一種基于驅動端電流檢測的高速開關閥故障診斷方法
【專利摘要】本發(fā)明涉及一種高速開關閥故障診斷方法，其特征在于：包括搭接實驗系統(tǒng)；設置實驗系統(tǒng)特征閥；根據提取的特征曲線和特征向量；通過小波包對信號進行重構；采用能量-故障的診斷方法提取信號特征值；最后利用已有的數據訓練BP神經網絡，對數據進行故障分類步驟。本發(fā)明同現有技術相比的優(yōu)越性在于：利用檢測驅動端電流的方法來檢測高速開關閥的狀態(tài)，利用機械裝置模擬高速開關閥的故障，以及并利用信號處理和模式分類方法對高速開關閥的正常和故障進行識別，信號易于提取，便于實施，通過對驅動端電流的分析，可準確識別高速開關閥的狀態(tài)，大大提高了液壓系統(tǒng)的可靠性和安全性。
【專利說明】一種基于驅動端電流檢測的高速開關閥故障診斷方法
【技術領域】:
[0001]本發(fā)明屬于液壓系統(tǒng)故障診斷領域，涉及一種高速開關閥故障診斷方法，尤其涉及一種利用檢測驅動端電流，小波包分解對信號重構，能量-故障診斷方法和BP神經網絡模式識別的方法。
【背景技術】:
[0002]高速開關閥是一種新型的電液數字閥，通過調節(jié)閥口的開/關時間改變通過的平均流量。它具有快速的切換能力，以及價格低廉，抗污染性強，重復精度高，采用脈沖信號進行調節(jié)等優(yōu)點，實現了計算機控制技術和液壓流體技術的結合，廣泛應用于速度、位置、力等多種控制場合。作為液壓系統(tǒng)的關鍵部件，其性能和安全性將直接影響到系統(tǒng)的可靠性，其中對高速開關閥的特性檢測大多采用激光位移傳感器、力傳感器，這些檢測設備操作復雜，傳感器昂貴，增大了檢測成本，且只是對高速開關閥的的特性參數進行定量檢測，并沒有對高速開關閥的狀態(tài)進行定性分析。本發(fā)明針對高速開關閥的故障診斷方法沒有查到相關文獻。

【發(fā)明內容】
:
[0003]針對上述現有技術狀況，本發(fā)明的目的在于:提供一種基于驅動端電流檢測的高速開關閥故障檢測方法。
[0004]現將本發(fā)明構思及技術解決方案敘述如下:
[0005]本發(fā)明一種基于驅動端電流檢測的高速開關閥故障診斷方法的基本發(fā)明構思是，搭接實驗系統(tǒng)，設置實驗系統(tǒng)特征閥，根據提取的特征曲線和特征向量，通過小波包對信號進行重構；采用能量-故障的診斷方法提取信號特征值:最后利用已有的數據訓練BP神經網絡，對數據進行故障分類(如圖1所示)，具體步驟如下:
[0006]步驟1:搭接實驗系統(tǒng)
[0007]步驟1.1:所述的搭接實驗系統(tǒng)由高速開關閥、推桿機構、數據采集卡、電流傳感器構成；所述的高速開關閥由銜鐵、銜鐵管、線圈、極靴、閥體、頂桿、出油口、球閥、進油口構成；所述的推桿機構由固定架、頂桿、壓縮彈簧、螺母構成；
[0008]步驟1.2:數據采集卡的AO輸出提供高速開關閥的控制信號，設定頻率為5?15HZ，占空比為40?60%，方波信號經放大后作用于高速開關閥；
[0009]步驟1.3:將電流傳感器的霍爾電流傳感器串接入驅動端，由采集卡的端口采集電流值；
[0010]步驟2:分析高速開關閥驅動端電流特性；
[0011]步驟3:通過椎桿機構的機械堵死來設置高速開關閥閥芯卡死故障；所述的機械堵死是指螺母13擰緊在頂桿11上時的狀態(tài)；
[0012]步驟4:根據步驟1.3采集的電流值，采用小波包信號重構和能量-故障的診斷方法，提取信號特征向量:[0013]步驟4.1采集兩種狀態(tài)下的驅動端電流各30-40組數據，并求得電流變化率作為特征曲線，用于神經網絡的訓練；另外每種類型再采集30-40組數據用于BP神經網絡的測試；
[0014]步驟4.2對特征曲線進行三層小波包分解，提取第三層從低頻到高頻8個頻率成分的信號特征，如圖2所示；
[0015]步驟4.3:對小波包分解系數進行重構，提取各頻帶范圍的信號特征(見圖9);
[0016]步驟4.4:提取各個頻帶信號的總能量，各層能量為元素進行歸一化處理，利用能量-故障的診斷方法，提取有差異的層能量值，構造特征向量(見表I)；
[0017]步驟4.4.1:采用小波包信號分解時正交分解，遵循能量守恒原理，用E (t)表示信號的能量，有如下關系:
[0018]
【權利要求】
1.一種基于驅動端電流檢測的高速開關閥故障診斷方法，其特征在于:搭接實驗系統(tǒng)；設置實驗系統(tǒng)特征閥；根據提取的特征曲線和特征向量；通過小波包對信號進行重構；采用能量-故障的診斷方法提取信號特征值；最后利用已有的數據訓練BP神經網絡，對數據進行故障分類，具體步驟如下: 步驟1:搭接實驗系統(tǒng) 步驟2:分析高速開關閥驅動端電流特性； 步驟3:通過椎桿機構的機械堵死來設置高速開關閥閥芯卡死故障； 步驟4:根據步驟1.3采集的電流值，采用小波包信號重構和能量-故障的診斷方法，提取信號特征向量； 步驟5:構建BP神經網絡，訓練并測試BP神經網絡； 步驟6 ;確定電磁閥故障類型。將BP神經網絡的輸出值進行四舍五入，為O則輸出高速開關閥正常狀態(tài)，為I則輸出高速開關閥閥芯卡死狀態(tài)。
2.根據權利要求1所述的一種基于驅動端電流檢測的高速開關閥故障診斷方法，其特征在于:步驟I中所述的“搭接實驗系統(tǒng)”的具體步驟如下: 步驟1.1:所述的搭接實驗系統(tǒng)由高速開關閥、推桿機構、數據采集卡、電流傳感器構成；所述的高速開關閥由銜鐵、銜鐵管、線圈、極靴、閥體、頂桿、出油口、球閥、進油口構成；所述的推桿機構由固定架、頂桿、壓縮 彈簧、螺母構成； 步驟1.2:數據采集卡的AO輸出提供高速開關閥的控制信號，設定頻率為5-15HZ，占空比為40-60%，方波信號經放大后作用于高速開關閥； 步驟1.3:將電流傳感器的霍爾電流傳感器串接入驅動端，采集卡的端口采集電流值。
3.根據權利要求1所述的一種基于驅動端電流檢測的高速開關閥故障診斷方法，其特征在于:步驟4中所述的“提取信號特征向量”的具體步驟如下: 步驟4.1采集兩種狀態(tài)下的驅動端電流各30-40組數據，并求得電流變化率作為特征曲線，用于神經網絡的訓練；另外每種類型再采集30-40組數據用于BP神經網絡的測試； 步驟4.2對特征曲線進行三層小波包分解，提取第三層從低頻到高頻8個頻率成分的信號特征； 步驟4.3:對小波包分解系數進行重構，提取各頻帶范圍的信號特征； 步驟4.4:提取各個頻帶信號的總能量，各層能量為元素進行歸一化處理，利用能量-故障的診斷方法，提取有差異的層能量值，構造特征向量。
4.根據權利要求1所述的一種基于驅動端電流檢測的高速開關閥故障診斷方法，其特征在于:步驟4.4中所述的“構造特征向量”的具體步驟如下: 步驟4.4.1:采用小波包信號分解時正交分解，遵循能量守恒原理，用E (t)表示信號的能量，有如下關系:
5.根據權利要求1所述的一種基于驅動端電流檢測的高速開關閥故障診斷方法，其特征在于:步驟5中所述的“構建BP神經網絡，訓練并測試BP神經網絡”，的具體步驟如下: 步驟5.1:ΒΡ神經網絡訓練: 步驟5.1.1:對隱含層個數進行分析，采用統(tǒng)計分析的方法，對某一固定隱含層的網絡進行重復10?100次實驗，求取測試誤差，并對測試誤差求取均值和標準差，選取測試誤差均值較小的數值作為隱含層神經元的數目； 步驟5.1.2:確定BP神經網絡的結構和參數，利用采集的正常和閥芯卡死各類30?40組的數據，對BP神經網絡進行訓練: 步驟5.2:ΒΡ神經網絡測試。利用采集的正常和閥芯卡死各種類型30?40組數據進行神經網絡測試。
【文檔編號】G01R31/327GK103439653SQ201310398352
【公開日】2013年12月11日 申請日期:2013年8月30日 優(yōu)先權日:2013年8月30日
【發(fā)明者】高欽和, 劉志浩, 邵亞軍, 管文良, 鄧剛鋒 申請人:中國人民解放軍第二炮兵工程大學