一種基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng)的制作方法
【專(zhuān)利摘要】本發(fā)明涉及一種基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),包括加速度傳感器、數(shù)據(jù)采集模塊、雙類(lèi)特征提取模塊和融合診斷模塊,所述加速度傳感器用于將柱塞泵的振動(dòng)信號(hào)轉(zhuǎn)換為電信號(hào);所述數(shù)據(jù)采集模塊用于將加速度傳感器所采集的信號(hào)進(jìn)行預(yù)處理;所述雙類(lèi)特征提取模塊用于提取由數(shù)據(jù)采集模塊預(yù)處理的信號(hào)的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征;所述融合診斷模塊用于將獲取的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征分別通過(guò)相關(guān)向量機(jī)模型進(jìn)行診斷,再將診斷結(jié)果通過(guò)DS證據(jù)理論進(jìn)行融合,以獲取最終的診斷結(jié)果。本發(fā)明增加了診斷結(jié)果的準(zhǔn)確性與可靠性,解決了單類(lèi)特征診斷中存在的診斷結(jié)果難以明確等問(wèn)題。
【專(zhuān)利說(shuō)明】一種基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及柱塞泵故障診斷【技術(shù)領(lǐng)域】,特別是涉及一種基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng)。
【背景技術(shù)】
[0002]柱塞泵是工程機(jī)械液壓系統(tǒng)的主要?jiǎng)恿υ?,其運(yùn)行狀態(tài)的好壞直接影響工程機(jī)械工作狀況,因此,對(duì)柱塞泵的故障進(jìn)行準(zhǔn)確、高效的診斷,對(duì)于確保工程機(jī)械及時(shí)恢復(fù)正常工作狀態(tài)有著非常重要的意義。然而,當(dāng)前柱塞泵故障診斷中大多采用單類(lèi)特征進(jìn)行診斷,單類(lèi)特征診斷中有時(shí)會(huì)存在診斷結(jié)果難以明確、不確定性高等情況,因此,研究采用雙類(lèi)特征進(jìn)行融合診斷,確保診斷結(jié)果的準(zhǔn)確性與可靠性,將有著非常重要意義。
【發(fā)明內(nèi)容】
[0003]本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),即將獲取的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征分別通過(guò)相關(guān)向量機(jī)模型(即Relevance Vector Machine,簡(jiǎn)稱(chēng)RVM)進(jìn)行診斷,再將診斷結(jié)果通過(guò)DS證據(jù)理論進(jìn)行融合,以獲取最終的診斷結(jié)果。
[0004]本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是:提供一種基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),包括加速度傳感器、數(shù)據(jù)采集模塊、雙類(lèi)特征提取模塊和融合診斷模塊,所述加速度傳感器用于將柱塞泵的振動(dòng)信號(hào)轉(zhuǎn)換為電信號(hào);所述數(shù)據(jù)采集模塊用于將加速度傳感器所采集的信號(hào)進(jìn)行預(yù)處理;所述雙類(lèi)特征提取模塊用于提取由數(shù)據(jù)采集模塊預(yù)處理的信號(hào)的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征;所述融合診斷模塊用于將獲取的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征分別通過(guò)相關(guān)向量機(jī)模型進(jìn)行診斷,再將診斷結(jié)果通過(guò)DS證據(jù)理論進(jìn)行融合,以獲取最終的診斷結(jié)果。
[0005]所述雙類(lèi)特征提取模塊包括提升小波變換子模塊、第一計(jì)算子模塊、第二計(jì)算子模塊和第一歸一化子模塊和第二歸一化子模塊;所述提升小波變換子模塊用于將所預(yù)處理后的振動(dòng)信號(hào)進(jìn)行三層提升小波分解,獲取多個(gè)不同頻段的提升小波包;所述第一計(jì)算子模塊用于計(jì)算各頻段提升小波包的能量譜;所述第二計(jì)算子模塊用于計(jì)算各頻段提升小波包的相對(duì)特征熵計(jì)算;所述第一歸一化子模塊用于對(duì)各頻段提升小波包的能量譜進(jìn)行歸一化處理,得到提升小波包相對(duì)能量譜;所述第二歸一化子模塊用于對(duì)各頻段提升小波包的特征熵進(jìn)行歸一化處理,獲得提升小波包相對(duì)特征熵。
[0006]所述融合診斷模塊包括相關(guān)向量機(jī)模型診斷子模塊和DS證據(jù)融合子模塊;所述相關(guān)向量機(jī)模型診斷子模塊分別對(duì)小波包相對(duì)能量譜與小波包相對(duì)特征熵進(jìn)行診斷,并采用了 ‘一對(duì)一’組合模式以識(shí)別柱塞泵的狀態(tài);所述DS證據(jù)融合子模塊用于將相關(guān)向量機(jī)模型診斷子模塊輸出的診斷結(jié)果進(jìn)行融合以獲取最終的診斷結(jié)果。
[0007]所述‘一對(duì)一’組合模式是指每次只選取其中的兩類(lèi)樣本,對(duì)所有可能的兩類(lèi)組合構(gòu)造相關(guān)向量機(jī)模型,總共需要構(gòu)造M(M_l)/2個(gè)相關(guān)向量機(jī)模型,其中M表示柱塞泵狀態(tài)的數(shù)目。
[0008]所述‘一對(duì)一’組合模式采用“投票法”,樣本每經(jīng)過(guò)一個(gè)二分類(lèi)相關(guān)向量機(jī)模型都會(huì)獲得一個(gè)可能的故障類(lèi)型,則該故障類(lèi)型獲得一票,當(dāng)樣本經(jīng)過(guò)所有二分類(lèi)相關(guān)向量機(jī)模型后,對(duì)獲得票數(shù)進(jìn)行統(tǒng)計(jì),得到每種狀態(tài)的得票數(shù),并將每種狀態(tài)的得票數(shù)進(jìn)行歸一化,以獲得每種狀態(tài)發(fā)生的概率。
[0009]有益效果
[0010]由于采用了上述的技術(shù)方案,本發(fā)明與現(xiàn)有技術(shù)相比,具有以下的優(yōu)點(diǎn)和積極效果:本發(fā)明采用了雙類(lèi)特征進(jìn)行融合診斷,將獲取的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征分別通過(guò)相關(guān)向量機(jī)模型進(jìn)行診斷,再將診斷結(jié)果通過(guò)DS證據(jù)理論進(jìn)行融合,以獲取最終的診斷結(jié)果,增加了診斷結(jié)果的準(zhǔn)確性與可靠性,解決了單類(lèi)特征診斷中存在的診斷結(jié)果難以明確等問(wèn)題。
【專(zhuān)利附圖】
【附圖說(shuō)明】
[0011]圖1是基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng)示意圖;
[0012]圖2是基于雙類(lèi)特征融合診斷的柱塞泵故障診斷流程圖。
【具體實(shí)施方式】
[0013]下面結(jié)合具體實(shí)施例,進(jìn)一步闡述本發(fā)明。應(yīng)理解,這些實(shí)施例僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解,在閱讀了本發(fā)明講授的內(nèi)容之后,本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改,這些等價(jià)形式同樣落于本申請(qǐng)所附權(quán)利要求書(shū)所限定的范圍。
[0014]本發(fā)明的實(shí)施方式涉及一種基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),如圖1所示,包括加速度傳感器、數(shù)據(jù)采集模塊、雙類(lèi)特征提取模塊和融合診斷模塊,所述加速度傳感器用于將柱塞泵的振動(dòng)信號(hào)轉(zhuǎn)換為電信號(hào);所述數(shù)據(jù)采集模塊用于將加速度傳感器所采集的信號(hào)進(jìn)行預(yù)處理;所述雙類(lèi)特征提取模塊用于提取由數(shù)據(jù)采集模塊預(yù)處理的信號(hào)的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征;所述融合診斷模塊用于將獲取的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征分別通過(guò)相關(guān)向量機(jī)模型進(jìn)行診斷,再將診斷結(jié)果通過(guò)DS證據(jù)理論進(jìn)行融合,以獲取最終的診斷結(jié)果。所述顯示模塊用于診斷結(jié)果顯示以及便于人機(jī)交互的界面。
[0015]雙類(lèi)特征提取模塊、融合診斷模塊是整個(gè)系統(tǒng)的核心,其中雙類(lèi)特征提取模塊包含了提升小波變換、小波包能量譜計(jì)算及歸一化、小波包相對(duì)特征熵計(jì)算及歸一化等過(guò)程,提升小波變換主要將所預(yù)處理后的振動(dòng)信號(hào)進(jìn)行三層提升小波分解,獲取8個(gè)不同頻段的提升小波包;分別計(jì)算各頻段提升小波包的能量譜與特征熵并分別進(jìn)行歸一化處理,以獲得提升小波包相對(duì)能量譜與相對(duì)特征熵。融合診斷模塊包含了 RVM模型診斷與DS證據(jù)融合兩部分,RVM模型包含了分別采用小波包相對(duì)能量譜與小波包相對(duì)特征熵進(jìn)行診斷的RVMl與RVM2模型,RVMl與RVM2模型都采用了 ‘一對(duì)一’組合模式以識(shí)別柱塞泵的狀態(tài)。‘一對(duì)一’組合模式主要是指每次只選取其中的兩類(lèi)樣本,對(duì)所有可能的兩類(lèi)組合構(gòu)造RVM,總共需要構(gòu)造M(M-1) /2個(gè)RVM,其中M表示柱塞泵狀態(tài)的數(shù)目。DS證據(jù)融合將RVMl與RVM2模型輸出的診斷結(jié)果進(jìn)行融合以獲取最終的診斷結(jié)果。[0016]如圖2所示,基于雙類(lèi)特征融合診斷的柱塞泵故障診斷流程包含了采用小波包相對(duì)能量譜RVMl模型診斷、采用小波包相對(duì)特征熵RVM2模型診斷以及DS證據(jù)融合等三個(gè)過(guò)程。RVMl與RVM2模型都采用了 ‘一對(duì)一’組合模式以識(shí)別柱塞泵的狀態(tài),RVMl與RVM2分別包含了 Μ(Μ-1)/2個(gè)RVM,其中M表示柱塞泵狀態(tài)的數(shù)目?!粚?duì)一’組合模式采用的是“投票法”,樣本每經(jīng)過(guò)一個(gè)二分類(lèi)RVM都會(huì)獲得一個(gè)可能的故障類(lèi)型,則該故障類(lèi)型獲得一票,當(dāng)樣本經(jīng)過(guò)所有二分類(lèi)RVM后,對(duì)獲得票數(shù)進(jìn)行統(tǒng)計(jì),得到每種狀態(tài)的得票數(shù),并將每種狀態(tài)的得票數(shù)進(jìn)行歸一化,以獲得每種狀態(tài)發(fā)生的概率。最后,將RVMl與RVM2模型輸出的每種狀態(tài)發(fā)生的概率進(jìn)行DS證據(jù)融合以獲取最終的診斷結(jié)果。
[0017]不難發(fā)現(xiàn),基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng)采用了雙類(lèi)特征進(jìn)行融合診斷,增加了診斷結(jié)果的準(zhǔn)確性與可靠性,解決了單類(lèi)特征診斷中存在的診斷結(jié)果難以明確等問(wèn)題。
【權(quán)利要求】
1.一種基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),包括加速度傳感器、數(shù)據(jù)采集模塊、雙類(lèi)特征提取模塊和融合診斷模塊,其特征在于,所述加速度傳感器用于將柱塞泵的振動(dòng)信號(hào)轉(zhuǎn)換為電信號(hào);所述數(shù)據(jù)采集模塊用于將加速度傳感器所采集的信號(hào)進(jìn)行預(yù)處理;所述雙類(lèi)特征提取模塊用于提取由數(shù)據(jù)采集模塊預(yù)處理的信號(hào)的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征;所述融合診斷模塊用于將獲取的小波包相對(duì)能量譜與小波包相對(duì)特征熵兩類(lèi)特征分別通過(guò)相關(guān)向量機(jī)模型進(jìn)行診斷,再將診斷結(jié)果通過(guò)DS證據(jù)理論進(jìn)行融合,以獲取最終的診斷結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),其特征在于,所述雙類(lèi)特征提取模塊包括提升小波變換子模塊、第一計(jì)算子模塊、第二計(jì)算子模塊和第一歸一化子模塊和第二歸一化子模塊;所述提升小波變換子模塊用于將所預(yù)處理后的振動(dòng)信號(hào)進(jìn)行三層提升小波分解,獲取多個(gè)不同頻段的提升小波包;所述第一計(jì)算子模塊用于計(jì)算各頻段提升小波包的能量譜;所述第二計(jì)算子模塊用于計(jì)算各頻段提升小波包的相對(duì)特征熵計(jì)算;所述第一歸一化子模塊用于對(duì)各頻段提升小波包的能量譜進(jìn)行歸一化處理,得到提升小波包相對(duì)能量譜;所述第二歸一化子模塊用于對(duì)各頻段提升小波包的特征熵進(jìn)行歸一化處理,獲得提升小波包相對(duì)特征熵。
3.根據(jù)權(quán)利要求1所述的基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),其特征在于,所述融合診斷模塊包括相關(guān)向量機(jī)模型診斷子模塊和DS證據(jù)融合子模塊;所述相關(guān)向量機(jī)模型診斷子模塊分別對(duì)小波包相對(duì)能量譜與小波包相對(duì)特征熵進(jìn)行診斷,并采用了‘一對(duì)一’組合模式以識(shí)別柱塞泵的狀態(tài);所述DS證據(jù)融合子模塊用于將相關(guān)向量機(jī)模型診斷子模塊輸出的診斷結(jié)果進(jìn)行融合以獲取最終的診斷結(jié)果。
4.根據(jù)權(quán)利要求3所述的基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),其特征在于,所述‘一對(duì)一’組合模式是指每次只選取其中的兩類(lèi)樣本,對(duì)所有可能的兩類(lèi)組合構(gòu)造相關(guān)向量機(jī)模型,總共需要構(gòu)造Μ(Μ-1)/2個(gè)相關(guān)向量機(jī)模型,其中M表示柱塞泵狀態(tài)的數(shù)目。
5.根據(jù)權(quán)利要求3所述的基于雙類(lèi)特征融合診斷的柱塞泵故障診斷系統(tǒng),其特征在于,所述‘一對(duì)一’組合模式采用“投票法”,樣本每經(jīng)過(guò)一個(gè)二分類(lèi)相關(guān)向量機(jī)模型都會(huì)獲得一個(gè)可能的故障類(lèi)型,則該故障類(lèi)型獲得一票,當(dāng)樣本經(jīng)過(guò)所有二分類(lèi)相關(guān)向量機(jī)模型后,對(duì)獲得票數(shù)進(jìn)行統(tǒng)計(jì),得到每種狀態(tài)的得票數(shù),并將每種狀態(tài)的得票數(shù)進(jìn)行歸一化,以獲得每種狀態(tài)發(fā)生的概率。
【文檔編號(hào)】F04B51/00GK103758742SQ201410021106
【公開(kāi)日】2014年4月30日 申請(qǐng)日期:2014年1月17日 優(yōu)先權(quán)日:2014年1月17日
【發(fā)明者】費(fèi)勝巍, 何勇, 馬曉建, 趙亮, 徐亞光 申請(qǐng)人:東華大學(xué)