CN110486350A - 电液伺服阀故障诊断方法及装置、存储介质和电子设备 - Google Patents
电液伺服阀故障诊断方法及装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN110486350A CN110486350A CN201910823504.6A CN201910823504A CN110486350A CN 110486350 A CN110486350 A CN 110486350A CN 201910823504 A CN201910823504 A CN 201910823504A CN 110486350 A CN110486350 A CN 110486350A
- Authority
- CN
- China
- Prior art keywords
- servo valve
- electrohydraulic servo
- characteristic curve
- flow difference
- lower half
- 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.)
- Granted
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Fluid-Pressure Circuits (AREA)
Abstract
本发明提供一种电液伺服阀故障诊断方法及装置、计算机可读存储介质以及电子设备。该方法包括:采集若干个电液伺服阀数据;以流量值等于零为界,将获取的特性曲线分割成上半部特性曲线与下半部特性曲线;计算在同一电流值对应的上半部与下半部特性曲线的流量差值;采用Kolmogorov‑Smirnov方法验证各流量差值是否符合正态分布;符合正态分布,计算每个电液伺服阀的上半部与下半部特性曲线流量差值的均值与标准差;基于统计学的F‑test分别对每个电液伺服阀进行统计学检定,判断各电液伺服阀是否发生故障。该方法及装置实现对电液伺服阀故障高效、准确地诊断,为电液伺服阀故障识别提供了大数据基础。
Description
技术领域
本发明涉及电液伺服阀领域,具体涉及一种电液伺服阀故障诊断方法及装置、一种计算机可读存储介质以及一种电子设备。
背景技术
电液伺服阀是液压伺服系统中的重要基础元件,广泛应用于航天、钢铁、冶金、化工等行业中。电液伺服阀的元件复杂、精密度高,且经常工作于高温高压环境,是故障频率最高的液压元件之一。电液伺服阀集机、电、液于一身,其高精密、高集成化的特点使其故障模式具有复杂多变、诊断周期长、极度依赖专家经验等特点。因此,发明一种高效、智能的电液伺服阀故障诊断方法十分必要。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种电液伺服阀故障诊断方法及装置、一种计算机可读存储介质以及一种电子设备。
本发明的第一方面,提供一种电液伺服阀故障诊断方法,具体包括以下步骤:
采集若干个电液伺服阀数据,所述数据包括各所述电液伺服阀在对应电流下的空载流量数据所形成的特性曲线;
以流量值等于零为界,将所获取的每个所述电液伺服阀的特性曲线分割成上半部特性曲线与下半部特性曲线;
分别计算每个所述电液伺服阀在同一电流值对应的所述上半部特性曲线的流量差值与所述下半部特性曲线的流量差值;
采用Kolmogorov-Smirnov方法分别验证每个所述电液伺服阀的流量差值是否符合正态分布;
响应于所述流量差值符合正态分布,分别计算每个所述电液伺服阀的上半部特性曲线与下半部特性曲线流量差值的均值与标准差;
根据各所述电液伺服阀的均值和标准差,基于统计学的F-test分别对每个所述电液伺服阀进行统计学检定,判断各所述电液伺服阀是否发生故障。
可选的,所述方法还包括:响应于所述流量差值不符合正态分布,继续采集电液伺服阀的数据。
可选的,所述流量差值采用下述关系式计算:
式中,为所述电液伺服阀的上半部特性曲线在电流递增时所对应的流量值;
为所述电液伺服阀的上半部特性曲线在电流递减时所对应的流量值;
为所述电液伺服阀的下半部特性曲线在电流递增时所对应的流量值;
为所述电液伺服阀的下半部特性曲线在电流递减时所对应的流量值;
i为各所述电液伺服阀的采集序号。
可选的,根据下述关系式计算每个所述电液伺服阀的流量差值是否符合正态分布:
其中,H0为虚无假设;
Hα为对立假设;
为所述电液伺服阀上半部特性曲线的流量差值;
为所述电液伺服阀下半部特性曲线的流量差值。
可选的,采用Kolmogorov-Smirnov方法分别验证每个所述电液伺服阀的流量差值是否符合正态分布的步骤具体包括:
以0.05的显著性水平,用kstest函数检定其返回值为1,则表示所述上半部特性曲线的流量差值服从标准正态分布,反之则表示所述上半部特性曲线的流量差值不服从标准正态分布;
以0.05的显著性水平,用kstest函数检定其返回值为1,则表示所述下半部特性曲线的流量差值服从标准正态分布,反之则表示所示下半部特性曲线的流量差值不服从标准正态分布。
可选的,采用下述关系式计算均值和标准差:
式中,μu,j为所述上半部特性曲线流量差值的均值;
su,j为所述上半部特性曲线流量差值的标准差;
μd,j为所述下半部特性曲线流量差值的均值;
sd,j为所述下半部特性曲线流量差值的标准差。
可选的,采用下述关系式判断所述电液伺服阀是否发生故障:
式中,H0为虚无假设;
Hα为对立假设;
为无故障电液伺服阀的上半部特性曲线统计值;
为无故障电液伺服阀的下半部特性曲线统计值;
F的统计量为:
假设F统计量满足χ2分布,采用F-test方法,以判定各所述流量差值与所述无故障统计量是否存在明显差异,若无差异,则为无故障,若有差异,则诊断相应故障。
本发明的第二方面,提供一种电液伺服阀故障诊断装置,具体包括:
采集模块,用于采集若干个电液伺服阀数据,所述数据包括各所述电液伺服阀在对应电流下的空载流量数据所形成的特性曲线;
分割模块,用于以流量值等于零为界,将所获取的每个所述电液伺服阀的特性曲线分割成上半部特性曲线与下半部特性曲线;
计算模块,用于分别计算每个所述电液伺服阀在同一电流值对应的所述上半部特性曲线的流量差值与所述下半部特性曲线的流量差值;
验证模块,用于利用Kolmogorov-Smirnov方法分别验证每个所述电液伺服阀的流量差值是否符合正态分布;
响应于所述流量差值符合正态分布时,所述计算模块还用于分别计算每个所述电液伺服阀的上半部特性曲线与下半部特性曲线流量差值的均值与标准差;
判断模块,用于根据各所述电液伺服阀的均值和标准差,基于统计学的F-test分别对每个所述电液伺服阀进行统计学检定,判断各所述电液伺服阀是否发生故障。
可选的,所述验证模块,还用于在接收到响应于所述流量差值不符合正态分布时,向所述采集模块发出采集信号。
本发明第三方面,提供一种计算机可读存储介质,包括前文所述的电液伺服阀故障诊断装置。
本发明第四方面,提供一种电子设备,包括前文所述的计算机可读存储介质。
本发明提供的电液伺服阀故障诊断方法及装置、计算机可读介质与电子设备,是基于液压试验台测控系统所提取的空载流量曲线,以统计分析方法为策略,依据相同故障的统计数据应服从相同的分布为指导原则,电液伺服阀故障的统计特性进行假设检验,从而区分电液伺服阀典型故障类型,对实现对电液伺服阀故障进行高效、准确地诊断。其次,与其他方法相比,本发明从数据的采集出发,通过数据分割、数据计算、数据分布以及数据假设检验,得到电液伺服阀可能存在的故障,本发明主要以数据的分布为基点,进行假设检验分析,以针对性的分析电液伺服阀存在的故障。避免了繁琐的模型训练与参数选择等步骤(如神经网络模型),为现场工程师提供维修依据,也为下一次的电液伺服阀故障识别提供了大数据基础。
附图说明
图1为本发明实施例的电液伺服阀故障诊断方法流程图;
图2为本发明实施例的电液伺服阀在对应电流下的空载流量数据所形成的特性曲线;
图3为本发明实施例的电液伺服阀的流量差值正态分布图;
图4(a)为本发明实施例的不同电液伺服阀的上半部特性曲线流量差值箱式图;
图4(b)为本发明实施例的不同电液伺服阀的下半部特性曲线流量差值箱式图;
图5为本发明实施例的电液伺服阀故障诊断装置图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。
如图1至图4所示,本发明的第一方面,提供一种电液伺服阀故障诊断方法,具体包括以下步骤:
采集若干个电液伺服阀数据,所述数据包括各所述电液伺服阀在对应电流下的空载流量数据所形成的特性曲线;
以流量值等于零为界,将所获取的每个所述电液伺服阀的特性曲线分割成上半部特性曲线与下半部特性曲线;
分别计算每个所述电液伺服阀在同一电流值对应的所述上半部特性曲线的流量差值与所述下半部特性曲线的流量差值;
采用Kolmogorov-Smirnov方法分别验证每个所述电液伺服阀的流量差值是否符合正态分布;
响应于所述流量差值符合正态分布,分别计算每个所述电液伺服阀的上半部特性曲线与下半部特性曲线流量差值的均值与标准差;
根据各所述电液伺服阀的均值和标准差,基于统计学的F-test分别对每个所述电液伺服阀进行统计学检定,判断各所述电液伺服阀是否发生故障。
本发明提供的电液伺服阀故障诊断方法及装置、计算机可读介质与电子设备,是基于液压试验台测控系统所提取的空载流量曲线,以统计分析方法为策略,依据相同故障的统计数据应服从相同的分布为指导原则,电液伺服阀故障的统计特性进行假设检验,从而区分电液伺服阀典型故障类型,对实现对电液伺服阀故障进行高效、准确地诊断。其次,与其他方法相比,本发明从数据的采集出发,通过数据分割、数据计算、数据分布以及数据假设检验,得到电液伺服阀可能存在的故障,本发明主要以数据的分布为基点,进行假设检验分析,以针对性的分析电液伺服阀存在的故障。避免了繁琐的模型训练与参数选择等步骤(如神经网络模型),为现场工程师提供维修依据,也为下一次的电液伺服阀故障识别提供了大数据基础。
实施例
步骤一、如图1所示,利用液压试验台测控系统,采集若干个电液伺服阀数据,数据包括各电液伺服阀在对应电流下的空载流量数据所形成的特性曲线。
步骤二、依据电液伺服阀输出流量与输入控制电流成回环状的特性,以流量值等于零为界,将所获取的每个电液伺服阀的特性曲线分割成上半部特性曲线与下半部特性曲线,如图2所示。
步骤三、分别计算每个电液伺服阀在同一电流值对应的上半部特性曲线的流量差值与下半部特性曲线的流量差值,具体计算关系式如下所述:
式中,为电液伺服阀的上半部特性曲线在电流递增时所对应的流量值;
为电液伺服阀的上半部特性曲线在电流递减时所对应的流量值;
为电液伺服阀的下半部特性曲线在电流递增时所对应的流量值;
为电液伺服阀的下半部特性曲线在电流递减时所对应的流量值;
i为各电液伺服阀的采集序号。
步骤四、采用Kolmogorov-Smirnov方法分别验证每个电液伺服阀的流量差值是否符合正态分布,具体过程如下:
首先,基于上述计算得出的各流量值,再根据下述关系式计算每个电液伺服阀的流量差值是否符合正态分布:
其中,H0为虚无假设;
Hα为对立假设;
为电液伺服阀的上半部特性曲线的流量差值;
为电液伺服阀的下半部特性曲线的流量差值。
其次,采用Kolmogorov-Smirnov方法分别验证每个电液伺服阀的流量差值是否符合正态分布,正态分布曲线如图3所示,其验证步骤具体包括:
以0.05的显著性水平,用kstest函数检定其返回值为1,则表示上半部特性曲线的流量差值服从标准正态分布,反之则表示上半部特性曲线的流量差值不服从标准正态分布;
以0.05的显著性水平,用kstest函数检定其返回值为1,则表示下半部特性曲线的流量差值服从标准正态分布,反之则表示下半部特性曲线的流量差值不服从标准正态分布;
具体地,若上述结果响应于流量差值符合正态分布,则分别计算每个电液伺服阀的上半部特性曲线与下半部特性曲线流量差值的均值与标准差,具体计算关系式如下所述:
式中,μu,j为上半部特性曲线流量差值的均值;
su,j为上半部特性曲线流量差值的标准差;
μd,j为下半部特性曲线流量差值的均值;
sd,j为下半部特性曲线流量差值的标准差。
需要说明的是,本实施例的关系式中电液伺服阀以“j”表示,例如:μu,j代表电液伺服阀的上半部特性曲线流量差值的均值、sd,j代表电液伺服阀的下半部特性曲线流量差值的标准差。
需要进一步说明的是,为了获取大量电液伺服阀的故障数据,该故障诊断方法还包括:上述结果响应于流量差值不符合正态分布时,继续采集电液伺服阀的数据。
步骤五、根据步骤四中关系式得到的各电液伺服阀的均值和标准差,选择无故障电液伺服阀的上半部流量差值的均值μu,n和标准差su,n,以及下半部流量差值的均值μd,n标准差sd,n为标称值,再基于统计学的F-test分别对每个所述电液伺服阀进行统计学检定,判断各电液伺服阀是否发生故障,具体采用下述关系式判断电液伺服阀是否发生故障:
式中,H0为虚无假设;
Hα为对立假设;
su,n为无故障电液伺服阀的上半部特性曲线统计值;
sd,n为无故障电液伺服阀的下半部特性曲线统计值;
F的统计量为:
需要说明的是,本实施例中假设F统计量满足χ2分布,式(8)或式(9)的比值越小,与1相差越远,F统计量越小,说明各检电液伺服阀与无故障电液伺服阀之间的变异越强,基于此统计分析以及假设检验的基础上,以判定各流量差值与无故障统计量是否存在明显差异,若无差异,则为无故障,若有差异,则诊断相应故障。其次,本实施例中使用单尾检验,如果F统计量在临界区域内,结果显示拒绝H0假设,接受Hα假设,则意味着待检伺服阀对应位置有故障。否则,接受H0假设,拒绝Hα假设,则待检电液伺服阀无故障。
如图4(a)所示,与无故障的电液伺服阀相比较,样本1的上半部流量差值存在明显差异,结果显示拒绝H0假设,则相应的电液伺服阀上半部存在明显滞环现象。而样本2的上半部流量差值与无故障电液伺服阀的统计量无明显差异,结果显示接受H0假设,则相应的电液伺服阀的上半部无滞环现象。
如图4(b)所示,与无故障的电液伺服阀相比较,样本1的下半部流量差值与无故障电液伺服阀的统计量无明显差异,结果显示接受H0假设,该电液伺服阀的下半部无滞环现象。而样本2的下半部流量差值存在明显差异,结果显示拒绝H0假设,该电液伺服阀的下半部存在明显滞环现象。
通过统计特性进行假设检验分析,实现对电液伺服阀故障的精准分析,通过待测电液伺服阀的流量差值与无故障电液伺服阀的统计量差异判断出存在的具体故障,该方法高效、准确,且具有一定的普适性。
本发明的第二方面,提供一种电液伺服阀故障诊断装置,具体包括:采集模块、分割模块、计算模块、验证模块及判断模块,如图5所示。
具体地,采集模块,用于采集若干个电液伺服阀数据,该数据包括待测的各电液伺服阀在对应电流下的空载流量数据所形成的特性曲线。
分割模块,用于以流量值等于零为界,将所获取的每个电液伺服阀的特性曲线分割成上半部特性曲线与下半部特性曲线。分割的上下部特性曲线更容易分析检测的具体故障。
计算模块,用于基于下述关系式分别计算电液伺服阀在同一电流值对应的上半部特性曲线的流量差值与下半部特性曲线各流量差值,
式中,为电液伺服阀的上半部特性曲线在电流递增时所对应的流量值;
为电液伺服阀的上半部特性曲线在电流递减时所对应的流量值;
为电液伺服阀的下半部特性曲线在电流递增时所对应的流量值;
为电液伺服阀的下半部特性曲线在电流递减时所对应的流量值;
i为各电液伺服阀的采集序号。
验证模块,用于基于上述计算模块得出的各流量值,再根据下述关系式验证每个电液伺服阀的流量差值是否符合正态分布:
其中,H0为虚无假设;
Hα为对立假设;
为所述电液伺服阀上半部特性曲线的流量差值;
为所述电液伺服阀下半部特性曲线的流量差值。
其次,该验证模块还用于采用Kolmogorov-Smirnov方法分别验证每个电液伺服阀的流量差值是否符合正态分布,正态分布曲线如图3所示,验证步骤具体包括:
以0.05的显著性水平,用kstest函数检定其返回值为1,则表示上半部特性曲线的流量差值服从标准正态分布,反之则表示上半部特性曲线的流量差值不服从标准正态分布;
以0.05的显著性水平,用kstest函数检定其返回值为1,则表示下半部特性曲线的流量差值服从标准正态分布,反之则表示下半部特性曲线的流量差值不服从标准正态分布;
若该验证模块发出响应于流量差值符合正态分布的信号,则计算模块开启计算信号,分别计算每个电液伺服阀的上半部特性曲线与下半部特性曲线流量差值的均值与标准差,具体计算关系式如下所述:
式中,μu,j为上半部特性曲线流量差值的均值;
su,j为上半部特性曲线流量差值的标准差;
μd,j为下半部特性曲线流量差值的均值;
sd,j为下半部特性曲线流量差值的标准差。
需要说明的是,本实施例的关系式中电液伺服阀以“j”表示,例如:μu,j代表电液伺服阀的上半部特性曲线流量差值的均值、sd,j代表电液伺服阀的下半部特性曲线流量差值的标准差。
需要进一步说明的是,该验证模块发出响应于流量差值不符合正态分布的信号时,则采集模块开启采集信号,继续采集电液伺服阀数据。
判断模块,用于根据上述关系式得到的各电液伺服阀的均值和标准差,选择无故障电液伺服阀的上半部流量差值的均值μu,n和标准差su,n,以及下半部流量差值的均值μd,n和标准差sd,n为标称值,基于统计学的F-test分别对每个电液伺服阀进行统计学检定,判断各电液伺服阀是否发生故障,具体计算关系式如下所述:
式中,H0为虚无假设;
Hα为对立假设;
su,n为无故障电液伺服阀的上半部特性曲线统计值;
sd,n为无故障电液伺服阀的下半部特性曲线统计值;
F的统计量为:
需要说明的是,本实施例中假设F统计量满足χ2分布,判断模块用于判定各所述流量差值与无故障统计量是否存在明显差异,若无差异,则为无故障,若有差异,则诊断相应故障。式(8)式(9)中,F值越小,与1相差越远,代表F统计量越小,说明各检电液伺服阀与无故障电液伺服阀之间的变异越强。其次,本实施例中使用单尾检验,如果F统计量在临界区域内,拒绝H0假设,接受Hα假设,意味着待检伺服阀对应位置有故障。否则,接受H0假设,拒绝Hα假设,待检电液伺服阀无故障。
如图4(a)所示,判断模块用于发出与无故障的电液伺服阀相比较后的结果信号,当样本1的上半部流量差值存在明显差异,结果显示拒绝H0假设,则相应的电液伺服阀上半部存在明显滞环现象。当样本2的上半部流量差值与无故障电液伺服阀的统计量无明显差异,结果显示接受H0假设,则相应的电液伺服阀的上半部无滞环现象。
如图4(b)所示,判断模块用于发出与无故障的电液伺服阀相比较后的结果信号,当样本1的下半部流量差值与无故障电液伺服阀的统计量无明显差异,结果显示接受H0假设,该电液伺服阀的下半部无滞环现象。当样本2的下半部流量差值存在明显差异,结果显示拒绝H0假设,该电液伺服阀的下半部存在明显滞环现象。
基于统计学得到的电液伺服阀故障可以充分代表大多数样本,通过待测电液伺服阀故障诊断装置的计算模块、验证模块以及判断模块,可以精准、高效的判断出存在的具体故障,为现场工程师提供维修依据。
本发明的第三方面,提供一种计算机可读存储介质,其包括前文所述的电液伺服阀故障诊断装置,具体包括的模块如前文记载,在此不做赘述。
本发明的第四方面,提供一种电子设备,其包括前文所述的计算机可读存储介质。
本发明提供的电液伺服阀故障诊断方法及装置、计算机可读介质与电子设备,是基于液压试验台测控系统所提取的空载流量曲线,以统计分析方法为策略,依据相同故障的统计数据应服从相同的分布为指导原则,电液伺服阀故障的统计特性进行假设检验,从而区分电液伺服阀典型故障类型,对实现对电液伺服阀故障进行高效、准确地诊断。其次,与其他方法相比,本发明从数据的采集出发,通过数据分割、数据计算、数据分布以及数据假设检验,得到电液伺服阀可能存在的故障,本发明主要以数据的分布为基点,进行假设检验分析,以针对性的分析电液伺服阀存在的故障。避免了繁琐的模型训练与参数选择等步骤(如神经网络模型),为现场工程师提供维修依据,也为下一次的电液伺服阀故障识别提供了大数据基础。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种电液伺服阀故障诊断方法,其特征在于,具体包括以下步骤:
采集若干个电液伺服阀数据,所述数据包括各所述电液伺服阀在对应电流下的空载流量数据所形成的特性曲线;
以流量值等于零为界,将所获取的每个所述电液伺服阀的特性曲线分割成上半部特性曲线与下半部特性曲线;
分别计算每个所述电液伺服阀在同一电流值对应的所述上半部特性曲线的流量差值与所述下半部特性曲线的流量差值;
采用Kolmogorov-Smirnov方法分别验证每个所述电液伺服阀的流量差值是否符合正态分布;
响应于所述流量差值符合正态分布,分别计算每个所述电液伺服阀的上半部特性曲线与下半部特性曲线流量差值的均值与标准差;
根据各所述电液伺服阀的均值和标准差,基于统计学的F-test分别对每个所述电液伺服阀进行统计学检定,判断各所述电液伺服阀是否发生故障。
2.根据权利要求1所述的电液伺服阀故障诊断方法,其特征在于,所述方法还包括:
响应于所述流量差值不符合正态分布,继续采集电液伺服阀的数据。
3.根据权利要求1所述的电液伺服阀故障诊断方法,其特征在于,所述流量差值采用下述关系式计算:
式中,为所述电液伺服阀的上半部特性曲线在电流递增时所对应的流量值;
为所述电液伺服阀的上半部特性曲线在电流递减时所对应的流量值;
为所述电液伺服阀的下半部特性曲线在电流递增时所对应的流量值;
为所述电液伺服阀的下半部特性曲线在电流递减时所对应的流量值;
i为各所述电液伺服阀的采集序号。
4.根据权利要求1所述的电液伺服阀故障诊断方法,其特征在于,根据下述关系式计算每个所述电液伺服阀的流量差值是否符合正态分布:
其中,H0为虚无假设;
Hα为对立假设;
为所述电液伺服阀上半部特性曲线的流量差值;
为所述电液伺服阀下半部特性曲线的流量差值。
5.根据权利要4所述的电液伺服阀故障诊断方法,其特征在于,采用Kolmogorov-Smirnov方法分别验证每个所述电液伺服阀的流量差值是否符合正态分布的步骤具体包括:
以0.05的显著性水平,用kstest函数检定其返回值为1,则表示所述上半部特性曲线的流量差值服从标准正态分布,反之则表示所述上半部特性曲线的流量差值不服从标准正态分布;
以0.05的显著性水平,用kstest函数检定其返回值为1,则表示所述下半部特性曲线的流量差值服从标准正态分布,反之则表示所述下半部特性曲线的流量差值不服从标准正态分布。
6.根据权利要1所述的电液伺服阀故障诊断方法,其特征在于,采用下述关系式计算均值和标准差:
式中,μu,j为所述上半部特性曲线流量差值的均值;
su,j为所述上半部特性曲线流量差值的标准差;
μd,j为所述下半部特性曲线流量差值的均值;
sd,j为所述下半部特性曲线流量差值的标准差。
7.根据权利要6所述的电液伺服阀故障诊断方法,其特征在于,采用下述关系式判断所述电液伺服阀是否发生故障:
式中,H0为虚无假设;
Hα为对立假设;
su,n为无故障电液伺服阀的上半部特性曲线统计值;
sd,n为无故障电液伺服阀的下半部特性曲线统计值;
F的统计量为:
假设F统计量满足χ2分布,采用F-test方法,以判定各所述流量差值与所述无故障统计量是否存在明显差异,若无差异,则为无故障,若有差异,则诊断相应故障。
8.一种电液伺服阀故障诊断装置,其特征在于,具体包括:
采集模块,用于采集若干个电液伺服阀数据,所述数据包括各所述电液伺服阀在对应电流下的空载流量数据所形成的特性曲线;
分割模块,用于以流量值等于零为界,将所获取的每个所述电液伺服阀的特性曲线分割成上半部特性曲线与下半部特性曲线;
计算模块,用于分别计算每个所述电液伺服阀在同一电流值对应的所述上半部特性曲线的流量差值与所述下半部特性曲线的流量差值;
验证模块,用于利用Kolmogorov-Smirnov方法分别验证每个所述电液伺服阀的流量差值是否符合正态分布;
响应于所述流量差值符合正态分布,所述计算模块还用于分别计算每个所述电液伺服阀的上半部特性曲线与下半部特性曲线流量差值的均值与标准差;
判断模块,用于根据各所述电液伺服阀的均值和标准差,基于统计学的F-test分别对每个所述电液伺服阀进行统计学检定,判断各所述电液伺服阀是否发生故障。
9.一种计算机可读存储介质,其特征在于,包括权利要求8所述的电液伺服阀故障诊断装置。
10.一种电子设备,其特征在于,包括权利要求9所述的计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910823504.6A CN110486350B (zh) | 2019-09-02 | 2019-09-02 | 电液伺服阀故障诊断方法及装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910823504.6A CN110486350B (zh) | 2019-09-02 | 2019-09-02 | 电液伺服阀故障诊断方法及装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110486350A true CN110486350A (zh) | 2019-11-22 |
CN110486350B CN110486350B (zh) | 2020-06-02 |
Family
ID=68555436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910823504.6A Active CN110486350B (zh) | 2019-09-02 | 2019-09-02 | 电液伺服阀故障诊断方法及装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110486350B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111637115A (zh) * | 2020-05-29 | 2020-09-08 | 上海华兴数字科技有限公司 | 一种液压系统异常的检测方法、检测装置及可读存储介质 |
CN113503289A (zh) * | 2021-07-29 | 2021-10-15 | 杭州力龙液压有限公司 | 一种液压马达故障检测方法、装置、系统及挖掘机 |
CN113719499A (zh) * | 2021-08-31 | 2021-11-30 | 上海衡拓液压控制技术有限公司 | 一种电液伺服阀智能故障诊断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6178261B1 (en) * | 1997-08-05 | 2001-01-23 | The Regents Of The University Of Michigan | Method and system for extracting features in a pattern recognition system |
CN105426655A (zh) * | 2015-10-28 | 2016-03-23 | 广东石油化工学院 | 一种基于无量纲指标的旋转机械故障诊断方法 |
CN108459991A (zh) * | 2018-03-12 | 2018-08-28 | 哈尔滨工程大学 | 一种获得设备可靠性数据的方法 |
CN110175640A (zh) * | 2019-05-22 | 2019-08-27 | 镇江四联机电科技有限公司 | 一种基于机器学习的电液伺服阀故障诊断方法 |
-
2019
- 2019-09-02 CN CN201910823504.6A patent/CN110486350B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6178261B1 (en) * | 1997-08-05 | 2001-01-23 | The Regents Of The University Of Michigan | Method and system for extracting features in a pattern recognition system |
CN105426655A (zh) * | 2015-10-28 | 2016-03-23 | 广东石油化工学院 | 一种基于无量纲指标的旋转机械故障诊断方法 |
CN108459991A (zh) * | 2018-03-12 | 2018-08-28 | 哈尔滨工程大学 | 一种获得设备可靠性数据的方法 |
CN110175640A (zh) * | 2019-05-22 | 2019-08-27 | 镇江四联机电科技有限公司 | 一种基于机器学习的电液伺服阀故障诊断方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111637115A (zh) * | 2020-05-29 | 2020-09-08 | 上海华兴数字科技有限公司 | 一种液压系统异常的检测方法、检测装置及可读存储介质 |
CN111637115B (zh) * | 2020-05-29 | 2022-04-01 | 上海华兴数字科技有限公司 | 一种液压系统异常的检测方法、检测装置及可读存储介质 |
CN113503289A (zh) * | 2021-07-29 | 2021-10-15 | 杭州力龙液压有限公司 | 一种液压马达故障检测方法、装置、系统及挖掘机 |
CN113719499A (zh) * | 2021-08-31 | 2021-11-30 | 上海衡拓液压控制技术有限公司 | 一种电液伺服阀智能故障诊断方法 |
CN113719499B (zh) * | 2021-08-31 | 2024-04-05 | 上海衡拓液压控制技术有限公司 | 一种电液伺服阀智能故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110486350B (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110486350A (zh) | 电液伺服阀故障诊断方法及装置、存储介质和电子设备 | |
EP3454289B1 (en) | Plant abnormality detection method and system | |
EP1982301B1 (en) | Method of condition monitoring | |
US20140365179A1 (en) | Method and Apparatus for Detecting and Identifying Faults in a Process | |
CN104238543B (zh) | 时间序列形式的传感数据的不良图案检验方法及其装置 | |
CN109641602A (zh) | 异常检测设备、异常检测方法和非临时性计算机可读介质 | |
CN102901621A (zh) | 用于测试螺线管阀的方法和装置 | |
CN106068447B (zh) | 差压测量组件及用于监测差压测量组件的方法 | |
CN108105208B (zh) | 漏油检测装置 | |
CN107111312B (zh) | 监视在工业现场运行的过程的至少一个步骤的监视装置和监视方法 | |
CN104677997B (zh) | 一种变压器油色谱在线监测差异化预警方法 | |
CN103324155B (zh) | 系统监控 | |
CN102495318A (zh) | 一种电容型设备故障诊断方法 | |
WO2015101856A2 (en) | A method and system for fault detection during a plunger lift operation in hydrocarbon wells | |
CN112149750A (zh) | 一种供水管网爆管识别数据驱动方法 | |
CN112766301A (zh) | 一种采油机示功图相似性判断方法 | |
CN103077441A (zh) | 自识别电子产品的预测健康管理方法 | |
CN105090000B (zh) | 一种空间环境模拟器粗抽真空系统的故障诊断方法 | |
KR102674766B1 (ko) | 인공지능을 이용한 밸브 고장진단 시스템 및 이를 이용한 밸브 고장진단 방법 | |
CN110044693B (zh) | 一种用于结构加载电测试验的传感器状态实时监测方法 | |
Knowles et al. | Implementing evaluation of the measurement process in an automotive manufacturer: a case study | |
CN114637645B (zh) | 一种传感器量测数据的校验方法 | |
KR20120090662A (ko) | 다목적 현장계측기기 테스트 시스템 | |
CN109598282A (zh) | 泄流诱发水工结构损伤诊断方法及装置 | |
JP7390275B2 (ja) | 異常診断システム |
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 |