專利名稱：一種基于故障觀測器與som的液壓系統(tǒng)健康評估方法
技術(shù)領(lǐng)域：
本發(fā)明屬于液壓系統(tǒng)的故障診斷技術(shù)領(lǐng)域，具體涉及一種基于故障觀測器與自組織映射(SOM)相結(jié)合的液壓系統(tǒng)的健康評估方法。
背景技術(shù)：
由于科技水平的不斷提高，機(jī)械設(shè)備的自動(dòng)化和智能化水平顯著增長，機(jī)械結(jié)構(gòu)變得越來越復(fù)雜，可靠性在工業(yè)產(chǎn)品中起著重要的作用。但是，無論產(chǎn)品的可靠性有多的高，由于過大的負(fù)載、惡劣的工況環(huán)境等因素的影響，機(jī)器的性能會隨著時(shí)間的推移而不斷地發(fā)生退化，設(shè)備最終會出現(xiàn)功能失效。機(jī)器設(shè)備維修作為一種有效的方式，在一定程度上可以保證機(jī)器設(shè)備具有持續(xù)的高可靠性。但這種單純依靠維修方式來提高設(shè)備的可靠性， 在實(shí)際中常常會面臨好設(shè)備誤修、壞設(shè)備漏修、影響原裝備壽命等情況的出現(xiàn)，也會增加維修成本。因此如何對設(shè)備當(dāng)前的健康狀態(tài)進(jìn)行評估，間接地知道設(shè)備的剩余壽命，已成為目前設(shè)備健康狀態(tài)監(jiān)測的研究熱點(diǎn)之一。觀測器屬于基于解析模型進(jìn)行故障檢測的其中一種方法，而基于解析模型方法的基本思想為故障發(fā)生前后，系統(tǒng)分別處于正常狀態(tài)和故障狀態(tài)，建立正常狀態(tài)時(shí)系統(tǒng)的解析模型，通過比較模型輸出和真實(shí)系統(tǒng)的測量輸出，產(chǎn)生稱為“殘差”的故障指示器。若故障發(fā)生，會影響系統(tǒng)的測量輸出，導(dǎo)致殘差發(fā)生變化，對該殘差進(jìn)行評價(jià)，既可故障檢測，又可對系統(tǒng)的退化狀態(tài)進(jìn)行評估。自組織映射(SOM)是基于無監(jiān)督學(xué)習(xí)方法的神經(jīng)網(wǎng)絡(luò)的一種重要類型，且是神經(jīng)網(wǎng)絡(luò)最富有魅力的研究領(lǐng)域之一。它能夠通過其輸入樣本學(xué)會檢測其規(guī)律性和輸入樣本相互之間的關(guān)系，并且根據(jù)這些輸入樣本的信息自適應(yīng)調(diào)整網(wǎng)絡(luò)，使網(wǎng)絡(luò)以后的響應(yīng)與輸入樣本相適應(yīng)。不但能學(xué)習(xí)輸入向量的分布情況，還可以學(xué)習(xí)輸入向量的拓?fù)浣Y(jié)構(gòu)，其單個(gè)神經(jīng)元對模式分類不起決定性作用，而要靠多個(gè)神經(jīng)元的協(xié)同作用才能完成模式分類。目前，對于液壓系統(tǒng)的健康評估正處于起步階段，而且大部分的現(xiàn)有評估方法都是在故障的特征識別的基礎(chǔ)上對當(dāng)前狀態(tài)進(jìn)行評估的。這種方法的關(guān)鍵之一在于需要有待評估設(shè)備的歷史故障數(shù)據(jù)，因?yàn)橹挥行枰ㄟ^比較當(dāng)前狀態(tài)與各種故障程度的歷史特征模式才能實(shí)現(xiàn)健康狀態(tài)評估。然而，設(shè)備的歷史故障數(shù)據(jù)往往較難獲取，尤其是針對一些新安裝使用的設(shè)備來說，根本沒有歷史故障數(shù)據(jù)，評估效果差、魯棒性差，因此在實(shí)際工程中此方法的應(yīng)用受到了很大的限制。

發(fā)明內(nèi)容
本發(fā)明的目的是為了解決在進(jìn)行液壓系統(tǒng)健康狀態(tài)評估時(shí)，現(xiàn)有方法評估效果差、魯棒性差且依賴于歷史數(shù)據(jù)的問題，提出一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法。本發(fā)明一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法，具體包括以下步驟驟一、建立并訓(xùn)練故障觀測器，所述的故障觀測器采用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，輸入為液壓系統(tǒng)的輸入和輸出信號，輸出信號通過一個(gè)模擬真實(shí)液壓系統(tǒng)輸出滯后功能的遲滯環(huán)節(jié)后輸入，獲取液壓系統(tǒng)正常工作狀態(tài)下的歷史輸入和輸出信號，訓(xùn)練故障觀測器，訓(xùn)練輸入樣本為獲取的歷史輸入和輸出信號，訓(xùn)練輸出樣本為獲取的歷史輸出信號，在故障觀測器訓(xùn)練完成后，獲得液壓系統(tǒng)在正常工作狀態(tài)下的殘差信號；所述的殘差信號由故障觀測器的估計(jì)輸出信號與對應(yīng)的液壓系統(tǒng)的輸出信號做差得到。每隔一段時(shí)間，獲取當(dāng)前時(shí)刻t工作狀態(tài)下的液壓系統(tǒng)的輸入信號r(t)和輸出信號yjt)，輸入故障觀測器，得到故障觀測器的估計(jì)輸出信號JUO，進(jìn)一步得到當(dāng)前t時(shí)刻工作狀態(tài)下液壓系統(tǒng)的殘差信號ε (t);所述的殘差信號ε (t)由故障觀測器的估計(jì)輸出信號λ(0與對應(yīng)的液壓系統(tǒng)的輸出信號h(t)做差得到。步驟二、針對每個(gè)殘差信號，將其分成k組，在每一組中抽取η個(gè)樣本，對每一組提取特征量，得到k個(gè)特征量；所述的特征量采用均值、有效值、峭度或者波形因子來表示。步驟三、構(gòu)建自組織映射模型，所述的自組織隱射模型是一個(gè)輸入層+輸出層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在訓(xùn)練前設(shè)定訓(xùn)練次數(shù)、初始健康度和整個(gè)神經(jīng)網(wǎng)絡(luò)總的神經(jīng)元的個(gè)數(shù)，然后用從液壓系統(tǒng)正常工作狀態(tài)下的殘差信號提取的k個(gè)特征量組成輸入層的輸入向量，進(jìn)行自組織映射模型的訓(xùn)練。步驟四、對液壓系統(tǒng)進(jìn)行實(shí)時(shí)健康評估將在時(shí)刻t工作狀態(tài)下的液壓系統(tǒng)的殘差信號的特征量輸入訓(xùn)練好的自組織映射模型，得到時(shí)刻t工作狀態(tài)下的液壓系統(tǒng)的健康度A。步驟五、將時(shí)刻t工作狀態(tài)下的液壓系統(tǒng)的健康度A與設(shè)定的液壓系統(tǒng)的最低健康度B比較，若A > B，則液壓系統(tǒng)運(yùn)行良好，若A < B，則液壓系統(tǒng)存在故障，停止運(yùn)行液壓系統(tǒng)，進(jìn)行故障排除。本發(fā)明的優(yōu)點(diǎn)與積極效果在于(I)充分利用了自組織映射神經(jīng)網(wǎng)絡(luò)強(qiáng)大的聚類功能，實(shí)現(xiàn)了對液壓系統(tǒng)的健康狀況進(jìn)行評估，該方法魯棒性強(qiáng)，評估效果顯著；(2)引入液壓系統(tǒng)的故障觀測器的殘差進(jìn)行健康評估，能夠?qū)崟r(shí)獲取當(dāng)前液壓系統(tǒng)的健康狀態(tài)；(3)界定了液壓系統(tǒng)在完全失效前的健康閾值，克服了系統(tǒng)過維修和漏維修的問題；(4)采用基于故障觀測器與自組織映射(SOM)相結(jié)合的健康評估方法，解決了目前對液壓系統(tǒng)評估效果差且現(xiàn)有方法不適合該液壓系統(tǒng)的問題；(5)本發(fā)明方法只需要液壓系統(tǒng)正常狀態(tài)下的時(shí)域信號，即可建立健康評估模型， 實(shí)現(xiàn)液壓系統(tǒng)的健康評估，降低了對歷史數(shù)據(jù)的依賴性，具有非常高的工程應(yīng)用性；(6)與現(xiàn)有的設(shè)備健康評估方法相比，本發(fā)明方法顯著提高了通用性和精度。


圖I是本發(fā)明的液壓系統(tǒng)的健康評估方法的整體步驟流程圖；圖2是步驟一中故障觀測器的結(jié)構(gòu)建立示意圖；圖3是SOM網(wǎng)格拓?fù)浣Y(jié)構(gòu)示意圖4是本發(fā)明步驟三中自組織映射模型的具體訓(xùn)練過程示意圖；圖5是本發(fā)明實(shí)施例中液壓系統(tǒng)在正常狀態(tài)下的輸入信號示意圖；圖6是本發(fā)明實(shí)施例中液壓系統(tǒng)在正常狀態(tài)下的輸出信號示意圖；圖7是本發(fā)明實(shí)施例中液壓系統(tǒng)在正常狀態(tài)下的系統(tǒng)殘差信號示意圖；圖8是本發(fā)明實(shí)施例中液壓系統(tǒng)在電子放大器退化狀態(tài)下的系統(tǒng)殘差信號示意圖；圖9是本發(fā)明實(shí)施例中液壓系統(tǒng)在正常狀態(tài)下殘差信號的有效值的示意圖；圖10是本發(fā)明實(shí)施例中液壓系統(tǒng)在電子放大器退化狀態(tài)下殘差信號的有效值的示意圖；圖11是本發(fā)明實(shí)施例中自組織映射評估模型的訓(xùn)練過程；圖12是本發(fā)明實(shí)施例中液壓系統(tǒng)在電子放大器退化狀態(tài)下的健康度降低的曲線圖。
具體實(shí)施例方式下面將結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。對設(shè)備進(jìn)行實(shí)時(shí)健康評估現(xiàn)已成為故障診斷的一種重要分支及研究熱點(diǎn)?，F(xiàn)有的一些評估方法都是根據(jù)系統(tǒng)的故障信號進(jìn)行健康評估，但這些故障信號微弱且難以獲取。本發(fā)明針對液壓系統(tǒng)的結(jié)構(gòu)及其數(shù)據(jù)的特點(diǎn)，提出一種基于故障觀測器與自組織映射 (SOM)相結(jié)合的液壓系統(tǒng)健康評估方法。本發(fā)明方法的核心思想是通過計(jì)算液壓系統(tǒng)當(dāng)前的運(yùn)行狀態(tài)與正常運(yùn)行的狀態(tài)分別對應(yīng)的特征空間的重合度來評估性能退化程度。本發(fā)明方法從傳統(tǒng)的對故障的狀態(tài)識別轉(zhuǎn)移至對性能退化程度的檢測和量化描述，通過計(jì)算待評估設(shè)備運(yùn)行狀態(tài)與正常狀態(tài)分別對應(yīng)的特征空間之間的偏移度，實(shí)現(xiàn)對設(shè)備的健康狀態(tài)進(jìn)行評估的目的。本發(fā)明是一種針對液壓系統(tǒng)的結(jié)構(gòu)特點(diǎn)，采用故障觀測器和自組織映射神經(jīng)網(wǎng)絡(luò)相結(jié)合的健康評估方法，如圖I所示，具體步驟如下步驟一、建立故障觀測器，得到液壓系統(tǒng)的殘差信號。所述的故障觀測器采用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，也稱為神經(jīng)網(wǎng)絡(luò)觀測器。具體建立過程如圖2所示，根據(jù)實(shí)際使用情況構(gòu)建液壓系統(tǒng)模型，將液壓系統(tǒng)模型正常工作狀態(tài)下的歷史輸入和輸出信號作為訓(xùn)練數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性擬合功能，訓(xùn)練故障觀測器。現(xiàn)實(shí)中的液壓系統(tǒng)是一個(gè)反饋控制系統(tǒng)，故將液壓系統(tǒng)的輸出也引入到神經(jīng)網(wǎng)絡(luò)觀測器的輸入端。同時(shí)考慮到輸出應(yīng)該存在一定的滯后，因此在引入到神經(jīng)網(wǎng)絡(luò)觀測器的輸入端之前加一個(gè)Z—1環(huán)節(jié)，逼近真實(shí)的液壓系統(tǒng)的工作情形，其中Z—1是一個(gè)能夠模擬真實(shí)液壓系統(tǒng)輸出滯后功能的遲滯環(huán)節(jié)。建立好故障觀測器之后，若液壓系統(tǒng)中的某一部件出現(xiàn)故障時(shí)，則液壓系統(tǒng)模型的輸出信號會發(fā)生變化。再根據(jù)故障觀測器此時(shí)的估計(jì)輸出信號，得到故障觀測器的估計(jì)輸出信號與液壓系統(tǒng)的輸出信號兩者之間的殘差，這將作為液壓系統(tǒng)整體性能評估的重要參數(shù)。具體本發(fā)明實(shí)施例采用RBF (Radial Basis Function,徑向基函數(shù)簡稱)神經(jīng)網(wǎng)絡(luò)構(gòu)建故障觀測器，并通過下面過程得到液壓系統(tǒng)的殘差信號首先，獲取液壓系統(tǒng)正常工作狀態(tài)下的歷史輸入和輸出信號，并將獲取的輸入信號和輸出信號放到一個(gè)向量中作為RBF神經(jīng)網(wǎng)絡(luò)觀測器的訓(xùn)練輸入樣本，將獲取的液壓系統(tǒng)的歷史輸出信號作為RBF神經(jīng)網(wǎng)絡(luò)觀測器的訓(xùn)練輸出樣本；在進(jìn)行訓(xùn)練之前需要對訓(xùn)練輸入和輸出樣本歸一化處理到[_1，1]之間，然后設(shè)定好RBF神經(jīng)網(wǎng)絡(luò)的基本參數(shù)，開始訓(xùn)練。在訓(xùn)練好神經(jīng)網(wǎng)絡(luò)觀測器之后，會得到RBF神經(jīng)網(wǎng)絡(luò)觀測器的估計(jì)輸出信號，再將故障觀測器的估計(jì)輸出信號與液壓系統(tǒng)模型的輸出信號相減，即可得到液壓系統(tǒng)正常工作狀態(tài)下的殘差信號。其次，在液壓系統(tǒng)中的某部件發(fā)生退化時(shí)，獲取當(dāng)前t時(shí)刻的液壓系統(tǒng)模型的輸入信號r (t)和輸出信號γτ (t),并將獲得的輸入和輸出信號放在一個(gè)向量里，將該向量歸一化處理后輸送到已訓(xùn)練好的故障觀測器中，得到此時(shí)液壓系統(tǒng)狀態(tài)的故障觀測器的估計(jì)輸出信號夂⑴，將得到的估計(jì)輸出信號允⑴與液壓系統(tǒng)模型的輸出信號yjt)相減，得到液壓系統(tǒng)中某部件退化狀態(tài)下的殘差信號ε (t)。步驟二、提取殘差信號的特征量。故障觀測器得到的殘差信號屬于時(shí)域信號，需要對此信號進(jìn)行時(shí)域特征提取。常用的時(shí)域特征有均值、有效值、峭度、波形因子等，選擇符合本殘差信號特點(diǎn)的時(shí)域特征。本發(fā)明方法選取的是有效值作為待健康評估的特征量。確定有效值的公式為rms表不殘差信號的有效值,P表不在該殘差信號中選取的樣本量，X1,X2......Xp分
別表示第I個(gè)、第2個(gè)……第P個(gè)樣本的值。本發(fā)明方法中，針對每個(gè)殘差信號，將其分為k組，在每一組中抽取P個(gè)樣本，對每一組提取特征，得到k個(gè)特征量，所得到的k個(gè)特征量作為樣本輸入到步驟三中所構(gòu)建的自組織映射模型中。步驟三、構(gòu)建自組織映射模型。自組織映射(SOM)方法是一種無導(dǎo)師學(xué)習(xí)的聚類方法，它的網(wǎng)絡(luò)結(jié)構(gòu)一般由輸入層和競爭層構(gòu)成，沒有隱含層，兩層之間的神經(jīng)元實(shí)現(xiàn)雙向連接。與基本競爭網(wǎng)絡(luò)不同之處是其競爭層可以由一維或二維網(wǎng)格矩陣方式組成，且權(quán)值修正的策略也不同。圖3是一個(gè)二維網(wǎng)格的SOM網(wǎng)格拓?fù)浣Y(jié)構(gòu)。從圖3中可以看到，SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是層次型的結(jié)構(gòu)，典型結(jié)構(gòu)形式是輸入層 +輸出層。輸入層是用來接受外界信息，將輸入模式向競爭層傳遞，起觀察的作用，通過權(quán)向量將外界信息匯集到輸出層各神經(jīng)元，輸入結(jié)點(diǎn)數(shù)與輸入向量的維數(shù)相同。輸出層也叫競爭層，是負(fù)責(zé)對輸入模式進(jìn)行分析比較，尋找規(guī)律，從而進(jìn)行歸類的作用。輸出層的每個(gè)神經(jīng)元同它周圍的其他神經(jīng)元側(cè)向連接，排列成棋盤狀平面；輸入層為單層神經(jīng)元排列。輸入層的每個(gè)結(jié)點(diǎn)實(shí)現(xiàn)了與所有的輸出結(jié)點(diǎn)的全互連接，也就意味著輸出層每個(gè)結(jié)點(diǎn)的連接權(quán)向量的維數(shù)等于輸入層結(jié)點(diǎn)的個(gè)數(shù)，而每個(gè)輸入向量是由每個(gè)文本主題概念掃描輸入結(jié)點(diǎn)時(shí)匹配得到的，因此輸入向量的維數(shù)等于輸入結(jié)點(diǎn)個(gè)數(shù)也等于連接權(quán)向量維數(shù)(參考文獻(xiàn)蔡麗宏等，SOM聚類算法的改進(jìn)及其在文本挖掘中的應(yīng)用研究[D].南京航空航天大學(xué)， 2011)。SOM網(wǎng)絡(luò)之所以稱為特征映射神經(jīng)網(wǎng)絡(luò)，是因?yàn)榫W(wǎng)絡(luò)通過對輸入模式的反復(fù)學(xué)習(xí)， 可以使得連接權(quán)的空間分布密度與輸入模式的概率分布趨于一致，即連接權(quán)矢量的空間分布能反映輸入模式的統(tǒng)計(jì)特征。在競爭層中，神經(jīng)元的競爭是這樣進(jìn)行的對于獲勝的那個(gè)神經(jīng)元G，在其周圍Ne 的區(qū)域內(nèi)，神經(jīng)元在不同程度上都得到了興奮，而在Ne區(qū)域以外的神經(jīng)元都得到了抑制，即 “以獲勝神經(jīng)元為圓心，對近鄰的神經(jīng)元表現(xiàn)出興奮性側(cè)反饋，而對遠(yuǎn)鄰的神經(jīng)元表現(xiàn)出抑制性側(cè)反饋，近鄰者相互激勵(lì)，遠(yuǎn)鄰者相互抑制”。整體上表現(xiàn)出中間強(qiáng)度大，兩邊逐漸衰減，而遠(yuǎn)離中心的受到抑制的趨勢。在獲悉自組織映射的工作原理后，設(shè)定網(wǎng)絡(luò)的一些基本參數(shù)，比如網(wǎng)絡(luò)的訓(xùn)練次數(shù)、正常狀態(tài)下對應(yīng)的健康度、網(wǎng)絡(luò)中總的神經(jīng)元的個(gè)數(shù)等。訓(xùn)練次數(shù)和初始健康度的設(shè)定都是人為設(shè)定，初始健康度的設(shè)定意義是為了標(biāo)定液壓系統(tǒng)在正常狀態(tài)下的健康度。本發(fā)明實(shí)施例中設(shè)置此處的訓(xùn)練次數(shù)為100，初始健康度為O. 95，而網(wǎng)絡(luò)中總的神經(jīng)元的個(gè)數(shù)d 可根據(jù)樣本量k按經(jīng)驗(yàn)公式設(shè)定
權(quán)利要求
1.一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法，其特征在于，具體包括如下步驟步驟一、建立并訓(xùn)練故障觀測器，所述的故障觀測器采用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，輸入為液壓系統(tǒng)的輸入和輸出信號，輸出信號通過一個(gè)模擬真實(shí)液壓系統(tǒng)輸出滯后功能的遲滯環(huán)節(jié)后輸入，獲取液壓系統(tǒng)正常工作狀態(tài)下的歷史輸入和輸出信號，訓(xùn)練故障觀測器，訓(xùn)練輸入樣本為獲取的歷史輸入和輸出信號，訓(xùn)練輸出樣本為獲取的歷史輸出信號，在故障觀測器訓(xùn)練完成后，獲得液壓系統(tǒng)在正常工作狀態(tài)下的殘差信號；所述的殘差信號由故障觀測器的估計(jì)輸出信號與對應(yīng)的液壓系統(tǒng)的輸出信號做差得到；然后，每隔一段時(shí)間，獲取當(dāng)前時(shí)刻t工作狀態(tài)下的液壓系統(tǒng)的輸入信號r(t)和輸出信號K (t)，輸入故障觀測器，得到故障觀測器的估計(jì)輸出信號JUO，進(jìn)一步得到當(dāng)前t時(shí)刻工作狀態(tài)下液壓系統(tǒng)的殘差信號ε (t);所述的殘差信號ε (t)由故障觀測器的估計(jì)輸出信號；UO與對應(yīng)的液壓系統(tǒng)的輸出信號K (t)做差得到；步驟二、針對每個(gè)殘差信號，將其分成k組，在每一組中抽取η個(gè)樣本，對每一組提取特征量，得到k個(gè)特征量；所述的特征量采用均值、有效值、峭度或者波形因子來表示；步驟三、構(gòu)建自組織映射模型，所述的自組織隱射模型是一個(gè)輸入層+輸出層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在訓(xùn)練前設(shè)定訓(xùn)練次數(shù)、初始健康度和整個(gè)神經(jīng)網(wǎng)絡(luò)總的神經(jīng)元的個(gè)數(shù)，然后用從液壓系統(tǒng)正常工作狀態(tài)下的殘差信號提取的k個(gè)特征量組成輸入層的輸入向量，進(jìn)行自組織映射模型的訓(xùn)練；步驟四、對液壓系統(tǒng)進(jìn)行實(shí)時(shí)健康評估將在時(shí)刻t工作狀態(tài)下的液壓系統(tǒng)的殘差信號的特征量輸入訓(xùn)練好的自組織映射模型，得到時(shí)刻t工作狀態(tài)下的液壓系統(tǒng)的健康度A ； 步驟五、將時(shí)刻t工作狀態(tài)下的液壓系統(tǒng)的健康度A與設(shè)定的液壓系統(tǒng)的最低健康度 B比較，若A > B，則液壓系統(tǒng)運(yùn)行良好，若A彡B,則液壓系統(tǒng)存在故障，停止運(yùn)行液壓系統(tǒng)， 進(jìn)行故障排除。
2.根據(jù)權(quán)利要求I所述的一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法，其特征在于，步驟一中所述的故障觀測器采用RBF神經(jīng)網(wǎng)絡(luò)建立，在對故障觀測器進(jìn)行訓(xùn)練前，歸一化處理訓(xùn)練輸入樣本和訓(xùn)練輸出樣本到[_1，1]之間，在訓(xùn)練完成后， 得到故障觀測器輸出的估計(jì)輸出信號，將估計(jì)輸出信號與對應(yīng)的液壓系統(tǒng)的輸出信號做差，得到正常工作狀態(tài)下的液壓系統(tǒng)的殘差信號；在當(dāng)前液壓系統(tǒng)中的某部件發(fā)生退化時(shí)， 獲取當(dāng)前液壓系統(tǒng)的輸入和輸出信號，將該輸入和輸出信號放在一個(gè)向量里，并對該向量做歸一化處理，輸送到已訓(xùn)練好的故障觀測器中，故障觀測器輸出當(dāng)前液壓系統(tǒng)的估計(jì)輸出信號，將當(dāng)前得到的估計(jì)輸出信號與獲取的輸出信號相減，得到液壓系統(tǒng)在某部件退化狀態(tài)下的殘差信號。
3.根據(jù)權(quán)利要求I所述的一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法，其特征在于，步驟二中所述的特征值優(yōu)選采用殘差信號的有效值rms來表示
4.根據(jù)權(quán)利要求I所述的一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法，其特征在于，步驟三中所述的訓(xùn)練次數(shù)設(shè)置為100，初始健康度設(shè)置為O. 95，神經(jīng)元的個(gè)數(shù)
5.根據(jù)權(quán)利要求I所述的一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法，其特征在于，步驟三所述的構(gòu)建自組織映射模型的具體方法為步驟1，初始化將自組織隱射模型的網(wǎng)絡(luò)的連接權(quán)Wu賦以
區(qū)間的隨機(jī)值，Wij 表不輸入層神經(jīng)兀i與輸出層神經(jīng)兀j之間的連接權(quán)，i = l，2，...，n，j = 1, 2, . . . , m, η 為輸入層上的神經(jīng)元的個(gè)數(shù)，m為輸出層上的神經(jīng)元的個(gè)數(shù)，設(shè)置初始鄰域的半徑R(O)、網(wǎng)絡(luò)總的學(xué)習(xí)次數(shù)為τ和學(xué)習(xí)速率η (O),ο < η (O) < I ;設(shè)置一個(gè)計(jì)數(shù)器I記錄當(dāng)前學(xué)習(xí)次數(shù)，初始L = O ;將輸入向Xk歸一化得到^
6.根據(jù)權(quán)利要求I所述的一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法，其特征在于，步驟五中的液壓系統(tǒng)的最低健康度B的取值范圍為O. 2 O. 3。
全文摘要
本發(fā)明提出一種基于故障觀測器與自組織映射相結(jié)合的液壓系統(tǒng)健康評估方法，首先利用液壓系統(tǒng)正常工作狀態(tài)下的輸入和輸出信號，訓(xùn)練故障觀測器，獲取正常狀態(tài)下的殘差信號；再利用系統(tǒng)中的某部件發(fā)生退化時(shí)的輸入和輸出信號，經(jīng)故障觀測器，得到某部件退化狀態(tài)下的殘差信號；提取兩種狀態(tài)下殘差信號的時(shí)域特征量，再利用正常狀態(tài)下的殘差特征量構(gòu)建自組織映射模型；最后，將某部件發(fā)生退化時(shí)的殘差特征量輸入到自組織映射模型，得到對應(yīng)狀態(tài)下的液壓系統(tǒng)的健康度，并結(jié)合最低健康閾值判定當(dāng)前液壓系統(tǒng)是否能夠繼續(xù)運(yùn)行。本發(fā)明實(shí)現(xiàn)了對液壓控制系統(tǒng)的實(shí)時(shí)健康評估，評估效果好，降低了對歷史數(shù)據(jù)的依賴性，具有工程應(yīng)用性。
文檔編號F15B19/00GK102606557SQ201210012708
公開日2012年7月25日 申請日期2012年1月16日 優(yōu)先權(quán)日2012年1月16日
發(fā)明者劉大偉, 劉紅梅, 呂琛, 樊煥貞, 翟秀梅, 陶小創(chuàng) 申請人:北京航空航天大學(xué)