一種工程機(jī)械液壓缸故障診斷系統(tǒng)及與之適用的故障樣本信號采集方法
【專利摘要】本發(fā)明涉及一種工程機(jī)械液壓缸故障診斷系統(tǒng)及與之適用的故障樣本信號采集方法。所述系統(tǒng)包括特征參數(shù)提取模塊、數(shù)據(jù)庫模塊、人機(jī)交互模塊和分類器模塊，其中：特征參數(shù)提取模塊用于提取故障特征參數(shù)和檢驗相似度；數(shù)據(jù)庫模塊用于存儲樣本數(shù)據(jù)和臨時數(shù)據(jù)；分類器模塊用于設(shè)計分類器和對未知故障信號進(jìn)行分類；人機(jī)交互模塊用于根據(jù)用戶輸入完成相關(guān)查詢顯示功能。本發(fā)明公開了一種故障樣本信號采集方法，用于在液壓缸型式試驗臺上開展面向故障樹底事件的分級模擬試驗，采集故障樣本信號和試驗臺狀態(tài)信號。本發(fā)明的有益之處在于：所述系統(tǒng)故障診斷精度較高，可診斷出故障原因和故障等級；采集的故障樣本信號雜質(zhì)少便于提取特征參數(shù)。
【專利說明】一種工程機(jī)械液壓缸故障診斷系統(tǒng)及與之適用的故障樣本 信號采集方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計算機(jī)軟件技術(shù)、信號分析與處理技術(shù)和故障診斷技術(shù)的交叉領(lǐng)域， 涉及一種液壓缸故障診斷系統(tǒng)及與之適用的故障樣本信號采集方法，尤其涉及一種工程機(jī) 械液壓缸故障診斷系統(tǒng)及與之適用的故障樣本信號采集方法。

【背景技術(shù)】
[0002] 液壓缸是一個由多元件構(gòu)成的液壓關(guān)重件，故障現(xiàn)象多樣、機(jī)理復(fù)雜，呈現(xiàn)綜合性 和復(fù)雜性的特點。液壓缸發(fā)生一種宏觀故障現(xiàn)象，往往存在多方面的原因。例如，液壓缸動 作失靈有可能是由于液壓缸內(nèi)泄漏、外載荷過大、液壓缸內(nèi)部別勁、緩沖作用失靈和液壓回 路故障等原因引起的。上述每種故障原因的產(chǎn)生又有更為復(fù)雜的子原因，如引發(fā)液壓缸內(nèi) 泄漏的原因就有活塞桿彎曲、油液被污染、缸內(nèi)壁拉傷磨損、活塞圓度差、活塞密封失效、活 塞桿密封失效和液壓油油溫過高等。顯然，傳統(tǒng)的人工拆卸排查液壓缸故障根源的方法，不 僅費時費力，也易產(chǎn)生其他并發(fā)故障，致使故障復(fù)雜化。起源于航空、航天和核工業(yè)的經(jīng)典 故障診斷技術(shù)雖然無需拆解液壓缸，但受制于理論模型的復(fù)雜性（如基于數(shù)學(xué)模型的故障 診斷方法）和知識難以獲取描述的特點（例如專家系統(tǒng)診斷法），其液壓缸故障診斷精度 較低，技術(shù)尚不成熟。近年來，一種基于人工智能（Al)的故障診斷技術(shù)，即神經(jīng)網(wǎng)絡(luò)診斷法 逐步在工業(yè)應(yīng)用領(lǐng)域興起。該診斷法既不需要知識工程師整理、總結(jié)以及消化領(lǐng)域?qū)＜业?知識，也無需建立準(zhǔn)確的被診斷對象的數(shù)學(xué)模型，只需用故障診斷樣本來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，就 可以對故障缸產(chǎn)生的測試信號即未知故障信號進(jìn)行分類，從而達(dá)到故障診斷的目的，因此 該診斷法具備較廣闊的應(yīng)用前景。在神經(jīng)網(wǎng)絡(luò)診斷法中，故障診斷樣本（或稱實例）本質(zhì) 上為典型故障與故障特征參數(shù)（或稱故障征兆）的之間映射關(guān)系，其準(zhǔn)確程度決定了神經(jīng) 網(wǎng)絡(luò)的訓(xùn)練精度，進(jìn)而影響診斷精度。從現(xiàn)階段來看，通常利用隨車試驗來采集已知故障液 壓缸的動態(tài)響應(yīng)信號即故障樣本信號，并通過信號分析處理技術(shù)提取其故障特征參數(shù)來獲 取故障診斷樣本。但是由于現(xiàn)場測試環(huán)境復(fù)雜且難以人工干預(yù)控制，采集到的故障樣本信 號往往因隱含有多種故障子原因（即含雜質(zhì)信號）而難以準(zhǔn)確提取出故障特征參數(shù)。文獻(xiàn) 《基于神經(jīng)網(wǎng)絡(luò)的液壓缸故障診斷專家系統(tǒng)》（作者：鄭軍華，昆明理工大學(xué)，2002年）描述 了一種用于陽極生產(chǎn)線的基于神經(jīng)網(wǎng)絡(luò)的液壓缸故障診斷智能專家系統(tǒng)。該系統(tǒng)包括信號 監(jiān)測、動態(tài)模擬及現(xiàn)場監(jiān)測、學(xué)習(xí)系統(tǒng)、故障診斷決策系統(tǒng)和數(shù)據(jù)庫模塊。由于該系統(tǒng)回避 了兩個亟需解決的關(guān)鍵問題：即故障樣本信號如何采集及故障特征參數(shù)如何有效提取，因 此該系統(tǒng)實際的診斷精度無法獲得保障。文獻(xiàn)《液壓油缸亞健康狀態(tài)評估理論方法及實驗 研究》（作者：周京干，燕山大學(xué)，2013年）在液壓缸兩腔體間外接節(jié)流閥，并通過調(diào)節(jié)節(jié)流 閥開口度來模擬液壓缸不同的內(nèi)泄漏狀態(tài)，從而采集相應(yīng)狀態(tài)的故障樣本信號和提取故障 特征參數(shù)。最后，基于BP神經(jīng)網(wǎng)絡(luò)狀態(tài)分類器對液壓缸進(jìn)行亞健康狀態(tài)評估。該文獻(xiàn)也存 在兩個方面的瓶頸：一方面，如前所述內(nèi)泄漏故障實際上由多種復(fù)雜因素引起，而文獻(xiàn)中內(nèi) 泄漏故障模擬試驗與工程實際相差較遠(yuǎn)，因此獲取的故障樣本信號存在失真，從而影響診 斷精度；另一方面，文獻(xiàn)所建立的BP神經(jīng)網(wǎng)絡(luò)狀態(tài)分類器僅能夠預(yù)測內(nèi)泄漏的嚴(yán)重程度， 無法對故障底層原因進(jìn)行診斷分析。
[0003] 目前，針對工程機(jī)械液壓缸故障診斷系統(tǒng)及與之適用的故障樣本信號采集方法尚 未見報道。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種工程機(jī)械液壓缸故障診斷系統(tǒng)及與之配合的故障樣本 信號采集方法，以克服故障診斷精度低，故障樣本信號雜質(zhì)多且難以分離提取故障特征參 數(shù)，以及難以同時診斷故障原因和故障等級等不足。
[0005] -種故障樣本信號采集方法，包括如下步驟：
[0006] 步驟一：對售后維修數(shù)據(jù)進(jìn)行統(tǒng)計分析，獲取給定型號液壓缸的所有故障形式，并 根據(jù)故障事件間的邏輯關(guān)系，建立該型液壓缸的故障樹；
[0007] 步驟二：對所有故障樹底事件的發(fā)生概率進(jìn)行賦值，并確定各故障樹底事件的模 擬方法；根據(jù)再制造難易程度及對工程機(jī)械工作性能的影響程度，劃分故障樹底事件的等 級，并為每個故障等級確定分級閥值；
[0008] 步驟三：選取同一型號的正常液壓缸作為被試缸，參照故障樹底事件的模擬方法 和分級閥值，在液壓缸型式試驗臺上開展面向故障樹底事件的分級模擬試驗；
[0009] 步驟四：采集步驟三中產(chǎn)生的故障樣本信號和試驗臺狀態(tài)信號。
[0010] 一種工程機(jī)械液壓缸故障診斷系統(tǒng)，包括特征參數(shù)提取模塊、數(shù)據(jù)庫模塊、人機(jī)交 互模塊和分類器模塊，其中：
[0011] 1)特征參數(shù)提取模塊，用于對采集到的故障信號（故障樣本信號和未知故障信 號）進(jìn)行小波分析和主成分分析，并提取故障特征參數(shù)；所述特征參數(shù)提取模塊還用于檢 驗該故障特征參數(shù)相對于數(shù)據(jù)庫模塊中同一故障樹底事件在同一故障等級下的故障特征 參數(shù)樣本集的相似度；
[0012] 2)數(shù)據(jù)庫模塊，用于存儲與故障相關(guān)的樣本數(shù)據(jù)和臨時數(shù)據(jù)；所述樣本數(shù)據(jù)包括 采集到的故障樣本信號、與故障樣本信號相對應(yīng)的試驗臺狀態(tài)參數(shù)和故障特征參數(shù)、故障 樹底事件發(fā)生概率；所述臨時數(shù)據(jù)包括未知故障信號、與未知故障信號相對應(yīng)的試驗臺狀 態(tài)參數(shù)和故障特征參數(shù)；所述樣本數(shù)據(jù)與液壓缸型號、故障樹底事件及故障等級一一對應(yīng)； 所述臨時數(shù)據(jù)與液壓缸型號一一對應(yīng)；
[0013] 3)分類器模塊，用于設(shè)計分類器，并利用所述分類器對未知故障信號進(jìn)行分類；
[0014] 4)人機(jī)交互模塊，用于根據(jù)用戶輸入完成如下功能：精確或模糊查詢數(shù)據(jù)庫模塊 中的樣本數(shù)據(jù)、對樣本數(shù)據(jù)進(jìn)行統(tǒng)計學(xué)分析并顯示分析結(jié)果、進(jìn)行故障樹定性/定量分析 并顯示分析結(jié)果、增刪樣本數(shù)據(jù)、進(jìn)行分類器參數(shù)設(shè)置和顯示分類器模塊的診斷結(jié)果，進(jìn)行 特征參數(shù)提取模塊的參數(shù)設(shè)置和顯示該模塊提取的故障特征參數(shù)；
[0015] 各模塊間的連接關(guān)系為：人機(jī)交互模塊分別與特征參數(shù)提取模塊、數(shù)據(jù)庫模塊和 分類器模塊連接；數(shù)據(jù)庫模塊、特征參數(shù)提取模塊和分類器模塊之間兩兩連接。
[0016] 故障診斷的基本流程包括：
[0017] 步驟一：根據(jù)所述故障樣本信號采集方法，采集給定型號液壓缸在給定故障樹底 事件和給定等級下的故障樣本信號和試驗臺狀態(tài)信號，并將其作為樣本數(shù)據(jù)存儲于數(shù)據(jù)庫 模塊；
[0018] 步驟二：利用特征參數(shù)提取模塊提取所述故障樣本信號中的故障特征參數(shù)，并檢 驗其相似度；若檢驗通過，則轉(zhuǎn)入步驟三；否則放棄所述故障特征參數(shù)，并刪除數(shù)據(jù)庫模塊 中相關(guān)樣本數(shù)據(jù)，返回步驟一重新進(jìn)行采集；
[0019] 步驟三：將步驟二提取的故障特征參數(shù)作為樣本數(shù)據(jù)存儲于數(shù)據(jù)庫模塊，并檢驗 數(shù)據(jù)庫模塊中的樣本規(guī)模；若檢驗通過，則轉(zhuǎn)入步驟四；否則返回步驟一，重復(fù)采集給定型 號液壓缸在同一故障樹底事件和故障等級下的故障樣本信號和試驗臺狀態(tài)信號，或者采集 給定型號液壓缸在不同故障樹底事件和故障等級下的故障樣本信號和試驗臺狀態(tài)信號；
[0020] 步驟四：設(shè)計分類器，并訓(xùn)練、檢驗該分類器；若檢驗通過，則轉(zhuǎn)入步驟五，否則重 新設(shè)計分類器，直至檢驗通過；
[0021] 作為優(yōu)選，設(shè)計分類器時，采用BP神經(jīng)網(wǎng)絡(luò)，其輸入節(jié)點數(shù)等于故障特征參數(shù)的 個數(shù)，其輸出節(jié)點數(shù)等于故障樹底事件個數(shù)與故障等級數(shù)之積；
[0022] 作為優(yōu)選，利用數(shù)據(jù)庫模塊中的樣本數(shù)據(jù)訓(xùn)練、檢驗所述分類器；
[0023] 作為優(yōu)選，利用所述數(shù)據(jù)庫模塊中的三分之二的樣本數(shù)據(jù)訓(xùn)練分類器；利用剩余 的三分之一的樣本數(shù)據(jù)檢驗生成的分類器；
[0024] 步驟五：將同一型號的待診斷液壓缸作為液壓缸型式試驗臺的被試缸，采集未知 故障信號和試驗臺狀態(tài)信號，并將其作為臨時數(shù)據(jù)存儲于數(shù)據(jù)庫模塊；
[0025] 步驟六：利用特征參數(shù)提取模塊提取該未知故障信號的故障特征參數(shù)，并將其作 為臨時數(shù)據(jù)存儲于數(shù)據(jù)庫模塊；
[0026] 步驟七：利用分類器模塊對步驟六中提取的故障特征參數(shù)進(jìn)行分類；由于用于訓(xùn) 練和檢驗所述分類器的樣本數(shù)據(jù)均與故障樹底事件及故障等級一一對應(yīng)，因此分類器模塊 能夠診斷出未知故障信號的故障底事件名稱及所處等級。
[0027] 步驟八：根據(jù)步驟七獲得的故障診斷結(jié)果，將臨時數(shù)據(jù)作為樣本數(shù)據(jù)轉(zhuǎn)存于數(shù)據(jù) 庫模塊；
[0028] 步驟九：利用人機(jī)交互模塊查看故障診斷結(jié)果。
[0029] 本發(fā)明的有益之處在于：本發(fā)明提供了一種工程機(jī)械液壓缸故障診斷系統(tǒng)及與之 配合的故障樣本信號采集方法。所述系統(tǒng)的故障診斷精度較高，可診斷出故障原因和故障 等級；所述方法采集到的故障樣本信號雜質(zhì)少便于提取特征參數(shù)。

【專利附圖】

【附圖說明】
[0030] 下面結(jié)合附圖和實施例對本發(fā)明專利進(jìn)一步說明。
[0031] 圖1為某型支腿油缸故障樹結(jié)構(gòu)示意圖。
[0032] 圖2為工程機(jī)械液壓缸故障診斷系統(tǒng)構(gòu)成及各子模塊連接示意圖。
[0033] 圖3為數(shù)據(jù)庫中樣本數(shù)據(jù)與液壓缸型號、故障樹底事件及故障等級映射關(guān)系示意 圖。
[0034] 圖4為BP神經(jīng)網(wǎng)絡(luò)分類器結(jié)構(gòu)示意圖。
[0035] 圖5為工程機(jī)械液壓缸故障診斷系統(tǒng)的故障診斷基本流程圖。

【具體實施方式】
[0036] 結(jié)合圖1-5和表1說明本發(fā)明【具體實施方式】：
[0037] 根據(jù)故障樹理論可知，盡管液壓缸故障誘因復(fù)雜且各因素間存在相互耦合作用， 但導(dǎo)致液壓缸發(fā)生頂事件（宏觀故障現(xiàn)象）和各類中間事件（故障原因、子原因）的底事 件彼此卻相互獨立，表現(xiàn)形式簡單，因此易于在液壓缸型式試驗臺上模擬再現(xiàn)。根據(jù)液壓缸 故障樹層級關(guān)系及內(nèi)涵，開展面向故障樹底事件的故障分級模擬試驗，可以獲取單一故障 的故障樣本信號，信號雜質(zhì)少，便于分離提取故障特征參數(shù)。
[0038] 以某型支腿油缸為例，說明本發(fā)明中故障樣本信號采集方法的實施步驟：
[0039] 步驟一：通過對該型支腿油缸的售后維修數(shù)據(jù)進(jìn)行統(tǒng)計分析，獲取該型液壓缸的 所有故障形式，并根據(jù)故障事件間的邏輯關(guān)系，建立如圖1所示故障樹。圖中，T液壓缸故 障為頂層事件，其下包括Ml動作不正常、M2漏油、M3零部件失效和M4液壓缸工作時聲音異 常等四個一級中間事件。各一級中間事件下又包含二級中間事件和三級中間事件，且各級 中間事件可能包含底事件，因篇幅限制僅畫出了 Ml的故障樹結(jié)構(gòu)。
[0040] 步驟二：對所有故障樹底事件的發(fā)生概率進(jìn)行賦值，并確定各故障樹底事件的模 擬方法；根據(jù)再制造難易程度及對工程機(jī)械工作性能的影響程度，劃分故障樹底事件的等 級，并為每個故障等級確定分級閥值。簡單起見，以該型支腿油缸的第三級中間事件M17內(nèi) 泄漏嚴(yán)重為例，進(jìn)一步說明本步驟實施過程。如圖1所示，M17由X2活塞桿彎曲、XlO油液 固體顆粒污染、X17缸內(nèi)壁拉傷、X23缸內(nèi)壁磨損、X41活塞密封老化、X42活塞桿密封老化 和X43液壓油油溫過高等底事件引發(fā)。X17的故障樹底事件概率賦值為1. 74%，其他底事 件概率值不再贅述。假定所有底事件均可劃分為三級，則M17下所有故障樹底事件的等級 劃分閥值如下表1所示：
[0041] 表1某型支腿油缸中間事件M17下所有故障樹底事件的等級劃分閥值表（表中閥 值僅作舉例描述用）
[0042]

【權(quán)利要求】
1. 一種故障樣本信號采集方法，其特征在于，該方法包括如下步驟： 步驟一：對售后維修數(shù)據(jù)進(jìn)行統(tǒng)計分析，獲取給定型號液壓缸的所有故障形式，并根據(jù) 故障事件間的邏輯關(guān)系，建立該型液壓缸的故障樹； 步驟二：對所有故障樹底事件的發(fā)生概率進(jìn)行賦值，并確定各故障樹底事件的模擬方 法；根據(jù)再制造難易程度及對工程機(jī)械工作性能的影響程度，劃分故障樹底事件的等級，并 為每個故障等級確定分級閥值； 步驟三：選取同一型號的正常液壓缸作為被試缸，參照故障樹底事件的模擬方法和分 級閥值，在液壓缸型式試驗臺上開展面向故障樹底事件的分級模擬試驗； 步驟四：采集步驟三中產(chǎn)生的故障樣本信號和試驗臺狀態(tài)信號。
2. -種工程機(jī)械液壓缸故障診斷系統(tǒng)，其特征在于，該系統(tǒng)包括特征參數(shù)提取模塊、數(shù) 據(jù)庫模塊、人機(jī)交互模塊和分類器模塊，其中： 特征參數(shù)提取模塊，用于對采集到的故障信號進(jìn)行小波分析和主成分分析，并提取故 障特征參數(shù)；所述特征參數(shù)提取模塊還用于檢驗該故障特征參數(shù)相對于數(shù)據(jù)庫模塊中同一 故障樹底事件在同一故障等級下的故障特征參數(shù)樣本集的相似度； 數(shù)據(jù)庫模塊，用于存儲與故障相關(guān)的樣本數(shù)據(jù)和臨時數(shù)據(jù)；所述樣本數(shù)據(jù)包括采集到 的故障樣本信號、與故障樣本信號相對應(yīng)的試驗臺狀態(tài)參數(shù)和故障特征參數(shù)、故障樹底事 件發(fā)生概率；所述臨時數(shù)據(jù)包括未知故障信號、與未知故障信號相對應(yīng)的試驗臺狀態(tài)參數(shù) 和故障特征參數(shù)； 分類器模塊，用于設(shè)計分類器，并利用所述分類器對未知故障信號進(jìn)行分類； 人機(jī)交互模塊，用于根據(jù)用戶輸入完成如下功能：精確或模糊查詢數(shù)據(jù)庫模塊中的樣 本數(shù)據(jù)、對樣本數(shù)據(jù)進(jìn)行統(tǒng)計學(xué)分析并顯示分析結(jié)果、進(jìn)行故障樹定性/定量分析并顯示 分析結(jié)果、增刪樣本數(shù)據(jù)、進(jìn)行分類器參數(shù)設(shè)置和顯示分類器模塊的診斷結(jié)果，進(jìn)行特征參 數(shù)提取模塊的參數(shù)設(shè)置和顯示該模塊提取的故障特征參數(shù)。
3. 根據(jù)權(quán)利要求2所述的工程機(jī)械液壓缸故障診斷系統(tǒng)，其特征在于，所述樣本數(shù)據(jù) 與液壓缸型號、故障樹底事件及故障等級一一對應(yīng)；所述臨時數(shù)據(jù)與液壓缸型號一一對應(yīng)。
4. 根據(jù)權(quán)利要求2所述的工程機(jī)械液壓缸故障診斷系統(tǒng)，其特征在于，各模塊間的連 接關(guān)系為：人機(jī)交互模塊分別與特征參數(shù)提取模塊、數(shù)據(jù)庫模塊和分類器模塊連接；數(shù)據(jù) 庫模塊、特征參數(shù)提取模塊和分類器模塊之間兩兩連接。
5. 根據(jù)權(quán)利要求2所述的工程機(jī)械液壓缸故障診斷系統(tǒng)，其特征在于，故障診斷的基 本流程包括： 步驟一：根據(jù)所述故障樣本信號采集方法，采集給定型號液壓缸在給定故障樹底事件 和給定等級下的故障樣本信號和試驗臺狀態(tài)信號，并將其作為樣本數(shù)據(jù)存儲于數(shù)據(jù)庫模 塊； 步驟二：利用特征參數(shù)提取模塊提取所述故障樣本信號中的故障特征參數(shù)，并檢驗其 相似度；若檢驗通過，則轉(zhuǎn)入步驟三；否則放棄所述故障特征參數(shù)，并刪除數(shù)據(jù)庫模塊中相 關(guān)樣本數(shù)據(jù)，返回步驟一重新進(jìn)行采集； 步驟三：將步驟二提取的故障特征參數(shù)作為樣本數(shù)據(jù)存儲于數(shù)據(jù)庫模塊，并檢驗數(shù)據(jù) 庫模塊中的樣本規(guī)模；若檢驗通過，則轉(zhuǎn)入步驟四；否則返回步驟一，重復(fù)采集給定型號液 壓缸在同一故障樹底事件和故障等級下的故障樣本信號和試驗臺狀態(tài)信號，或者采集給定 型號液壓缸在不同故障樹底事件和故障等級下的故障樣本信號和試驗臺狀態(tài)信號； 步驟四：設(shè)計分類器，并訓(xùn)練、檢驗該分類器；若檢驗通過，則轉(zhuǎn)入步驟五，否則重新設(shè) 計分類器，直至檢驗通過； 步驟五：將同一型號的待診斷液壓缸作為液壓缸型式試驗臺的被試缸，采集未知故障 信號和試驗臺狀態(tài)信號，并將其作為臨時數(shù)據(jù)存儲于數(shù)據(jù)庫模塊； 步驟六：利用特征參數(shù)提取模塊提取該未知故障信號的故障特征參數(shù)，并將其作為臨 時數(shù)據(jù)存儲于數(shù)據(jù)庫模塊； 步驟七：利用分類器模塊對步驟六中提取的故障特征參數(shù)進(jìn)行分類； 步驟八：根據(jù)步驟七獲得的故障診斷結(jié)果，將臨時數(shù)據(jù)作為樣本數(shù)據(jù)轉(zhuǎn)存于數(shù)據(jù)庫模 塊； 步驟九：利用人機(jī)交互模塊查看故障診斷結(jié)果。
6. 根據(jù)權(quán)利要求5所述的工程機(jī)械液壓缸故障診斷系統(tǒng)，其特征在于，利用數(shù)據(jù)庫模 塊中的樣本數(shù)據(jù)訓(xùn)練、檢驗所述分類器。
7. 根據(jù)權(quán)利要求6所述的工程機(jī)械液壓缸故障診斷系統(tǒng)，其特征在于，所述分類器采 用BP神經(jīng)網(wǎng)絡(luò)，其輸入節(jié)點數(shù)等于故障特征參數(shù)的個數(shù)，其輸出節(jié)點數(shù)等于故障樹底事件 個數(shù)與故障等級數(shù)之積。
8. 根據(jù)權(quán)利要求2和權(quán)利要求5所述的工程機(jī)械液壓缸故障診斷系統(tǒng)，其特征在于，所 述分類器模塊能夠診斷出未知故障信號的故障底事件名稱及所處故障等級。
【文檔編號】G06F19/00GK104454785SQ201410495180
【公開日】2015年3月25日 申請日期:2014年9月25日 優(yōu)先權(quán)日:2014年9月25日
【發(fā)明者】夏毅敏, 張魁, 曾雷, 傅杰, 金耀, 張歡, 熊志宏, 蘭浩, 吳才章, 張睿 申請人:中南大學(xué)