CN108730265B - 液压系统故障诊断系统及方法 - Google Patents
液压系统故障诊断系统及方法 Download PDFInfo
- Publication number
- CN108730265B CN108730265B CN201810236408.7A CN201810236408A CN108730265B CN 108730265 B CN108730265 B CN 108730265B CN 201810236408 A CN201810236408 A CN 201810236408A CN 108730265 B CN108730265 B CN 108730265B
- Authority
- CN
- China
- Prior art keywords
- fault
- diagnosis
- hydraulic system
- fault diagnosis
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/005—Fault detection or monitoring
Abstract
本发明涉及一种液压系统故障诊断系统及方法。液压系统故障诊断系统包括信号调理模块、故障初步诊断与特征提取模块、故障诊断终端、供电设备以及连接液压系统的传感器设备;传感器设备通过信号调理模块连接故障初步诊断与特征提取模块;故障初步诊断与特征提取模块连接故障诊断终端;供电设备分别连接信号调理模块、故障初步诊断与特征提取模块以及传感器设备;故障初步诊断与特征提取模块将液压系统的各故障特征数据传输给故障诊断终端;故障诊断终端通过建立故障诊断模型对故障进行诊断分析。有效的对液压系统的瞬变故障进行初步诊断和对缓变故障处理,对航空液压系统不同类型故障模式的诊断,能够满足航空液压系统高可靠性要求。
Description
技术领域
本发明涉及航空液压系统故障诊断技术领域,特别是涉及一种液压系统故障诊断系统及方法。
背景技术
机械液压系统广泛应用于航天、航空、舰船、坦克、装甲车等重大装备,随着装备技术发展,机械液压系统功能和结构不断复杂、大型化、连续化、机电一体化。液压系统具有多变量、非线性和强耦合等特性,航空液压系统工况复杂、故障模式多样及机理复杂,航空液压系统故障涉及液压泵、液压油箱、油箱增压系统等多个故障源,故障源将可能导致液压系统的失效,进而造成极为严重的后果。因此,开发针对航空液压系统智能故障诊断诊断的研究,对保证航空液压系统的正常工作具有重要意义。
在实现过程中,发明人发现传统技术中至少存在如下问题:航空液压系统故障诊断系统的诊断工作还主要集中于针对旋转机械的故障诊断上,针对液压故障诊断的系统还很少;国内针对液压故障诊断的系统还只是对简单故障的实时诊断,无法满足航空液压系统故障诊断的高可靠性的要求。
发明内容
基于此,有必要针对满足航空液压系统故障诊断的高可靠性的要求问题,提供一种液压系统故障诊断系统及方法。
为了实现上述目的,一方面,本发明提供了一种液压系统故障诊断系统,包括信号调理模块、故障初步诊断与特征提取模块、故障诊断终端、供电设备以及连接液压系统的传感器设备;
传感器设备通过信号调理模块连接故障初步诊断与特征提取模块;故障初步诊断与特征提取模块连接故障诊断终端;供电设备分别连接信号调理模块、故障初步诊断与特征提取模块以及传感器设备;
传感器设备将采集到的液压系统的各物理信号转换为各电压信号、并通过信号调理模块传输给故障初步诊断与特征提取模块;故障初步诊断与特征提取模块将处理各电压信号得到的、液压系统的各故障特征数据传输给故障诊断终端;故障诊断终端通过建立与各故障特征数据对应的故障诊断模型对液压系统的故障进行诊断分析。
在其中一个实施例中,故障初步诊断与特征提取模块包括分别连接供电设备的AD模数转换器、FPGA、DSP芯片、第一存储单元、第二存储单元以及通信端;
信号调理模块通过AD模数转换器连接FPGA;FPGA分别连接第一存储单元和DSP芯片;DSP芯片连接第二存储单元、并通过通信端连接故障诊断终端。
在其中一个实施例中,第一存储单元为FLASH模块,第二存储单元为SD卡存储模块。
在其中一个实施例中,通信端为以太网模块通信端。
在其中一个实施例中,AD模数转换器包括第一ADS8568模数转换器和第二ADS8568模数转换器;
信号调理模块分别通过第一ADS8568模数转换器、第二ADS8568模数转换器连接FPGA。
在其中一个实施例中,传感器设备包括转速传感器、扭矩传感器和振动传感器;
转速传感器、扭矩传感器和振动传感器分别通过信号调理模块连接故障初步诊断与特征提取模块。
在其中一个实施例中,供电设备包括110V直流电源、第一电源转换模块、第二电源转换模块、恒流源模块以及第三电源转换模块;
第一电源转换模块连接外部的交流电源、并通过110V直流电源分别连接第二电源转换模块和第三电源转换模块;第二电源转换模块连接故障初步诊断与特征提取模块;第三电源模块通过恒流源分别连接传感器设备和信号调理模块。
另一方面,本发明提供了一种液压系统故障诊断方法,包括以下步骤:
故障初步诊断与特征提取模块通过信号调理模块接收各电压信号,并将处理各电压信号得到的、液压系统的各故障特征数据传输给故障诊断终端;其中,电压信号为传感器设备转化液压系统的各物理信号得到的;
故障诊断终端通过建立与各故障特征数据对应的故障诊断模型对液压系统的故障进行诊断分析。
在其中一个实施例中,液压系统各物理信号包括液压泵的物理信号、马达的物理信号以及变速器的物理信号。
在其中一个实施例中,故障诊断终端通过建立与各故障特征数据对应的故障诊断模型对液压系统的故障进行诊断分析的步骤具体包括:
对各故障特征数据通过采用子神经网络算法,生成对应的故障诊断模型进行处理,得到故障诊断信息;
将故障诊断信息输入神经网络进行融合、诊断分析,得到故障诊断分析结果。
上述技术方案中的一个技术方案具有如下优点和有益效果:
本发明液压系统故障诊断系统,通过故障初步诊断与特征提取模块实现对传感器设备采集的信息进行多通道信号转换,得到液压系统故障信息,能够有效的覆盖液压系统中的多种故障信息,基于FPGA和DSP芯片对液压系统故障进行初步诊断和处理,可以将初步诊断得到的结果保存并提取得到液压系统中的各故障特征数据,故障诊断终端接收液压系统的各故障特征数据并建立对应的故障诊断模型进行分析推理,能够有效分析处理液压系统的不同类型故障情况,达到液压系统高可靠性要求。
附图说明
图1为本发明液压系统故障诊断系统实施例1的结构示意图;
图2为本发明液压系统故障诊断系统中的故障初步诊断与特征提取模块的结构示意图;
图3为本发明液压系统故障诊断系统的一个具体实施例的结构示意图;
图4为本发明液压系统故障诊断方法实施例1的步骤流程图;
图5为本发明液压故障诊断方法的故障诊断终端的处理步骤流程图;
图6为本发明液压故障诊断方法的故障诊断终端的诊断流程图;
图7为本发明液压系统故障诊断系统中的系统健康特征因子提取的流程图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件并与之结合为一体,或者可能同时存在居中元件。本文所使用的术语“一端”、“另一端”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明液压系统故障诊断系统及方法的具体应用场景说明:
航空液压系统工况复杂,故障模式多样及机理复杂,其故障涉及液压泵、液压油箱、油箱增压系统、作动筒、液压马达和助力器等多个故障源。针对液压泵进行故障诊断已经有了成熟的技术,但是并不适用于其他故障的诊断,不能覆盖液压系统的其他故障源。再者,进行信号处理和故障诊断数据采集通道有限,只能针对液压泵部分振动信号特征明显的故障进行诊断,核心诊断方法是通过对液压泵的振动信号进行频谱分析得到诊断结果,无法对多种信息特征进行数据融合提取。基于处理器有限的数据处理能力,其诊断策略较为简单,诊断能力有限。并且,这样的诊断不利于地勤人员对故障进行事后具体分析,无法满足航空液压系统高可靠性要求。
基于本发明液压系统故障诊断系统及方法,能够有效的实现液压系统的各物理信号的采集,并进行多通道转换,有效覆盖液压系统中各子系统的故障信息,并通过建立的对应故障源的各故障特征数据的故障诊断模型进行诊断分析,基于神经网络算法得到准确有效的诊断结果。
本发明液压系统故障诊断系统实施例1:
为了解决传统液压系统故障诊断不能满足高可靠性要求,本发明提供了一种液压系统故障诊断系统实施例1;图1为本发明液压系统故障诊断系统实施例1的结构示意图;如图1所示,可以包括信号调理模块120、故障初步诊断与特征提取模块130、故障诊断终端140、供电设备150以及连接液压系统100的传感器设备110;
传感器设备110通过信号调理模块120连接故障初步诊断与特征提取模块130;故障初步诊断与特征提取模块130连接故障诊断终端140;供电设备150分别连接信号调理模块120、故障初步诊断与特征提取模块130以及传感器设备110;
传感器设备110将采集到的液压系统100的各物理信号转换为各电压信号、并通过信号调理模块120传输给故障初步诊断与特征提取模块130;故障初步诊断与特征提取模块130将处理各电压信号得到的、液压系统100的各故障特征数据传输给故障诊断终端140;故障诊断终端140通过建立与各故障特征数据对应的故障诊断模型对液压系统100的故障进行诊断分析。
具体而言,液压系统故障模式多样,针对传统技术对液压系统故障处理能力有限的缺点,本发明实施例可以通过传感器设备将采集的液压系统的各物理信号转换为各电压信号并传输给信号调理模块,实现了对液压系统多样的故障模式的各相关信号的采集,有效覆盖液压系统的多个故障源。信号调理模块对接收到的各电压信号进行电压跟随、滤波以及放大处理,并传输给故障初步诊断与特征提取模块。
本发明实施例中的故障初步诊断与特征提取模块可以对各电压信号进行多通道的模数转换得到各数字信号,能够根据采集的各信号对瞬变故障进行初步故障诊断并做出快速反应,得到故障初步诊断前后的实时数据,可以将实时数据进行储存并回调。优选的,还可以根据采集的各信号对缓变故障进行分析,并能够对涉及的液压系统故障的多种关键特征量进行采集、融合以及多特征数据的提取,即得到各故障特征数据,可以将各故障特征数据储存并传输至故障诊断终端。故障诊断终端通过建立与各故障特征数据对应的故障诊断模型对所述液压系统的故障进行诊断分析。
进一步的,故障诊断终端可以针对不同的关键子系统的故障特征数据,如液压系统的液压泵、马达以及变速器等的故障特征数据通过采取不同的子神经网络算法建立子系统级的故障诊断模型知识推理,再将各子系统或部件的诊断信息输入智能神经网络进行深度学习和知识融合,进而完成系统级的故障诊断及维修决策。实现了对液压系统不同故障模式的诊断处理,有效分析处理液压系统的不同类型故障情况,进而满足液压系统高可靠性要求。
在一个具体实施例中,图2为本发明实施例中的故障初步诊断与特征提取模块的结构示意图;如图2所示,本发明实施例中的故障初步诊断与特征提取模块可以包括分别连接供电设备的AD模数转换器、FPGA、DSP芯片、第一存储单元、第二存储单元以及通信端;
信号调理模块通过AD模数转换器连接FPGA;FPGA分别连接第一存储单元和DSP芯片;DSP芯片连接第二存储单元、并通过通信端连接故障诊断终端。
优选的,AD模数转换器可以包括第一ADS8568模数转换器和第二ADS8568模数转换器;信号调理模块可以分别通过第一ADS8568模数转换器、第二ADS8568模数转换器连接FPGA。
具体而言,本发明实施例可以应用于航空液压系统,通过传感器设备采集航空液压系统相关信息,可以为液压系统中相关的各物理信号,同时将采集到的各相关信息进行信号转换,优选的,将转换得到电压信号并传输提供给信号调理模块,信号调理模块对接收到的电压信号进行一系列的处理后,包括电压跟随、滤波、放大等处理,传输给故障初步诊断与特征提取模块中的AD模数转换器。本发明实施例中的采集液压系统信号的传感器设备可以包括多种传感器,进行模数转换的模拟信号优选的为16通道,一个ADS8568模数转换器可以实现8路模拟信号的转换,两个ADS8568模数转换器即可满足本发明实施例中的模拟信号转换要求。FPGA(Field-Programmable Gate Array,现场可编程门阵列)可以采集AD模数转换器转换得到的数字信号,能够对瞬变故障进行初步故障诊断并做出快速反应,同时将得到的初步故障诊断前后的实时数据保存在第一存储单元,可以用于波形回调。进一步的,DSP(Digital Signal Processing,数字信号处理)芯片可以对液压系统的缓变故障进行分析处理,将涉及液压系统的多种关键特征量进行采集与融合,提取液压系统故障的多种特征即得到液压系统故障的各故障特征数据,并且能够将各故障特征数据保存在第二存储单元。DSP芯片通过通信端连接故障诊断终端,即可以通过通信端将各故障特征数据传输给故障诊断终端进行处理,得到液压系统的故障诊断信息。在本发明实施例中,DSP芯片可以优选为DSP6748芯片。
进一步的,第一存储单元可以为FLASH模块,第二存储单元可以为SD卡存储模块,通信端可以采用以太网模块通信端,故障诊断终端可以为上位机诊断系统。
基于本发明实施例中的故障初步诊断与特征提取模块,通过多通道模数转换器实现对液压系统故障相关信息的转换,以及结合FPGA与DSP芯片对液压系统故障的初步处理和分析,能够有效的发现航空液压系统中不同故障模式,满足液压系统高可靠性要求。
在一个具体实施例中,传感器设备可以包括转速传感器、扭矩传感器以及振动传感器;转速传感器、扭矩传感器和振动传感器可以分别通过信号调理模块连接故障初步诊断与特征提取模块。
具体而言,本发明实施例中可以采集的液压系统的振动、压力、流量、温度、油液污染度等故障物理信号,基于液压系统的不同模式的故障,需要通过不同的传感器进行信号采集,优选的,传感器设备可以包括用于采集振动信号的振动传感器、用于采集扭转力矩信号的扭矩传感器以及用于采集转速信号的转速传感器。
在一个具体实施例中,供电设备可以包括110V直流电源、第一电源转换模块、第二电源转换模块、恒流源模块以及第三电源转换模块;第一电源转换模块连接外部的交流电源、并通过110V直流电源分别连接第二电源转换模块和第三电源转换模块;第二电源转换模块连接故障初步诊断与特征提取模块;第三电源模块通过恒流源分别连接传感器设备和信号调理模块。
具体而言,第一电源转换模块可以将外部的220V交流电源转换为110直流电源;110直流电源可以分别通过第二电源转换模块、第三电源转换模块转换得到本发明实施例中需要的电源。优选的,110V直流通过第二电源转换模块转换可以得到5V、3.3V和1.8V直流,并传输至故障初步诊断与特征提取模块供电;110V直流通过第三电源转换模块转换可以得到±15V、24V直流电压源和恒流源,并分别传输至传感器设备以及信号调理模块供电。
图3为本发明液压系统故障诊断系统的一个具体实施例的结构示意图;如图3所示,传感器设备可以包括转速传感器、扭矩传感器、压力传感器、温度传感器、流量传感器、振动传感器以及压差传感器;
故障初步诊断与特征提取模块可以包括第一AD模数转换器(即图3中的AD模数转换1)、第二AD模数转换器(即图3中的AD模数转换2)、FPGA、DSP芯片、连接FPGA的FLASH模块、铁电存储模块以及连接DSP芯片的RS232模块、SD卡存储模块和以太网模块;其中,第一存储单元可以包括FLASH模块和铁电存储模块,第二存储单元可以包括SD卡存储模块;
供电设备可以包括110V直流电源、第一电源转换模块、第二电源转换模块、恒流源模块以及第三电源转换模块;故障诊断终端可以为上位机智能诊断系统;
具体而言,如图3所示,传感器设备中的各传感器分别连接信号调理模块;信号调理模块可以通过AD模数转换1和AD模数转换2连接FPGA,还可以直接连接FPGA;FPGA与FLASH模块相互连接、与铁电存储模块相互连接以及与DSP芯片相互连接;DSP芯片与RS232模块相互连接、与SD卡存储模块相互连接以及与以太网模块相互连接,并可以通过以太网模块连接上位机智能诊断系统;第一电源转换模块连接外部的220V交流电源、并通过110V直流电源分别连接第二电源转换模块和第三电源转换模块;第二电源转换模块连接故障初步诊断与特征提取模块;第三电源模块通过恒流源分别连接传感器设备和信号调理模块。
进一步的,传感器设备中的各传感器连接外部液压系统,可以将采集的液压系统的相关信息转换为电压信号并提供给信号调理模块,信号调理模块对接收到的电压信号可以进行电压跟随、滤波以及放大处理,并传输给故障初步诊断与特征提取模块中的AD模数转换1和AD模数转换2,使得振动、扭矩、压力和温度等传感器可以通过16路通道进行模数信号转换。AD模数转换器将转换的信号传输至FPGA,FPGA可以根据收集的信号对瞬变故障进行初步诊断并做出快速反应,并将故障初步诊断前后的实时数据储存在FLASH模块,可以用于波形回调。DSP芯片可以对液压系统的缓变故障分析涉及到的多种故障的关键特征量进行采集和融合,得到液压系统故障的各故障特征数据,并能够进行多特征提取,将提取的各故障特征数据实时存入SD卡中,同时,还可以通过以太网模块将各故障特征数据传输至故障诊断终端即图3中的上位机的软件系统中,由上位机的软件系统处理得到液压系统的故障分析结果,有效的分析液压系统不同的故障模式。
本发明液压系统故障诊断方法实施例1:
基于以上液压系统故障诊断系统各实施例的技术方案,同时为了有效分析处理液压系统的不同类型故障,达到液压系统高可靠性要求,本发明还提供了一种液压系统故障诊断方法实施例1;图4为本发明液压系统故障诊断方法实施例1的步骤流程图;如图4所示,可以包括以下步骤:
步骤S410:故障初步诊断与特征提取模块通过信号调理模块接收各电压信号,并将处理各电压信号得到的、液压系统的各故障特征数据传输给故障诊断终端;其中,电压信号为传感器设备转化液压系统的各物理信号得到的;
步骤S420:故障诊断终端通过建立与各故障特征数据对应的故障诊断模型对液压系统的故障进行诊断分析。
具体而言,通过本发明的液压系统故障诊断系统进行诊断,故障初步诊断与特征提取模块通过信号调理模块接收各电压信号,并将处理各电压信号得到的、液压系统的各故障特征数据传输给故障诊断终端过程可以为:获取液压系统的各物理信号,优选的,液压系统的各物理信号包括各子系统的物理信号,可以为液压泵的物理信号、马达的物理信号以及变速器的物理信号。液压系统的各物理信号可以由传感器设备中的各传感器采集,并转换成电压信号,再传输至信号调理模块进行电压跟随、滤波以及放大处理。故障初步诊断与特征提取模块可以根据接收到的各电压信号,对液压系统的瞬变故障进行初步诊断,并能将初步诊断前后的实时数据储存用于波形回调,也可以对液压系统的缓变故障进行分析、并采集和融合涉及的多种关键特征量,进行多特征提取得到各故障特征数据,同时将各故障特征数据实时储存,最终再传输至故障诊断终端。故障诊断终端可以根据各故障特征数据,建立故障诊断模型对液压系统的不同故障模型进行故障诊断分析。
优选的,图5为本发明液压故障诊断方法的故障诊断终端的诊断的步骤流程图;如图5所示,故障诊断终端通过建立与各故障特征数据对应的故障诊断模型对液压系统的故障进行诊断分析的步骤具体包括:
S510:对各故障特征数据通过采用子神经网络算法,生成对应的故障诊断模型进行处理,得到故障诊断信息;
S520:再将故障诊断信息输入神经网络进行融合、诊断分析,得到故障诊断分析结果。
具体而言,故障诊断终端可以针对液压系统不同子系统,图6为本发明液压故障诊断方法的故障诊断终端的诊断流程图;如图6所示,液压系统的子系统如液压泵、马达以及变速器等分别采用不同的子神经网络算法建立子系统级的故障诊断模型进行子系统级故障知识推理,再将各子系统的诊断信息输入智能神经网络进行深度学习和知识融合,最终完成系统级的故障诊断及维修决策。
进一步的,本发明的一个具体实施例中,基于液压系统故障诊断方法,还可以实现液压系统健康特征因子的提取,图7为本发明液压系统故障诊断系统中的系统健康特征因子提取的流程图;
如图7所示,结合液压系统历史健康及故障特征数据研究,基于PCA主元分析、马氏距离等算法进行数据挖掘分析和聚类学习,进而提取出能表征系统健康的特征因子用来跟踪表征系统的健康状态,再将各子系统或部件的诊断信息输入智能神经网络系统进行深度学习和知识融合,从而支持航空液压系统不同类型故障模式的发现和预测。
本发明液压系统故障诊断系统及方法实现了多达16路通道的数据高速采样处理;可以实现瞬变故障时刻实时原始数据回调以及将液压系统缓变故障分析涉及的多种关键特征量采集与融合,并进行多特征提取,实现特征值数据实时存储并上传,通过神经网络系统结合建立故障诊断模型,有效的实现了航空液压系统不同类型故障模式的诊断,满足航空液压系统高可靠性要求。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括以上方法所述的步骤,所述的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种液压系统故障诊断系统,其特征在于,包括信号调理模块、故障初步诊断与特征提取模块、故障诊断终端、供电设备以及连接液压系统的传感器设备;所述液压系统为航空液压系统;
所述传感器设备通过所述信号调理模块连接所述故障初步诊断与特征提取模块;所述故障初步诊断与特征提取模块连接所述故障诊断终端;所述供电设备分别连接所述信号调理模块、所述故障初步诊断与特征提取模块以及所述传感器设备;
所述传感器设备将采集到的所述液压系统的各物理信号转换为各电压信号、并通过所述信号调理模块传输给所述故障初步诊断与特征提取模块;所述液压系统各物理信号包括液压泵的物理信号、马达的物理信号以及变速器的物理信号;所述故障初步诊断与特征提取模块将处理各所述电压信号得到的、所述液压系统的各故障特征数据传输给所述故障诊断终端;所述故障诊断终端对各所述故障特征数据通过采用子神经网络算法,生成对应的故障诊断模型进行处理,得到故障诊断信息;所述故障诊断终端将所述故障诊断信息输入所述神经网络进行融合、诊断分析,得到所述故障诊断分析结果。
2.根据权利要求1所述的液压系统故障诊断系统,其特征在于,所述故障初步诊断与特征提取模块包括分别连接所述供电设备的AD模数转换器、FPGA、DSP芯片、第一存储单元、第二存储单元以及通信端;
所述信号调理模块通过所述AD模数转换器连接所述FPGA;所述FPGA分别连接所述第一存储单元和所述DSP芯片;所述DSP芯片连接所述第二存储单元、并通过所述通信端连接所述故障诊断终端。
3.根据权利要求2所述的液压系统故障诊断系统,其特征在于,所述第一存储单元为FLASH模块,所述第二存储单元为SD卡存储模块。
4.根据权利要求3所述的液压系统故障诊断系统,其特征在于,所述通信端为以太网模块通信端。
5.根据权利要求4所述的液压系统故障诊断系统,其特征在于,所述AD模数转换器包括第一ADS8568模数转换器和第二ADS8568模数转换器;
所述信号调理模块分别通过所述第一ADS8568模数转换器、所述第二ADS8568模数转换器连接所述FPGA。
6.根据权利要求1所述的液压系统故障诊断系统,其特征在于,所述传感器设备包括转速传感器、扭矩传感器和振动传感器;
所述转速传感器、所述扭矩传感器和所述振动传感器分别通过所述信号调理模块连接所述故障初步诊断与特征提取模块。
7.根据权利要求1所述的液压系统故障诊断系统,其特征在于,所述供电设备包括110V直流电源、第一电源转换模块、第二电源转换模块、恒流源模块以及第三电源转换模块;
所述第一电源转换模块连接外部的交流电源、并通过所述110V直流电源分别连接所述第二电源转换模块和所述第三电源转换模块;所述第二电源转换模块连接所述故障初步诊断与特征提取模块;所述第三电源模块通过所述恒流源分别连接所述传感器设备和所述信号调理模块。
8.根据权利要求1至7任意一项所述的液压系统故障诊断系统,其特征在于,所述故障诊断终端为上位机智能诊断系统。
9.根据权利要求2所述的液压系统故障诊断系统,其特征在于,所述DSP芯片为DSP6748芯片。
10.一种基于权利要求1至7任意一项所述的液压系统故障诊断系统的诊断方法,其特征在于,包括以下步骤:
故障初步诊断与特征提取模块通过信号调理模块接收各电压信号,并将处理各所述电压信号得到的、液压系统的各故障特征数据传输给故障诊断终端;其中,所述电压信号为传感器设备转化所述液压系统的各物理信号得到的;所述液压系统各物理信号包括液压泵的物理信号、马达的物理信号以及变速器的物理信号;所述液压系统为航空液压系统;
所述故障诊断终端通过建立与各所述故障特征数据对应的故障诊断模型对所述液压系统的故障进行诊断分析,基于所述神经网络算法得到所述故障诊断分析结果;
其中,所述故障诊断终端通过建立与各所述故障特征数据对应的故障诊断模型对所述液压系统的故障进行诊断分析,基于所述神经网络算法得到所述故障诊断分析结果的步骤具体包括:
所述故障诊断终端对各所述故障特征数据通过采用子神经网络算法,生成对应的故障诊断模型进行处理,得到故障诊断信息;
所述故障诊断终端将所述故障诊断信息输入所述神经网络进行融合、诊断分析,得到所述故障诊断分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236408.7A CN108730265B (zh) | 2018-03-21 | 2018-03-21 | 液压系统故障诊断系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236408.7A CN108730265B (zh) | 2018-03-21 | 2018-03-21 | 液压系统故障诊断系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108730265A CN108730265A (zh) | 2018-11-02 |
CN108730265B true CN108730265B (zh) | 2021-02-23 |
Family
ID=63940471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810236408.7A Active CN108730265B (zh) | 2018-03-21 | 2018-03-21 | 液压系统故障诊断系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108730265B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109514560A (zh) * | 2018-12-25 | 2019-03-26 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 工业机器人故障监控系统、方法以及装置 |
CN110182610B (zh) * | 2019-04-29 | 2021-07-13 | 宝钢湛江钢铁有限公司 | 一种智能堆取料机智能俯仰液压系统及控制方法 |
CN113467408A (zh) * | 2020-03-30 | 2021-10-01 | 湖州职业技术学院 | 一种基于智能系统的液压机故障诊断装置及方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100437072C (zh) * | 2006-08-01 | 2008-11-26 | 东北电力大学 | 离心泵振动故障融合诊断方法及振动信号采集装置 |
CN201335057Y (zh) * | 2008-11-28 | 2009-10-28 | 西安建筑科技大学 | 液压设备多源诊断信息获取实验装置 |
US8781982B1 (en) * | 2011-09-23 | 2014-07-15 | Lockheed Martin Corporation | System and method for estimating remaining useful life |
CN102705303B (zh) * | 2012-05-16 | 2014-12-24 | 北京航空航天大学 | 一种基于残差与双级Elman神经网络的液压伺服系统故障定位方法 |
GB201211283D0 (en) * | 2012-06-26 | 2012-08-08 | Bae Systems Plc | Assisting with vehicle assessment |
CN102879704B (zh) * | 2012-10-08 | 2014-11-05 | 南京航空航天大学 | 一种高压输电线高阻接地故障多参数数据融合检测方法 |
CN104061208A (zh) * | 2014-07-02 | 2014-09-24 | 北京机械设备研究所 | 一种液压系统在线故障诊断方法 |
CN104236911B (zh) * | 2014-09-28 | 2017-07-21 | 江苏润仪仪表有限公司 | 一种列车转向架轴承服役过程监测与故障诊断系统及方法 |
CN106884809A (zh) * | 2017-03-20 | 2017-06-23 | 中国矿业大学 | 一种基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置 |
-
2018
- 2018-03-21 CN CN201810236408.7A patent/CN108730265B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108730265A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108730265B (zh) | 液压系统故障诊断系统及方法 | |
Zhang et al. | Fault diagnosis and prognosis using wavelet packet decomposition, Fourier transform and artificial neural network | |
CN111947928B (zh) | 一种多源信息融合的轴承故障预测系统及方法 | |
CN108051211B (zh) | 一种风电机组主轴承温度预警诊断方法 | |
KR20190114221A (ko) | 심층학습을 기반으로 한 설비 진단 시스템 및 방법 | |
CN109583386B (zh) | 一种智能旋转机械故障深度网络特征辨识方法 | |
CN100442063C (zh) | 分布式智能电机监测系统 | |
CN107703920A (zh) | 基于多元时间序列的列车制动系统的故障检测方法 | |
CN105003453A (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN103901882A (zh) | 一种列车动力系统在线监控故障诊断的系统及其方法 | |
KR101967301B1 (ko) | 학습 데이터 융합을 이용한 회전체의 고장 진단 시스템 | |
CN101126929A (zh) | 连采机远程实时故障预测及诊断方法与装置 | |
KR102067344B1 (ko) | 이상 진동데이터 감지 장치 및 방법 | |
CN204113701U (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN104564542B (zh) | 一种基于大数据技术的故障诊断系统及其诊断方法 | |
CN104615121B (zh) | 一种列车故障诊断方法及系统 | |
CN111098463A (zh) | 一种注塑机故障诊断系统及诊断方法 | |
CN112987687B (zh) | 一种云-端融合的智能线控底盘健康监测系统及方法 | |
Su et al. | Fault diagnosis of rotating machinery based on wavelet domain denoising and metric distance | |
CN115437358A (zh) | 工业机器人智能状态监测与故障诊断系统及故障诊断方法 | |
CN114810572B (zh) | 一种液压泵故障诊断方法及装置 | |
CN107103337A (zh) | 基于物联网和信息融合的电力设备状态诊断装置及方法 | |
CN116842379A (zh) | 一种基于DRSN-CS和BiGRU+MLP模型的机械轴承剩余使用寿命预测方法 | |
CN109030976B (zh) | 一种电力电子设备监测诊断系统和方法 | |
CN115901242A (zh) | 机械臂故障的确定方法、确定装置和机械臂健康管理平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 511300 No.78, west of Zhucun Avenue, Zhucun street, Zengcheng District, Guangzhou City, Guangdong Province Applicant after: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING RESEARCH INSTITUTE ((THE FIFTH ELECTRONIC RESEARCH INSTITUTE OF MIIT)(CEPREI LABORATORY)) Address before: 510610 No. 110 Zhuang Road, Tianhe District, Guangdong, Guangzhou, Dongguan Applicant before: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING RESEARCH INSTITUTE ((THE FIFTH ELECTRONIC RESEARCH INSTITUTE OF MIIT)(CEPREI LABORATORY)) |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |