CN113404742A - 一种基于测试数据的电液伺服机构健康评估方法及系统 - Google Patents
一种基于测试数据的电液伺服机构健康评估方法及系统 Download PDFInfo
- Publication number
- CN113404742A CN113404742A CN202110780927.1A CN202110780927A CN113404742A CN 113404742 A CN113404742 A CN 113404742A CN 202110780927 A CN202110780927 A CN 202110780927A CN 113404742 A CN113404742 A CN 113404742A
- Authority
- CN
- China
- Prior art keywords
- parameter
- information
- evaluation
- test data
- obtaining
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 223
- 230000036541 health Effects 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000007246 mechanism Effects 0.000 title claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 169
- 238000012937 correction Methods 0.000 claims abstract description 34
- 238000013210 evaluation model Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000010606 normalization Methods 0.000 claims abstract description 11
- 238000013139 quantization Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 12
- 230000003862 health status Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000007728 cost analysis Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
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
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)
Abstract
本发明公开了一种基于测试数据的电液伺服机构健康评估方法及系统，通过获得测试数据集，所述测试数据集对应第一时间要求；对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；根据所述测试数据集中的所有参数信息，获得参数修正信息；基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；构建健康评价模型；将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；根据所述参数评价集，获得健康状态评估结果。解决了现有技术中电液伺服机构的评估为阶段性的且评估结果为是非型，不利于掌握伺服机构动态发展状态的技术问题。
Description
技术领域
本发明涉及自动控制相关技术领域，尤其涉及一种基于测试数据的电液伺服机构健康评估方法及系统。
背景技术
电液伺服技术是集机械、液压和自动控制于一体的综合性技术，电液伺服机构在自动化领域是一类重要的控制设备，被广泛应用于控制精度高、输出功率大的工业控制领域.液体作为动力传输和控制的介质，跟电力相比虽有许多不甚便利之处且价格较贵，但其具有响应速度快、功率质量比值大及抗负载刚度大等特点，因此电液伺服系统在要求控制精度高、输出功率大的控制领域占有独特的优势。电液伺服控制系统是以液压为动力，采用电气方式实现信号传输和控制的机械量自动控制系统。按系统被控机械量的不同，它又可以分为电液位置伺服系统、电液速度伺服控制系统和电液力控制系统三种。
但本申请发明人发现上述技术至少存在如下技术问题：
现有技术中电液伺服机构的评估为阶段性的且评估结果为是非型，不利于掌握伺服机构动态发展状态的技术问题。
发明内容
本申请实施例通过提供一种基于测试数据的电液伺服机构健康评估方法及系统，解决了现有技术中电液伺服机构的评估为阶段性的且评估结果为是非型，不利于掌握伺服机构动态发展状态的技术问题。
鉴于上述问题，提出了本申请实施例提供一种基于测试数据的电液伺服机构健康评估方法及系统。
第一方面，本申请实施例提供了一种基于测试数据的电液伺服机构健康评估方法，所述方法包括：获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；根据所述测试数据集中的所有参数信息，获得参数修正信息；基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；构建健康评价模型；将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；根据所述参数评价集，获得健康状态评估结果。
另一方面，本申请还提供了一种基于测试数据的电液伺服机构健康评估系统，所述系统包括：第一获得单元，所述第一获得单元用于获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；
第二获得单元，所述第二获得单元用于获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；
第三获得单元，所述第三获得单元用于对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；
第四获得单元，所述第四获得单元用于根据所述测试数据集中的所有参数信息，获得参数修正信息；
第五获得单元，所述第五获得单元用于基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；
第一构建单元，所述第一构建单元用于构建健康评价模型；
第六获得单元，所述第六获得单元用于将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；
第七获得单元，所述第七获得单元用于根据所述参数评价集，获得健康状态评估结果。
第三方面，本发明提供了一种基于测试数据的电液伺服机构健康评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供了一种基于测试数据的电液伺服机构健康评估方法及系统，通过获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；根据所述测试数据集中的所有参数信息，获得参数修正信息；基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；构建健康评价模型；将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；根据所述参数评价集，获得健康状态评估结果。达到了根据测试数据对伺服器当前的状态进行评估，通过对评估等级的划分能够掌握伺服器的动态过程，同时能够对每个参数进行分类评估，实现了整体和局部评估的兼容，利用多等级的评估和各参数的评估有效避免隐形故障不能及时发现而造成损失的技术效果。从而解决了现有技术中电液伺服机构的评估为阶段性的且评估结果为是非型，不利于掌握伺服机构动态发展状态的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于测试数据的电液伺服机构健康评估方法的流程示意图；
图2为本申请实施例一种基于测试数据的电液伺服机构健康评估系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一构建单元16，第六获得单元17，第七获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种基于测试数据的电液伺服机构健康评估方法及系统，解决了现有技术中电液伺服机构的评估为阶段性的且评估结果为是非型，不利于掌握伺服机构动态发展状态的技术问题。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种基于测试数据的电液伺服机构健康评估方法，所述方法包括：获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；根据所述测试数据集中的所有参数信息，获得参数修正信息；基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；构建健康评价模型；将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；根据所述参数评价集，获得健康状态评估结果。达到了根据测试数据对伺服器当前的状态进行评估，通过对评估等级的划分能够掌握伺服器的动态过程，同时能够对每个参数进行分类评估，实现了整体和局部评估的兼容，利用多等级的评估和各参数的评估有效避免隐形故障不能及时发现而造成损失的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种基于测试数据的电液伺服机构健康评估方法，所述方法包括：
步骤S100：获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；
具体而言，测试数据集为一定时间要求内的历史测试数据集合，其中包括了对应的测似参数，测试数据集具有统一的测试参数标准，即参数测试的要求具有统一性，便于进行评估分析。所述第一时间要求通常为最近的一次或者几次测试数据，时间贴近当前时间，电液伺服器的状态就越贴近实际状态，以提高评估的准确性，第一时间要求的取值与当前的伺服器的测试频率有关系，若测试频率间隔长，则取最后一次的测试时间，若测试频率多即间隔时间小时，可以选取不止一次，如2-5次，次数的多少与频率的多少成比例关系，频率越多，次数越多。
步骤S200：获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；
具体而言，预设健康评估规则为按照测试参数内容进行对应的评估标准制定，包括了健康评估等级划分要求，健康评估等级对应的参数数据要求等，根据测试参数不同可以进行对应的设定，健康评估等级的划分也可以根据应用的领域和评估要求进行制定，如健康等级分为5级、或者10级等等。
步骤S300：对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；
具体而言，利用测试数据集中的各测试参数的数据值与对应标准值进行比对，得到其差值，利用差值进行归一量化，得到各数据的比较量，用于表示测试数据的整体水平。举例而言，测试参数A在测试数据集中的数值为150，该参数的标准要求为200，则该测试数据进行归一化处理后，为0.75，其公式为(测试值-标准值)/标准值。归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系。简化计算，缩小量值的有效办法。例如，滤波器中各个频率值以截止频率作归一化后，频率都是截止频率的相对值，没有了量纲。
步骤S400：根据所述测试数据集中的所有参数信息，获得参数修正信息；
进一步的，所述根据所述测试数据集中的所有参数信息，获得参数修正信息，包括：获得第二时间信息，所述第二时间信息为当前测试时间；根据所述第一时间要求，获得第一时间信息；根据所述第一时间信息、所述第二时间信息，获得间隔时间信息；根据所有参数测试数据，分别获得数据参数属性；将所述数据参数属性、所述间隔时间信息输入预测模型，获得第一预测影响量；根据所述第一预测影响量、所有参数信息，获得映射关系；根据所述第一预测影响量、所述映射关系，获得所述参数修正信息。
具体而言，由于测试数据集为在第一时间要求内的历史测试数据，随着时间的推移和伺服器的使用损耗，具有一定的变化，通过当前时间和选取的第一时间的时间差对测试数据集中的数据进行修正，如何进行修正系数的确定呢，按照数据参数属性来确定，有的部位损耗大，则比例定的调整系数就大，若参数对应的元件损耗小，则系数调整参数就小，同时也要结合在第一时间和第二时间中的使用频率进行确定，通过使用频率结合使用时间及参数对应元件的损耗特征进行综合评定，得到其中的修正参数，可以利用历史经验值，也可以通过历史数据的评测进行确定。对于选择了第一时间段内的多次测试数据中，分别进行时间间隔计算，将所有的数据进行分批计算，最后进行叠加或者加权得到对应的各修正信息，同时也可以进行离散度的分析，通过对不同测试时间的数据进行对应的修正参数计算，得到不同的修正参数对修正参数进行离散度分析，评价其中参数的准确性，选取其中离散度小的修正参数进行加权处理，得到最终的修正值，进一步提高数据的准确性。
步骤S500：基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；
步骤S600：构建健康评价模型；
进一步的，所述构建健康评价模型，包括：获得历史数据信息，所述历史数据信息包括第二时间，所述第二时间较所述第一时间长，且，所述历史数据信息包含参数信息与所述测试数据集中参数信息相对应；根据所述历史数据信息，获得参数信息及对应的健康状态信息；根据所述参数信息、所述健康状态信息拟合获得回归函数；基于所述回归函数进行代价分析，获得第一函数关系；根据所述测试数据集、所述第一函数关系，获得评价矩阵；根据所述预设健康评估规则中参数占比信息、所述评价矩阵并基于模糊函数构建所述健康评价模型。
具体而言，通过更长时间的历史数据信息进行分析，通过各参数与健康评估结果之间的对应关系拟合出多元回归函数，为了提高多元回归函数的设定的准确性，贴合实际的健康评价标准，通过进行代价函数计算，对多元回归函数中的系数进行优化，从而确定第一函数关系，第一函数关系为通过代价函数进行优化后的函数关系，用于表示各测试参数值与健康评估结果之间的函数关系。代价函数(cost function)是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。在应用中，代价函数通常作为学习准则与优化问题相联系，即通过最小化损失函数求解和评估模型。例如在统计学和机器学习中被用于模型的参数估计，在宏观经济学中被用于风险管理和决策，在控制理论中被应用于最优控制理论。利用第一函数关系将测试数据集进行健康状态评估值的计算，得到对应的评价矩阵，评价矩阵还可以加入专家的评价结果进行综合处理，以提高处理结果的准确性。然后根据预设健康评估规则确定各参数的占比关系，即那个元件对于伺服器的健康状态影响大则其占比就大，相反则小，根据参数占比信息和评价矩阵基于模糊函数关系构建健康评价模型，模糊函数为利用模糊数学的基本思想和理论的控制计算方法，在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合A3可以有不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中,vo是固定的,A3的值是可变的,作n次试验，其模糊统计可按下式进行计算v0对A的隶属频率＝v0∈A的次数/试验总次数n，随着n的增大，隶属频率也会趋向稳定,这个稳定值就是vo对A的隶属度值，这种方法较直观地反映了模糊概念中的隶属程度，但其计算量相当大。
步骤S700：将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；
具体而言，将第三测试集中的测试数据即通过修正后的数据，更能反应当前的伺服器状态的测试数据，将第三测试集的测试数据按照参数类型进行依次输入健康评价模型中，由于选取的测试数据存在多种的情况，且每次测试数据存在多组的情况，因而每一个参数对应的数值存在多个，对每个参数进行对应的分析处理，得到对应参数的评价结果，通过健康评价模型中的运算函数关系对输入的测试数据进行计算处理，得到第三测试集的中各数值的评价值，按照预测健康评估规则中各参数对应的等级划分要求和对应的数据结果要求，得到参数评价集，参数评价集为各参数的评估结果，由于测试数据包括了多个元件和参数的测试值，因而对应了各参数的评价结果。
步骤S800：根据所述参数评价集，获得健康状态评估结果。
进一步的，所述根据所述参数评价集，获得健康状态评估结果，包括：根据所述参数评价集，获得第一参数评价信息，所述第一参数评价信息与所述第一参数测试数据的参数相对应；根据第一参数，获得第一参数阈值；判断所述第一参数评价信息是否超过所述第一参数阈值；当未超过时，重复获得第二参数评价信息，所述第二参数评价信息与所述第二参数测试数据相对应，重复上述步骤，判断是否超过第二参数阈值；若所有参数评价信息均为超过参数阈值时，根据所述参数评价集、所述参数占比信息，获得所述健康状态评估结果。
进一步的，所述判断所述第一参数评价信息是否超过所述第一参数阈值之后，包括：当所述第一参数评价信息超过所述第一参数阈值时，获得第一标记指令，所述第一标记指令用于对所述第一参数进行标记，使得能够快速进行识别查找。
具体而言，参数评价集中包含了每个参数对应的评价结果，按照各参数的占比关系得到最终的健康评估结果。由于每个参数对于伺服器的影响程度不同，对于影响程度大的元件对应的参数，若该参数出现了问题则直接影响到伺服器的使用状态，因而分别对每个参数进行评估，按照占比的程度进行依次分析，由大到小，对于影响程度大的关键元件，若其健康评级值已经处于低水平时，则可以进行特殊标记，用于提醒该数值出现问题，避免其他指标高而该指标低通过最终的加权处理，无法进行识别而影响到伺服器的正常使用的情况，不改变数值量通过加特殊标记，既可以进行提醒也不会影响最终的评估结果。当发现有标记时进行关注。达到了根据测试数据对伺服器当前的状态进行评估，通过对评估等级的划分能够掌握伺服器的动态过程，同时能够对每个参数进行分类评估，实现了整体和局部评估的兼容，利用多等级的评估和各参数的评估有效避免隐形故障不能及时发现而造成损失的技术效果。从而解决了现有技术中电液伺服机构的评估为阶段性的且评估结果为是非型，不利于掌握伺服机构动态发展状态的技术问题。
进一步的，所述将所述数据参数属性、所述间隔时间信息输入预测模型，获得第一预测影响量，包括：根据所述数据参数属性，获得属性改变速率特征；将所述属性改变速率特征作为第一输入信息；将所述间隔时间信息作为第二输入信息；将所述第一输入信息、所述第二输入信息输入所述预测模型，所述预测模型为通过多组训练数据对神经网络模型训练获得，所述多组训练数据中每组数据均包括所述第一输入信息、所述第二输入信息以及标识第一预测影响量的标识信息；获得所述预测模型的输出结果，所述输出结果包括所述第一预测影响量，所述第一预测影响量用于表示间隔时间对于参数数据的影响程度。
具体的，为了提高第一预测影响量计算的准确性，本申请实施例加入神经网络模型，通过对数据参数属性，属性随着时间进行改变的速率进行分析，来确定间隔时间对于参数的影响程度。神经网络模型是一个数学模型。进一步来说，其过程实质为监督学习的过程。所述多组训练数据具体为：所述属性改变速率特征、所述间隔时间信息以及用来标识第一预测影响量的标识信息。通过输入所述属性改变速率特征、所述间隔时间信息，预测模型会输出训练结果。通过将所述输出信息与所述起标识作用的第一预测影响量进行校验，如果所述输出信息与所述标识的第一预测影响量要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的第一预测影响量要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的第一预测影响量要求相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到使得第一预测影响量更加准确的技术效果，实现对测试数据的准确修正，进一步提高健康评价结果的准确性。
进一步的，所述根据第一参数，获得第一参数阈值，包括：根据所述历史数据信息，获得历史参数对应关系，所述历史参数对应关系包括参数信息、健康状态信息、时间变化量；基于所述第一参数从所述历史参数对应关系中，获得第一参数历史数据；根据所述第一参数历史数据，获得健康状态信息变化节点；根据所述健康状态信息变化节点，获得所述第一参数阈值。
具体而言，对于参数的阈值设定，通过历史数据信息得到参数信息、健康状态信息、时间变化量之间的对应关系，随着第一参数的变化，健康状态发生了改变，得到两者之间的对应关系，构建历史数据的数据走势变化图，将出现拐点的位置即发生健康状态改变的地位进行分析，得到数据发生改变的趋势变化特征，根据该趋势变化特征得到其中的测试参数数据走势信息，将其中对应元件出现的状态改变的最后阶段，即健康评估的最差等级对应的节点作为第一参数阈值，表明该元件马上要出现健康状态改变，影响正常使用，需要进行关注。也可以按照元件和使用要求进行不同节点阈值的设定，如有些伺服器的使用环境对于其健康标准要求高，第一参数阈值可以不选择最差阶段的节点，可以选择对应等级的节点变化情况，将该出的变化值进行统计分析，得到该阶段的参数阈值进行对应的分析，以确保该元件的健康状态能够达到使用标准。
实施例二
基于与前述实施例中一种基于测试数据的电液伺服机构健康评估方法同样发明构思，本发明还提供了一种基于测试数据的电液伺服机构健康评估系统，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；
第二获得单元12，所述第二获得单元12用于获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；
第三获得单元13，所述第三获得单元13用于对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；
第四获得单元14，所述第四获得单元14用于根据所述测试数据集中的所有参数信息，获得参数修正信息；
第五获得单元15，所述第五获得单元15用于基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；
第一构建单元16，所述第一构建单元16用于构建健康评价模型；
第六获得单元17，所述第六获得单元17用于将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；
第七获得单元18，所述第七获得单元18用于根据所述参数评价集，获得健康状态评估结果。
进一步的，所述系统还包括：
第八获得单元，所述第八获得单元用于获得第二时间信息，所述第二时间信息为当前测试时间；
第九获得单元，所述第九获得单元用于根据所述第一时间要求，获得第一时间信息；
第十获得单元，所述第十获得单元用于根据所述第一时间信息、所述第二时间信息，获得间隔时间信息；
第十一获得单元，所述第十一获得单元用于根据所有参数测试数据，分别获得数据参数属性；
第十二获得单元，所述第十二获得单元用于将所述数据参数属性、所述间隔时间信息输入预测模型，获得第一预测影响量；
第十三获得单元，所述第十三获得单元用于根据所述第一预测影响量、所有参数信息，获得映射关系；
第十四获得单元，所述第十四获得单元用于根据所述第一预测影响量、所述映射关系，获得所述参数修正信息。
进一步的，所述系统还包括：
第十五获得单元，所述第十五获得单元用于获得历史数据信息，所述历史数据信息包括第二时间，所述第二时间较所述第一时间长，且，所述历史数据信息包含参数信息与所述测试数据集中参数信息相对应；
第十六获得单元，所述第十六获得单元用于根据所述历史数据信息，获得参数信息及对应的健康状态信息；
第十七获得单元，所述第十七获得单元用于根据所述参数信息、所述健康状态信息拟合获得回归函数；
第十八获得单元，所述第十八获得单元用于基于所述回归函数进行代价分析，获得第一函数关系；
第十九获得单元，所述第十九获得单元用于根据所述测试数据集、所述第一函数关系，获得评价矩阵；
第二构建单元，所述第二构建单元用于根据所述预设健康评估规则中参数占比信息、所述评价矩阵并基于模糊函数构建所述健康评价模型。
进一步的，所述系统还包括：
第二十获得单元，所述第二十获得单元用于根据所述参数评价集，获得第一参数评价信息，所述第一参数评价信息与所述第一参数测试数据的参数相对应；
第二十一获得单元，所述第二十一获得单元用于根据第一参数，获得第一参数阈值；
第一判断单元，所述第一判断单元用于判断所述第一参数评价信息是否超过所述第一参数阈值；
第一执行单元，所述第一执行单元用于当未超过时，重复获得第二参数评价信息，所述第二参数评价信息与所述第二参数测试数据相对应，重复上述步骤，判断是否超过第二参数阈值；
第二十二获得单元，所述第二十二获得单元用于若所有参数评价信息均为超过参数阈值时，根据所述参数评价集、所述参数占比信息，获得所述健康状态评估结果。
进一步的，所述系统还包括：
第二十三获得单元，所述第二十三获得单元用于当所述第一参数评价信息超过所述第一参数阈值时，获得第一标记指令，所述第一标记指令用于对所述第一参数进行标记，使得能够快速进行识别查找。
进一步的，所述系统还包括：
第二十四获得单元，所述第二十四获得单元用于根据所述数据参数属性，获得属性改变速率特征；
第二执行单元，所述第二执行单元用于将所述属性改变速率特征作为第一输入信息；
第三执行单元，所述第三执行单元用于将所述间隔时间信息作为第二输入信息；
第一模型单元，所述第一模型单元用于将所述第一输入信息、所述第二输入信息输入所述预测模型，所述预测模型为通过多组训练数据对神经网络模型训练获得，所述多组训练数据中每组数据均包括所述第一输入信息、所述第二输入信息以及标识第一预测影响量的标识信息；
第二十五获得单元，所述第二十五获得单元用于获得所述预测模型的输出结果，所述输出结果包括所述第一预测影响量，所述第一预测影响量用于表示间隔时间对于参数数据的影响程度。
进一步的，所述系统还包括：
第二十六获得单元，所述第二十六获得单元用于根据所述历史数据信息，获得历史参数对应关系，所述历史参数对应关系包括参数信息、健康状态信息、时间变化量；
第二十七获得单元，所述第二十七获得单元用于基于所述第一参数从所述历史参数对应关系中，获得第一参数历史数据；
第二十八获得单元，所述第二十八获得单元用于根据所述第一参数历史数据，获得健康状态信息变化节点；
第二十九获得单元，所述第二十九获得单元用于根据所述健康状态信息变化节点，获得所述第一参数阈值。
前述图1实施例一中的一种基于测试数据的电液伺服机构健康评估方法的各种变化方式和具体实例同样适用于本实施例的一种基于测试数据的电液伺服机构健康评估系统，通过前述对一种基于测试数据的电液伺服机构健康评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于测试数据的电液伺服机构健康评估系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于测试数据的电液伺服机构健康评估方法的发明构思，本发明还提供一种基于测试数据的电液伺服机构健康评估系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于测试数据的电液伺服机构健康评估方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供了一种基于测试数据的电液伺服机构健康评估方法及系统，通过获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；根据所述测试数据集中的所有参数信息，获得参数修正信息；基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；构建健康评价模型；将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；根据所述参数评价集，获得健康状态评估结果。达到了根据测试数据对伺服器当前的状态进行评估，通过对评估等级的划分能够掌握伺服器的动态过程，同时能够对每个参数进行分类评估，实现了整体和局部评估的兼容，利用多等级的评估和各参数的评估有效避免隐形故障不能及时发现而造成损失的技术效果。从而解决了现有技术中电液伺服机构的评估为阶段性的且评估结果为是非型，不利于掌握伺服机构动态发展状态的技术问题。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于测试数据的电液伺服机构健康评估方法，其特征在于，所述方法包括：
获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；
获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；
对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；
根据所述测试数据集中的所有参数信息，获得参数修正信息；
基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；
构建健康评价模型；
将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；
根据所述参数评价集，获得健康状态评估结果。
2.如权利要求1所述的方法，其特征在于，所述根据所述测试数据集中的所有参数信息，获得参数修正信息，包括：
获得第二时间信息，所述第二时间信息为当前测试时间；
根据所述第一时间要求，获得第一时间信息；
根据所述第一时间信息、所述第二时间信息，获得间隔时间信息；
根据所有参数测试数据，分别获得数据参数属性；
将所述数据参数属性、所述间隔时间信息输入预测模型，获得第一预测影响量；
根据所述第一预测影响量、所有参数信息，获得映射关系；
根据所述第一预测影响量、所述映射关系，获得所述参数修正信息。
3.如权利要求1所述的方法，其特征在于，所述构建健康评价模型，包括：
获得历史数据信息，所述历史数据信息包括第二时间，所述第二时间较所述第一时间长，且，所述历史数据信息包含参数信息与所述测试数据集中参数信息相对应；
根据所述历史数据信息，获得参数信息及对应的健康状态信息；
根据所述参数信息、所述健康状态信息拟合获得回归函数；
基于所述回归函数进行代价分析，获得第一函数关系；
根据所述测试数据集、所述第一函数关系，获得评价矩阵；
根据所述预设健康评估规则中参数占比信息、所述评价矩阵并基于模糊函数构建所述健康评价模型。
4.如权利要求3所述的方法，其特征在于，所述根据所述参数评价集，获得健康状态评估结果，包括：
根据所述参数评价集，获得第一参数评价信息，所述第一参数评价信息与所述第一参数测试数据的参数相对应；
根据第一参数，获得第一参数阈值；
判断所述第一参数评价信息是否超过所述第一参数阈值；
当未超过时，重复获得第二参数评价信息，所述第二参数评价信息与所述第二参数测试数据相对应，重复上述步骤，判断是否超过第二参数阈值；
若所有参数评价信息均为超过参数阈值时，根据所述参数评价集、所述参数占比信息，获得所述健康状态评估结果。
5.如权利要求4所述的方法，其特征在于，所述判断所述第一参数评价信息是否超过所述第一参数阈值之后，包括：
当所述第一参数评价信息超过所述第一参数阈值时，获得第一标记指令，所述第一标记指令用于对所述第一参数进行标记，使得能够快速进行识别查找。
6.如权利要求1所述的方法，其特征在于，所述将所述数据参数属性、所述间隔时间信息输入预测模型，获得第一预测影响量，包括：
根据所述数据参数属性，获得属性改变速率特征；
将所述属性改变速率特征作为第一输入信息；
将所述间隔时间信息作为第二输入信息；
将所述第一输入信息、所述第二输入信息输入所述预测模型，所述预测模型为通过多组训练数据对神经网络模型训练获得，所述多组训练数据中每组数据均包括所述第一输入信息、所述第二输入信息以及标识第一预测影响量的标识信息；
获得所述预测模型的输出结果，所述输出结果包括所述第一预测影响量，所述第一预测影响量用于表示间隔时间对于参数数据的影响程度。
7.如权利要求4所述的方法，其特征在于，所述根据第一参数，获得第一参数阈值，包括：
根据所述历史数据信息，获得历史参数对应关系，所述历史参数对应关系包括参数信息、健康状态信息、时间变化量；
基于所述第一参数从所述历史参数对应关系中，获得第一参数历史数据；
根据所述第一参数历史数据，获得健康状态信息变化节点；
根据所述健康状态信息变化节点，获得所述第一参数阈值。
8.一种基于测试数据的电液伺服机构健康评估系统，其特征在于，所述系统包括：
第一获得单元，所述第一获得单元用于获得测试数据集，所述测试数据集对应第一时间要求，且，所述测试数据集包括第一参数测试数据、第二参数测试数据、直到第N参数测试数据，其中，N为正整数；
第二获得单元，所述第二获得单元用于获得预设健康评估规则，所述预设健康评估规则包括N个评估规则，所述N个评估规则与所述N个参数测试数据相对应；
第三获得单元，所述第三获得单元用于对所述测试数据集中所有数据进行归一量化处理，获得第二测试集；
第四获得单元，所述第四获得单元用于根据所述测试数据集中的所有参数信息，获得参数修正信息；
第五获得单元，所述第五获得单元用于基于所述参数修正信息对所述第二测试集中所有数据进行修正，获得第三测试集；
第一构建单元，所述第一构建单元用于构建健康评价模型；
第六获得单元，所述第六获得单元用于将所述第三测试集中的测试数据、所述预测健康评估规则输入所述健康评价模型，获得参数评价集；
第七获得单元，所述第七获得单元用于根据所述参数评价集，获得健康状态评估结果。
9.一种基于测试数据的电液伺服机构健康评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110780927.1A CN113404742B (zh) | 2021-07-09 | 2021-07-09 | 一种基于测试数据的电液伺服机构健康评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110780927.1A CN113404742B (zh) | 2021-07-09 | 2021-07-09 | 一种基于测试数据的电液伺服机构健康评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113404742A true CN113404742A (zh) | 2021-09-17 |
| CN113404742B CN113404742B (zh) | 2024-01-26 |
Family
ID=77685828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110780927.1A Active CN113404742B (zh) | 2021-07-09 | 2021-07-09 | 一种基于测试数据的电液伺服机构健康评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113404742B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842666A (zh) * | 2023-06-20 | 2023-10-03 | 中国人民解放军火箭军工程大学 | 一种基于风速风向测量的发烟罐布设方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102004858A (zh) * | 2010-11-29 | 2011-04-06 | 北京益家时代科技服务有限公司 | 基于多重评估预警机制的在线伺服系统及评估方法 |
| CN102606557A (zh) * | 2012-01-16 | 2012-07-25 | 北京航空航天大学 | 一种基于故障观测器与som的液压系统健康评估方法 |
| RO128536A2 (ro) * | 2011-11-30 | 2013-06-28 | Institutul Naţional De Cercetare-Dezvoltare Pentru Optoelectronică - Inoe 2000 - Filiala Institutul De Cercetări Pentru | Servosistem electrohidraulic de testare deplasare sarcină dinamică oscilatorie |
| CN108533572A (zh) * | 2018-03-29 | 2018-09-14 | 上海交通大学 | 一种起重机液压系统健康评估方法和系统 |
| US20180300191A1 (en) * | 2017-04-18 | 2018-10-18 | United Technologies Corporation | Fault-accommodating, constrained model-based control using on-board methods for detection of and adaption to actuation subsystem faults |
| CN110309872A (zh) * | 2019-06-27 | 2019-10-08 | 国网湖南省电力有限公司 | 基于多参数的配电电缆健康状态评估方法、系统及介质 |
| CN111223206A (zh) * | 2019-12-26 | 2020-06-02 | 北京航天测控技术有限公司 | 一种装置评估方法、装置、终端及计算机可读介质 |
| WO2021027213A1 (zh) * | 2019-08-13 | 2021-02-18 | 北京国双科技有限公司 | 检测方法、装置、电子设备和计算机可读介质 |
| CN112765560A (zh) * | 2021-01-13 | 2021-05-07 | 新智数字科技有限公司 | 设备健康状态评估方法、装置、终端设备和存储介质 |
| CN112967819A (zh) * | 2021-03-08 | 2021-06-15 | 樊学海 | 一种神经外科手术的术前评估方法及系统 |
-
2021
- 2021-07-09 CN CN202110780927.1A patent/CN113404742B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102004858A (zh) * | 2010-11-29 | 2011-04-06 | 北京益家时代科技服务有限公司 | 基于多重评估预警机制的在线伺服系统及评估方法 |
| RO128536A2 (ro) * | 2011-11-30 | 2013-06-28 | Institutul Naţional De Cercetare-Dezvoltare Pentru Optoelectronică - Inoe 2000 - Filiala Institutul De Cercetări Pentru | Servosistem electrohidraulic de testare deplasare sarcină dinamică oscilatorie |
| CN102606557A (zh) * | 2012-01-16 | 2012-07-25 | 北京航空航天大学 | 一种基于故障观测器与som的液压系统健康评估方法 |
| US20180300191A1 (en) * | 2017-04-18 | 2018-10-18 | United Technologies Corporation | Fault-accommodating, constrained model-based control using on-board methods for detection of and adaption to actuation subsystem faults |
| CN108533572A (zh) * | 2018-03-29 | 2018-09-14 | 上海交通大学 | 一种起重机液压系统健康评估方法和系统 |
| CN110309872A (zh) * | 2019-06-27 | 2019-10-08 | 国网湖南省电力有限公司 | 基于多参数的配电电缆健康状态评估方法、系统及介质 |
| WO2021027213A1 (zh) * | 2019-08-13 | 2021-02-18 | 北京国双科技有限公司 | 检测方法、装置、电子设备和计算机可读介质 |
| CN111223206A (zh) * | 2019-12-26 | 2020-06-02 | 北京航天测控技术有限公司 | 一种装置评估方法、装置、终端及计算机可读介质 |
| CN112765560A (zh) * | 2021-01-13 | 2021-05-07 | 新智数字科技有限公司 | 设备健康状态评估方法、装置、终端设备和存储介质 |
| CN112967819A (zh) * | 2021-03-08 | 2021-06-15 | 樊学海 | 一种神经外科手术的术前评估方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张晓雨;何华锋;郑建飞;董海迪;: "某伺服机构健康评估方法研究", 电光与控制, no. 03, pages 64 - 67 * |
| 黄玉龙,杨广志: "基于伺服机构的动态测试系统", 计算机测量与控制, no. 09, pages 892 - 893 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842666A (zh) * | 2023-06-20 | 2023-10-03 | 中国人民解放军火箭军工程大学 | 一种基于风速风向测量的发烟罐布设方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113404742B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113779496B (zh) | 一种基于设备全景数据的电力设备状态评估方法及系统 | |
| CN111539515A (zh) | 一种基于故障预测的复杂装备维修决策方法 | |
| CN113050018A (zh) | 基于数据驱动评估结果变化趋势的电压互感器状态评估方法及系统 | |
| CN113569457A (zh) | 一种基于数字孪生的需求功能模型构建方法及系统 | |
| CN112504321A (zh) | 一种提高仪表校准精度的信息处理方法和装置 | |
| CN113404742A (zh) | 一种基于测试数据的电液伺服机构健康评估方法及系统 | |
| CN114840375A (zh) | 一种半导体存储产品的老化性能测试方法及系统 | |
| Manna et al. | Trapezoidal interval type-2 fuzzy soft stochastic set and its application in stochastic multi-criteria decision-making | |
| CN115392627A (zh) | 一种配电网的在线风险评估方法及系统 | |
| CN113469570A (zh) | 信息质量评价模型构建方法、装置、设备及存储介质 | |
| CN112990888A (zh) | 一种工艺参数的调节策略决策模型的确定方法及装置 | |
| CN117111568B (zh) | 基于物联网的设备监测方法、装置、设备及存储介质 | |
| CN114565255A (zh) | 一种企业集群协同的供应链管理方法及系统 | |
| Lu et al. | A support vector regression approach for investigating multianticipative driving behavior | |
| CN114111730B (zh) | 一种下游水文情报预测的方法及系统 | |
| CN114205355B (zh) | 一种变电网关附属设备性能测试方法、系统及电子设备 | |
| CN113450565B (zh) | 一种减小沥青路面噪音的方法及系统 | |
| CN112801558B (zh) | 一种工艺参数调节动作决策模型的优化方法以及装置 | |
| CN111798299B (zh) | 一种财务报表的账目结算方法和装置 | |
| CN108053266A (zh) | 一种专利价值预估方法以及装置 | |
| CN112598259A (zh) | 产能测算方法、装置及计算机可读存储介质 | |
| CN114065430A (zh) | 一种行星级齿轮箱的状态数据处理方法及系统 | |
| CN113822441A (zh) | 决策模型训练方法、装置、终端设备及存储介质 | |
| CN112580823A (zh) | 数据处理方法、装置、可读存储介质和电子设备 | |
| CN111967774A (zh) | 软件质量风险预测方法及装置 |
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 |