CN109026647B - 一种液压泵故障检测方法及系统 - Google Patents

一种液压泵故障检测方法及系统 Download PDF

Info

Publication number
CN109026647B
CN109026647B CN201810921095.9A CN201810921095A CN109026647B CN 109026647 B CN109026647 B CN 109026647B CN 201810921095 A CN201810921095 A CN 201810921095A CN 109026647 B CN109026647 B CN 109026647B
Authority
CN
China
Prior art keywords
hydraulic pump
support vector
vector machine
radial basis
optimized
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.)
Expired - Fee Related
Application number
CN201810921095.9A
Other languages
English (en)
Other versions
CN109026647A (zh
Inventor
费胜巍
何勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Donghua University
Original Assignee
Donghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Donghua University filed Critical Donghua University
Priority to CN201810921095.9A priority Critical patent/CN109026647B/zh
Publication of CN109026647A publication Critical patent/CN109026647A/zh
Application granted granted Critical
Publication of CN109026647B publication Critical patent/CN109026647B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00—Testing machines, pumps, or pumping installations

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明提出了一种BASA优化GRBF‑SVM的液压泵故障检测方法。本发明的另一个技术方案是提供了一种基于上述方法的BASA优化GRBF‑SVM的液压泵故障检测系统，其特征在于，包括：加速度传感器，用于采集液压泵的振动信号；特征提取模型，用于提取振动信号的特征；天牛须搜索算法优化广义径向基核支持向量机，采用天牛须搜索算法对广义径向基核支持向量机中的核参数与惩罚参数进行优化，再根据振动信号的特征对液压泵是否发生故障进行实时检测。本发明采用上述设计，对液压泵的故障进行在线实时检测，以确保液压泵故障正确、快速发现。

Description

一种液压泵故障检测方法及系统
技术领域
本发明涉及一种天牛须搜索算法(英文简称为BASA)优化广义径向基核支持向量机(英文简称为GRBF-SVM)的液压泵故障检测方法及系统。
背景技术
液压泵故障隐蔽性较强，传统液压泵故障通过维修人员进行诊断，由于人为诊断费时费力，造成设备停机时间较长，影响设备工作进度。
发明内容
本发明的目的是：对液压泵故障进行在线实时诊断，以确保其故障快速排除。
为了达到上述目的，本发明的技术方案是提供了一种BASA优化GRBF-SVM的液压泵故障检测方法，其特征在于，包括以下步骤：
步骤1、通过加速度传感器采集液压泵的历史振动信号；
步骤2、提取振动信号的历史特征；
步骤3、由历史特征及对应的故障类型作为训练数据，利用训练数据对广义径向基核支持向量机进行训练，训练时采用天牛须搜索算法对广义径向基核支持向量机中的核参数与惩罚参数进行优化；
步骤4、获取优化的广义径向基核支持向量机中的核参数与惩罚参数，从而得到基于天牛须搜索算法优化广义径向基核支持向量机的液压泵检测模型；
步骤5、通过加速度传感器采集液压泵的实时振动信号；
步骤6、提取实时振动信号的实时特征；
步骤7、将实时特征输入液压泵检测模型后，得到液压泵的故障检测结果。
本发明的另一个技术方案是提供了一种基于上述方法的BASA优化GRBF-SVM的液压泵故障检测系统，其特征在于，包括：
加速度传感器，用于采集液压泵的振动信号；
特征提取模型，用于提取振动信号的特征；
天牛须搜索算法优化广义径向基核支持向量机，采用天牛须搜索算法对广义径向基核支持向量机中的核参数与惩罚参数进行优化，再根据振动信号的特征对液压泵是否发生故障进行实时检测。
本发明采用上述设计，对液压泵的故障进行在线实时检测，以确保液压泵故障正确、快速发现。
附图说明
图1为本发明的一种天牛须搜索算法优化广义径向基核支持向量机的液压泵故障检测系统示意图；
图2为本发明的一种天牛须搜索算法优化广义径向基核支持向量机的液压泵故障检测流程。
具体实施方式
为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
如图1所示，本发明提供的一种BASA优化GRBF-SVM的液压泵故障检测系统包括：
加速度传感器，用于采集液压泵的振动信号；
特征提取模型，用于提取振动信号的特征；
天牛须搜索算法优化广义径向基核支持向量机，采用天牛须搜索算法对广义径向基核支持向量机中的核参数与惩罚参数进行优化，再根据振动信号的特征对液压泵是否发生故障进行实时检测。
广义径向基核支持向量机的广义径向基核函数描述为
Figure GDA0002226236030000021
式中，xi、xj表示输入的特征向量；v、γ表示核参数。当v＝1，
Figure GDA0002226236030000022
为拉普拉斯核函数；当v＝2，
Figure GDA0002226236030000023
为高斯核函数。广义径向基核支持向量机中核参数γ、v与惩罚参数C的取值对其检测效果有着一定的影响，因此，采用天牛须搜索算法对核参数γ、v与惩罚参数C进行优化，天牛须搜索算法是一种受到天牛觅食原理启发的智能优化算法。
如图2所示，本发明提供的一种BASA优化GRBF-SVM的液压泵故障检测方法包括以下步骤：
步骤1、通过加速度传感器采集液压泵的历史振动信号；
步骤2、提取振动信号的历史特征；
步骤3、由历史特征及对应的故障类型作为训练数据，利用训练数据对广义径向基核支持向量机进行训练，训练时采用天牛须搜索算法对广义径向基核支持向量机中的核参数与惩罚参数进行优化；
步骤4、获取优化的广义径向基核支持向量机中的核参数与惩罚参数，从而得到基于天牛须搜索算法优化广义径向基核支持向量机的液压泵检测模型；
步骤5、通过加速度传感器采集液压泵的实时振动信号；
步骤6、提取实时振动信号的实时特征；
步骤7、将实时特征输入液压泵检测模型后，得到液压泵的故障检测结果。

Claims (2)

1.一种天牛须搜索算法优化广义径向基核支持向量机的液压泵故障检测方法，其特征在于，包括以下步骤：
步骤1、通过加速度传感器采集液压泵的历史振动信号；
步骤2、提取振动信号的历史特征；
步骤3、由历史特征及对应的故障类型作为训练数据，利用训练数据对广义径向基核支持向量机进行训练，训练时采用天牛须搜索算法对广义径向基核支持向量机中的核参数与惩罚参数进行优化；
步骤4、获取优化的广义径向基核支持向量机中的核参数与惩罚参数，从而得到基于天牛须搜索算法优化广义径向基核支持向量机的液压泵检测模型；
步骤5、通过加速度传感器采集液压泵的实时振动信号；
步骤6、提取实时振动信号的实时特征；
步骤7、将实时特征输入液压泵检测模型后，得到液压泵的故障检测结果。
2.一种基于权利要求1所述方法的天牛须搜索算法优化广义径向基核支持向量机的液压泵故障检测系统，其特征在于，包括：
加速度传感器，用于采集液压泵的振动信号；
特征提取模型，用于提取振动信号的特征；
天牛须搜索算法优化广义径向基核支持向量机，采用天牛须搜索算法对广义径向基核支持向量机中的核参数与惩罚参数进行优化，再根据振动信号的特征对液压泵是否发生故障进行实时检测。
CN201810921095.9A 2018-08-14 2018-08-14 一种液压泵故障检测方法及系统 Expired - Fee Related CN109026647B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810921095.9A CN109026647B (zh) 2018-08-14 2018-08-14 一种液压泵故障检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810921095.9A CN109026647B (zh) 2018-08-14 2018-08-14 一种液压泵故障检测方法及系统

Publications (2)

Publication Number Publication Date
CN109026647A CN109026647A (zh) 2018-12-18
CN109026647B true CN109026647B (zh) 2020-03-24

Family

ID=64634041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810921095.9A Expired - Fee Related CN109026647B (zh) 2018-08-14 2018-08-14 一种液压泵故障检测方法及系统

Country Status (1)

Country Link
CN (1) CN109026647B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111008648B (zh) * 2019-11-12 2023-10-27 国网湖南省电力有限公司 一种纯光纤电子式电流互感器故障辨识方法、系统及介质
CN111476173B (zh) * 2020-04-09 2024-03-05 南京工程学院 一种基于bas-svm的配电网电压暂降源识别方法
CN112819083B (zh) * 2021-02-07 2023-08-18 盛景智能科技(嘉兴)有限公司 液压泵故障预测方法、装置、电子设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101907088B (zh) * 2010-05-27 2012-07-04 中国人民解放军国防科学技术大学 基于单类支持向量机的故障诊断方法
CN103939325B (zh) * 2014-05-05 2017-04-05 重庆大学 一种在低速运转下的消防水泵的故障诊断方法
GB201416431D0 (en) * 2014-09-17 2014-10-29 Isis Innovation Pump monitoring system and method
CN104373338A (zh) * 2014-11-19 2015-02-25 北京航空航天大学 一种基于lmd-svd和ig-svm的液压泵故障诊断方法
CA2969411C (en) * 2014-12-02 2019-08-27 Siemens Aktiengesellschaft Apparatus and method for monitoring a pump
CN105275833B (zh) * 2015-10-30 2017-01-11 北京航空航天大学 一种基于CEEMD-STFT时频信息熵和multi-SVM的离心泵故障诊断方法

Also Published As

Publication number Publication date
CN109026647A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109026647B (zh) 一种液压泵故障检测方法及系统
WO2021128576A1 (zh) 基于生成式对抗网络的刀具状态监测数据集增强方法
CN110135492B (zh) 基于多高斯模型的设备故障诊断与异常检测方法及系统
CN107577945A (zh) Url攻击检测方法、装置以及电子设备
CN105628383A (zh) 基于改进型lssvm迁移学习的轴承故障诊断方法和系统
CN108869145B (zh) 基于复合特征指标和深度极限学习机的泵站机组诊断方法
CN107133628A (zh) 一种建立数据识别模型的方法及装置
CN110634493A (zh) 基于声纹图像特征的变压器状态识别方法、系统及介质
CN112529341A (zh) 一种基于朴素贝叶斯算法的钻井漏失机率预测方法
CN109992969B (zh) 一种恶意文件检测方法、装置及检测平台
KR102247179B1 (ko) 이상행위탐지모델의 비지도 학습을 위한 xai 기반 정상학습데이터 생성방법 및 장치
CN110493221A (zh) 一种基于聚簇轮廓的网络异常检测方法
CN112487890A (zh) 一种基于并行稀疏滤波的轴承声信号故障诊断方法
CN111742462A (zh) 用于基于音频和振动的功率分配装备状况监测的系统和方法
CN104316167A (zh) 一种低信噪比下结构响应异常检测方法
CN109297711B (zh) 一种基于自适应多分类马氏田口方法的旋转机械故障诊断方法
CN108956783A (zh) 一种基于hdp-hsmm的磨削声砂轮钝化状态检测方法
CN104077524A (zh) 用于病毒鉴定的训练方法和病毒鉴定方法及装置
CN107422373B (zh) 一种基于特征漂移的煤矿冲击地压灾害在线预警方法
CN115935250B (zh) 基于差分振子和领域自适应混合模型故障诊断方法及系统
CN101930401A (zh) 一种基于检测对象的软件漏洞模型检测方法
CN105890738A (zh) 一种汇流旋涡冲击振动识别方法
CN112257516B (zh) 风机支撑杆塌陷监测的方法及其装置
JP2019200650A5 (zh)
CN115270875A (zh) 一种基于深度学习的隔膜泵运行状态监测方法

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200324

CF01 Termination of patent right due to non-payment of annual fee