从领域专家那里获取知识；将获取的知识编排成数据结构存入计算机中形成故障诊断知识库。

2.   根据权利要求1所述的掘进机液压系统故障诊断方法，其特征在于：提取的液压系统状态的参量包括流量和压力,总体上可以对液压系统进行判断；油液温度，当油液温度升高到超出正常范围时，则液压系统中的能量损失过大，温度反映出液压系统的运行状态；压力波动，液压系统正常运行时，压力的波形显示周期性，出现故障时，就会出现随机信号；内泄漏量、振动量，对于液压系统的液压元件发生故障后，都会引起振动。

3.   根据权利要求1或2所述的掘进机液压系统故障诊断方法，其特征在于：系统的基本结构分为3层，其中，知识库表层函数直接面向数据库，实现知识在数据库中的添加、查询、修改、删除等操作，操作对象为底层函数；知识库层函数位于知识库表层和知识库管理层之间，实现知识的检查管理，起连接两层函数的纽带作用；知识库管理层面向应用，直接调用知识库层的各函数，用于知识库管理的各项操作。

4.   根据权利要求1所述的掘进机液压系统故障诊断方法，其特征在于：将知识库分为4层调用形式，第一层输入层，其节点数由输入信号的个数决定，每个节点表示一个输入变量；第二层量化输入层，使用隶属度函数将输入变量进行模糊化，将诊断故障征兆分割成模糊子集；第三层隐含层，主要完成模糊输入变量映射到模糊输出变量的功能即故障征兆与故障原因的对应关系；第四层输出层，每个节点表示一种故障，它值的大小表示故障存在的可能程度。

5.   一种掘进机液压系统故障诊断系统，其特征在于：包括用户登录模块、数据监控模块、故障诊断模块；用户登录模块主要完成故障诊断前期工作，包括用户信息管理、退出系统、修改密码等功能，用户如果输入设定次的错误密码，系统将自动退出，登入模块也能自动识别用户类型，并授予相应的权限；数据监控模块主要负责上位机和下位机的通讯和数据格式的转换，为诊断模块提供数据支持；混合推理包括网络训练和故障诊断两部分，其中网络训练模块利用存储在数据库中的故障样本对模糊神经网络进行训练，得到故障诊断知识而故障诊断模块利用这些知识对实时监测的数据进行诊断，将网络输出与模糊语言值相对应，输出易于用户理解的结果，并将故障相关信息存入数据库，便于专家对故障数据进行统计分析，进而转化为故障样本；知识库管理模块由三部分组成，故障知识管理主要负责网络训练完成后的权值，阀值的管理，故障样本管理主要负责样本的查询、修改、添加和删除等工作。

说明书一种掘进机液压系统故障诊断方法和系统
技术领域
本发明涉及设备故障诊断领域，具体是一种掘进机液压系统故障诊断方法系统。
背景技术
掘进机主要用于开凿险道,被广泛应用于道路工程、城市地下交通、矿山挖掘等施工作业中,相对于钻爆法而言,有着减轻工作强度、提高施工效率、以及提供更优质的挖掘效果、增加施工安全等特点。液压系统因为其具备的体积小、重量轻、惯性小、结构紧凑、能够大范围地实现无级调速、抗负载刚性大等特点，所以其广泛应用于冶金工业、工程设备、机械机床、航空航天、武器装备、交通运输等等设备中，成为组成这些设备必不可少的部分。随着设备向大功率、高精度等方向发展，要求液压系统随设备发展方向一起发展。如此液压系统的结构亦会随性能指标的要求变高而变复杂，液压系统的工作强度亦随之增长，伴随而来的就是故障率的增加。在现代工程机械设备故障中，液压系统故障占据了不小的比例。液压系统一旦发生故障，不仅会延误施工进度、造成经济损失，很可能会造成重大伤亡事故。
常见的液压共性故障有以下7个方面:液压冲击故障、气穴和气烛故障、液压卡紧故障、油液温度过高故障、液压元件爬行故障、振动和噪声故障、液压系统泄漏故障。
通过对掘进机液压系统实际发生的故障的总结以及对其故障机理的分析,将掘进机液压系统故障分为4类，第一类 ：装载系统工作时故障 ；第二类：运输机系统工作时故障；第三类：行走系统故障；第四类：截割机构工作时故障。
当前的故障诊断技术已经渐渐满足不了现代工程的实际需要。因此探索出一种有效且实用的及时发现故障、及时诊断故障的方法成为了液压系统行业的一个亟需解决的问题。液压系统故障的诊断和检测也因此具备了很好的研究前景和应用前景。
发明内容
1、本发明的目的。
本发明解决现有技术的不足，克服故障诊断精度低，人机交互不便，知识库不完善等缺点，而提出的一种掘进机液压系统故障诊断方法系统。
2、本发明所采用的技术方案。
掘进机液压系统故障诊断方法，按照如下步骤进行：
步骤（1）、首先要提取反映液压系统状态的参量；
步骤（2）、对故障特征参量的处理分析，处理信号滤除混杂的噪声和干扰，净化特征信息，反映出液压系统或元件运行状态的特征；
步骤（3）建立故障诊断知识库，首先应进行故障模式、故障机理分析并从领域专家那里获取知识；将获取的知识编排成数据结构存入计算机中形成故障诊断知识库。
掘进机液压系统故障诊断系统，包括用户登录模块、数据监控模块、故障诊断模块；用户登录模块主要完成故障诊断前期工作，包括用户信息管理、退出系统、修改密码等功能，用户如果输入设定次的错误密码，系统将自动退出，登入模块也能自动识别用户类型，并授予相应的权限；数据监控模块主要负责上位机和下位机的通讯和数据格式的转换，为诊断模块提供数据支持；混合推理包括网络训练和故障诊断两部分，其中网络训练模块利用存储在数据库中的故障样本对模糊神经网络进行训练，得到故障诊断知识而故障诊断模块利用这些知识对实时监测的数据进行诊断，将网络输出与模糊语言值相对应，输出易于用户理解的结果，并将故障相关信息存入数据库，便于专家对故障数据进行统计分析，进而转化为故障样本；知识库管理模块由三部分组成，故障知识管理主要负责网络训练完成后的权值，阀值的管理，故障样本管理主要负责样本的查询、修改、添加和删除等工作。
3、本发明的有益效果。
（1）将模糊神经网络方法应用到掘进机液压故障诊断上，并使用自适应学习速率法和附加动量法改进算法，提高系统的精确度。
（2）关系数据库中建立知识库的方法，故障知识以数据库的形式存储保存，实现对知识库中知识的存储、添加、修改、删除、查询等功能，一定程度上实现了知识处理的自动化。
（3）诊断精度：误差精度能达到0.000001；
（4）网络自学习功能；
（5）故障发生时自动报警、数据实时监控等功能，具有良好的人机交互界面，模块化编程方式，便于扩充；
（6）容错特性：网络不会因为个别样本误差而影响整个模型的特征；
（7）系统稳定、健壮、抗干扰。
附图说明
图1是本发明的掘进机液压故障诊断系统知识库管理系统的基本结构。
图2是本发明的掘进机液压故障诊断系统模糊神经网络故障诊断模型。
图3是本发明的掘进机液压故障诊断系统总体流程图。
具体实施方式
为了使本发明的目的、技术及优点更加清楚明白，以下结合附图及实例，对本发明进行进一步详细说明。
实施例1
发生某种故障时所引起的物理参量有许多，对液压系统进行故障诊断 ，首先要提取反映液压系统状态的参量 ，当液压系统发生故障时 ，这些参量会直接或间接的发生变化 ，因此通过对这些参量变化的分析 ，我们就可以诊断出系统发生的故障。如果特征参量选择不当，就会增加诊断的难度 ，选择过多可能会产生冗余信息 ，增加采集的成本 ，过少则会降低诊断的准确性 ，甚至可能产生误判 ，所以特征参量的选取对故障的诊断起着至关重要的作用。
掘进机液压系统故障诊断方法，包括如下步骤：
步骤（1）、首先要提取反映液压系统状态的参量，提取的液压系统状态的参量包括流量和压力,总体上可以对液压系统进行判断；油液温度，当油液温度升高到超出正常范围时，则液压系统中的能量损失过大，温度反映出液压系统的运行状态；压力波动，液压系统正常运行时，压力的波形显示周期性，出现故障时，就会出现随机信号；内泄漏量、振动量，对于液压系统的液压元件发生故障后，都会引起振动；
步骤（2）、对故障特征参量的处理分析，处理信号滤除混杂的噪声和干扰，净化特征信息，反映出液压系统或元件运行状态的特征；
步骤（3）建立故障诊断知识库，首先应进行故障模式、故障机理分析并从领域专家那里获取知识；将获取的知识编排成数据结构存入计算机中形成故障诊断知识库。
系统的基本结构分为3层，其中，知识库表层函数直接面向数据库，实现知识在数据库中的添加、查询、修改、删除等操作，操作对象为底层函数；知识库层函数位于知识库表层和知识库管理层之间，实现知识的检查管理，起连接两层函数的纽带作用；知识库管理层面向应用，直接调用知识库层的各函数，用于知识库管理的各项操作。将知识库分为4层调用形式，第一层输入层，其节点数由输入信号的个数决定，每个节点表示一个输入变量；第二层量化输入层，使用隶属度函数将输入变量进行模糊化，将诊断故障征兆分割成模糊子集；第三层隐含层，主要完成模糊输入变量映射到模糊输出变量的功能即故障征兆与故障原因的对应关系；第四层输出层，每个节点表示一种故障，它值的大小表示故障存在的可能程度。
掘进机液压系统故障诊断系统，包括用户登录模块、数据监控模块、故障诊断模块；用户登录模块主要完成故障诊断前期工作，包括用户信息管理、退出系统、修改密码等功能，用户如果输入设定次的错误密码，系统将自动退出，登入模块也能自动识别用户类型，并授予相应的权限；数据监控模块主要负责上位机和下位机的通讯和数据格式的转换，为诊断模块提供数据支持；混合推理包括网络训练和故障诊断两部分，其中网络训练模块利用存储在数据库中的故障样本对模糊神经网络进行训练，得到故障诊断知识而故障诊断模块利用这些知识对实时监测的数据进行诊断，将网络输出与模糊语言值相对应，输出易于用户理解的结果，并将故障相关信息存入数据库，便于专家对故障数据进行统计分析，进而转化为故障样本；知识库管理模块由三部分组成，故障知识管理主要负责网络训练完成后的权值，阀值的管理，故障样本管理主要负责样本的查询、修改、添加和删除等工作。
实施例2
如图1，为本发明的掘进机液压故障诊断系统知识库管理系统的基本结构。设计的故障诊断KBMS，其总体结构分为3层。其中，知识库表层函数直接面向数据库，实现知识在数据库中的添加、查询、修改、删除等操作，操作对象为底层函数；知识库层函数位于知识库表层和知识库管理层之间，实现知识的检查管理，起连接两层函数的纽带作用；知识库管理层面向应用，直接调用知识库层的各函数，用于知识库管理的各项操作。实际应用中，将知识库分为3层调用形式，即设置各层函数使其完成不同的功能
如图2，为本发明的掘进机液压故障诊断系统模糊神经网络故障诊断模型。第一层输入层，其节点数由输入信号（诊断故障征兆）的个数                                                决定，每个节点表示一个输入变量，其输入向量；
第二层量化输入层，使用隶属度函数将输入变量进行模糊化，将诊断故障征兆分割成个模糊子集，故障征兆就有个模糊隶属度值，它的第个隶属度函数可以表示为： 其中；量化层有个节点；
第三层隐含层，主要完成模糊输入变量映射到模糊输出变量的功能即故障征兆与故障原因的对应关系，设该层第个节点与量化层各节点的连接权向量，则该节点的输出为其中选用Sigmoid函数，为该节点的阀值。隐含层的节点数可以选用公式来计算，其中的取值范围为1到10之间。
第四层输出层，每个节点表示一种故障，它值的大小表示故障存在的可能程度。设有个故障，该层第个节点与隐含层各节点的连接权向量，则该节点的输出为，输出层的节点数为故障的个数。
如图3，为本发明的掘进机液压故障诊断系统总体流程图。用户登录模块主要完成故障诊断前期工作，包括用户信息管理、退出系统、修改密码等功能，
用户如果输入3次错误密码，系统将自动退出，登入模块也能自动识别用户类型，并授予相应的权限。数据监控模块主要负责上位机和下位机的通讯和数据格式的转换，为诊断模块提供数据支持；混合推理包括网络训练和故障诊断两部分，其中网络训练模块利用存储在数据库中的故障样本对模糊神经网络进行训练，得到故障诊断知识（权值矩阵、阀值矩阵和学习速率等），而故障诊断模块利用这些知识对实时监测的数据进行诊断，将网络输出与模糊语言值相对应，输出易于用户理解的结果，并将故障相关信息存入数据库，便于专家对故障数据进行统计分析，进而转化为故障样本；知识库管理模块由三部分组成，故障知识管理主要负责网络训练完成后的权值，阀值的管理，故障样本管理主要负责样本的查询、修改、添加和删除等工作。
上述实施例不以任何方式限制本发明，凡是采用等同替换或等效变换的方式获得的技术方案均落在本发明的保护范围内。