CN113494599A - 一种大功率拖拉机hmcvt故障自诊断系统 - Google Patents
一种大功率拖拉机hmcvt故障自诊断系统 Download PDFInfo
- Publication number
- CN113494599A CN113494599A CN202110761626.4A CN202110761626A CN113494599A CN 113494599 A CN113494599 A CN 113494599A CN 202110761626 A CN202110761626 A CN 202110761626A CN 113494599 A CN113494599 A CN 113494599A
- Authority
- CN
- China
- Prior art keywords
- hmcvt
- fault
- diagnosis
- fault self
- sensor
- 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.)
- Pending
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
- F16H61/12—Detecting malfunction or potential malfunction, e.g. fail safe; Circumventing or fixing failures
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
- F16H61/12—Detecting malfunction or potential malfunction, e.g. fail safe; Circumventing or fixing failures
- F16H2061/1256—Detecting malfunction or potential malfunction, e.g. fail safe; Circumventing or fixing failures characterised by the parts or units where malfunctioning was assumed or detected
- F16H2061/126—Detecting malfunction or potential malfunction, e.g. fail safe; Circumventing or fixing failures characterised by the parts or units where malfunctioning was assumed or detected the failing part is the controller
- F16H2061/1264—Hydraulic parts of the controller, e.g. a sticking valve or clogged channel
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
- F16H61/12—Detecting malfunction or potential malfunction, e.g. fail safe; Circumventing or fixing failures
- F16H2061/1256—Detecting malfunction or potential malfunction, e.g. fail safe; Circumventing or fixing failures characterised by the parts or units where malfunctioning was assumed or detected
- F16H2061/1276—Detecting malfunction or potential malfunction, e.g. fail safe; Circumventing or fixing failures characterised by the parts or units where malfunctioning was assumed or detected the failing part is a friction device, e.g. clutches or brakes
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Hydraulic Clutches, Magnetic Clutches, Fluid Clutches, And Fluid Joints (AREA)
Abstract
本发明一种大功率拖拉机HMCVT故障自诊断系统,包括供电电源、电磁阀、通讯接口、HMCVT控制器、温度传感器、压力传感器后和转速传感器,HMCVT控制器分别和温度传感器、压力传感器后和转速传感器信号连接,HMCVT控制器是整个控制系统上核心的控制组件,采集温度传感器信号、压力传感器信号后、转速传感器信号,并对网络信息进行管理、调度、分析和运算,做出相应的判断,最终可控制HMCVT的档位合理分配、速度的调节、也是故障诊断系统的核心器件,本发明对HMCVT节点的硬件电路和应用层进行设计,提高HMCVT的故障诊断效率,同时提高该节点的工作效率。
Description
技术领域
本发明涉及HMCVT故障自诊断系统领域,具体涉及一种大功率拖 拉机HMCVT故障自诊断系统。
背景技术
由于HMCVT作业环境较为复杂,作业过程中需要频繁调速以及 换挡,使得HMCVT液压系统以及电子控制系统的故障率增加。为了 解决故障信息及时传输保证HMCVT平稳运行的问题,利用j1939协 议建立HMCVT通讯网络,有利于实现HMCVT的在线故障诊断,也 为整车控制提供重要的数据来源,j1939协议是基于CAN2.0开发的针 对货客车及农用车的通讯协议,它在遵从CAN通讯底层标准的同时, 还对上层通讯协议进行了定制,有效的促进故障自诊断系统的开发。 同时,基于启发式智能算法对于故障自诊断系统的应用将进一步定位HMCVT的故障点及故障形成原因,提高HMCVT故障自诊断系统的 诊断效率。
目前,许多学者对HMCVT的故障自诊断系统做出了一些研究。 在基于j1939协议的故障诊断系统的开发方面,伴随精准农业的发展需 求以及物联网等新兴技术的推动,农机作业与智能化管理运维领域的 发展趋势日趋显著,基于人机交互、故障在线监测及维护、作业工况 及质量的信息化监控理念推动规模化农机作业更加高效,是我国农机 作业与智能管理领域持续自主创新的全局性基础性任务。随着智能算 法的兴起,2008年张新海等采用数据驱动正向推理策略,借助三层BP 神经网络工具,用于机械故障诊断,这种方法有待进一步研究;2011 年赵爽采用支持向量机多类分类器实现对变速箱齿轮的故障诊断;2015年王光明等对HMCVT的液压故障进行诊断,基于Fisher准则与 核方法,对采集的故障数据进行处理,然后学习和训练,采用粗糙集 与特征向量法对许梿样本的属性进行精简,测试样本可以全部分类正 确。
发明内容
本发明的目的在于克服现有技术中存在的上述问题,提供一种大 功率拖拉机HMCVT故障自诊断系统。
为实现上述技术目的,达到上述技术效果,本发明是通过以下技 术方案实现:
一种大功率拖拉机HMCVT故障自诊断系统,包括供电电源、电 磁阀、通讯接口、HMCVT控制器、温度传感器、压力传感器后和转速 传感器,所述HMCVT控制器分别和温度传感器、压力传感器后和转 速传感器信号连接。
优选地,所述HMCVT控制器是整个控制系统上核心的控制组件, 采集温度传感器信号、压力传感器信号后、转速传感器信号,并对网 络信息进行管理、调度、分析和运算,做出相应的判断,最终可控制 HMCVT的档位合理分配、速度的调节、也是故障诊断系统的核心器件。
优选地,所述供电电源为DC7-32V,最大电流1A,给TCU供电。
优选地,所述电磁阀控制回路电流为0-850mA,共5路、 460mA-1140mA,共1路,具有对外输出控制作用,并兼有MOS管输出 接口。
优选地,所述通讯接口电压DC5V、1路RS485通讯接口、1路USB 通讯接口和2路CAN通信接口。
优选地,所述温度传感器、压力传感器后和转速传感器输入接口 电压范围为5V,有12路输入接口,信号输入给HMCVT控制器。
一种大功率拖拉机HMCVT故障自诊断方法,
步骤S1:故障自诊断系统simulink软件设计;
步骤S1:故障自诊断系统离合器打滑状态分析;
步骤S2:HMCVT系统油压以及油温分析;
步骤S3:HMCVT故障离线诊断智能算法研究;
步骤S4:液压系统压力、流量脉动故障机理分析;
步骤S5:液压系统故障数据特征提取;
步骤S6:QPSO优化BP神经网络故障诊断模型;
步骤S7:QPSO-BP的算法分析。
优选地,所述步骤S1,单片机软件经抽象后,分解为状态监测即 数据采集、故障诊断、数据打包、管理等模块,在编程过程中,为了 将诊断算法独立出来进行研究,构建了相关关键数据库,db文件,其 本质是通过结构体变量,快速形成各采集模块的目标状态数据的数据 报文。
优选地,所述步骤S2,HMCVT的故障类型主要分为三个方面: 离合器打滑、液压系统油压异常、工作温度异常,从湿式离合器工作 过程来看,对于湿式离合器正常工作阶段判断湿式离合器打滑可以通 过安装在离合器轴上的转速传感器来间接获得。
优选地,所述步骤S7,故障征兆集是液压系统采集的信号经过特 征提取以后的值,在BP神经网络中输入层的个数为6个,由于故障集 元素有五个所以网络中的输出层的神经元个数为5个,根据经验公式, 隐藏层神经元个数为6个,隐藏层的激活函数使用Sigmoid函数。
有益效果:
(1)依据国际总线标准协议ISO 11898的通讯原理设计HMCVT 的CAN通讯网络,对HMCVT节点的硬件电路和应用层进行设计,提 高HMCVT的故障诊断效率,同时提高该节点的工作效率。
(2)在基于理论分析及工程相关经验的基础上,建立HMCVT的 CAN通信网络的故障自诊断simulink模型,为数据的采集,封装,诊 断流程算法的编写提供应用基础。
(3)同时诊断部分典型故障采用智能诊断算法实现故障的精确判 断,利用AMEsim建立典型部件的模型,在模型的基础上进行故障的 理论分析和实际模拟得到数据集,并通过智能算法实现故障的正确识 别。
当然,实施本发明的任一产品并不一定需要同时达到以上的所有 优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描 述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图 仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付 出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1本发明电气连接示意图;
图2本发明(a)(b)(c)为输入输出接口模块;
图3本发明数据采集转换及故障判断模块;
图4本发明计数模块;
图5本发明(d)(e)为数据打包模块;
图6本发明HMCVT原理图;
图7本发明湿式离合器液压系统模型图;
图8本发明不同故障类型换段结果图;
图9本发明故障诊断结果图;
图10本发明算法收敛曲线;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方 案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部 分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普 通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例, 都属于本发明保护的范围。
实施例1:
如图1-10所示,本发明为一种大功率拖拉机HMCVT故障自诊断 系统,包括供电电源、电磁阀、通讯接口、HMCVT控制器、温度传感 器、压力传感器后和转速传感器,所述HMCVT控制器分别和温度传 感器、压力传感器后和转速传感器信号连接,所述HMCVT控制器是 整个控制系统上核心的控制组件,采集温度传感器信号、压力传感器 信号后、转速传感器信号,并对网络信息进行管理、调度、分析和运 算,做出相应的判断,最终可控制HMCVT的档位合理分配、速度的 调节、也是故障诊断系统的核心器件,所述供电电源为DC7-32V,最 大电流1A,给TCU供电,所述电磁阀控制回路电流为0-850mA,共5 路、460mA-1140mA,共1路,具有对外输出控制作用,并兼有MOS管 输出接口,所述通讯接口电压DC5V、1路RS485通讯接口、1路USB 通讯接口和2路CAN通信接口,所述温度传感器、压力传感器后和转 速传感器输入接口电压范围为5V,有12路输入接口,信号输入给 HMCVT控制器。
本实施例的一个具体应用为:一种大功率拖拉机HMCVT故障自 诊断系统,数据采集是HMCVT控制器最基本的功能,根据传感器反 馈信号的类型,可将这些信号划为开关量、脉冲量与模拟量。对于开 关量,可用高低两个电平表征当前状态,如机前进或倒退的选择、速 比调节档杆的加减速状态等,均是开关量反馈于控制系统;脉冲量即 计数脉冲,由转速传感器发出。在本软件平台上,转速传感器只有一 种类型为霍尔式转速传感器,用于测量各传动轴转速,包括输入输出 轴、离合器轴等;模拟信号为油压和油温等,通过集成好的I/0口进行 采集,单片机进行处理;驱动电路包括励磁电压驱动与励磁电流驱动, 前者用于控制各离合器电磁阀的动作,后者则用于调节变量系斜盘倾 角,从而实现排量控制。
实施例2:故障自诊断系统simulink软件设计;单片机软件经抽象 后,分解为状态监测即数据采集、故障诊断、数据打包、管理等模块。 在编程过程中,为了将诊断算法独立出来进行研究,构建了相关关键 数据库,db文件,其本质是通过结构体变量,快速形成各采集模块的 目标状态数据的数据报文。这样,TCU控制器的任务被分割为:
1)状态监测模块实时采集传感器反馈数据,并用新的数据覆盖状 态中的陈旧数据,对状态进行更新和维护。
2)故障处理模块模块实时判断HMCVT各模块的运行状态,通过 门限值判断给出最终的诊断结果
3)数据打包及发送,根据j1939协议将故障诊断的结果以DM1 的形式发送,正常模式的数据通过数据流的形式发送到终端或上位机 软件,CAN报文处理总线的方式进行信息传递是为整车提供驱动控制 即对数据的采集以及采取合理的控制策略的前提。
从功能实现上不难看出,输入变量为数字信号的胎压值,输出为 通过处理之后变成指示当前传感器模块状态的对应的故障报文,即输 出为j1939-73协议下的诊断故障报文。按功能分类如下所示:
1)当前传感器输入及报文输出模块;
2)检测结果处理模块;
3)j1939报文组装模块;
4)循环发送模块;
以上几个功能均为在HMCVT故障诊断过程中不可缺少的部分, 而且它们均是通过模块依次实现的,模型经调试、测试无误之后通过 matlab自带的RTW代码生成模块可直接生成微处理器芯片可直接识别 的C语言代码,代码通过嵌入式技术嵌入到预先调制完成的单片机中, 即可完成既定的故障诊断功能。
HMCVT系统控制器在对当前状态压状况进行检测时,输入量是从 各个模块发送过来的传感器值,在模型设计及调试阶段,主要是通过 单片机simulink的接口功能将实时采集数据输入到模型中。故障诊断 模型接收到的是从传感器传输来的变换后的数据值,即直观的输入到 模型的外部参量。对于输入接口、输出接口这样的设计,使得在模型 的搭建、调试过程中可通过ECMeaVar、ECCalVar状态监测变量、在 线标定量通过MECA软件随时监测传感器数据、以及对输出接口进行 调试。此输入输出接口设计,只在模型搭建过程中有效,在模型的代 码生成之后,需要对相应接口的代码文件进行接口优化,代码优化部 分会在代码生成及嵌入中设计中进一步设计。控制器诊断功能的为C AN总线上节点或外接设备可识别的报文顿,它是通过诊断功能逻辑 将输入的传感器数值运算之后得出的故障报文信息,其中包含正常数 据流、故障灯状态和诊断故障代码DTC。具体到报文帧的解析和拆分方式会依照数据链路层的执行行文件进行操作。TCU控制器的输出量 为对应CAN总线节点或外接诊断仪可识别的单帧数据包或多帧数据 包。主要包括数据采集转换模块及故障判断触发模块、故障计数模块、 报文处理模块。
实施例3:
故障自诊断系统离合器打滑状态分析;HMCVT的故障类型主要分 为三个方面:离合器打滑、液压系统油压异常、工作温度异常。从湿 式离合器工作过程来看,对于湿式离合器正常工作阶段判断湿式离合 器打滑可以通过安装在离合器轴上的转速传感器来间接获得:
离合器输入轴转速则为:
接合后离合器输出轴的转速为:
当给定固定的发动机转速,那么离合器正常接合的情况下
nin=nout
nin可通过输入轴转速传感器测得,nout可通过变速器输出轴转速传 感器测得。
实施例4:
HMCVT系统油压以及油温分析,湿式离合器油压建立条件则根据 其相关参数,以及相关公式计算。根据湿式离合器油压建立的相关公 式,可以初步计算湿式离合器在不同负载情况下的正常工作最大油压, 并以此为门限值,作为故障诊断的数据来源。
对于湿式离合器的工作温度,湿式离合器的散热主要由两部分组 成:冷却液带走的热量、离合器摩擦表面的散热。为了能够方便运算, 假设出口的冷却油液的温度与摩擦片的最终温度相同。
热传导温度计算:
热对流温度计算:
平均温度计算:
Tx为固体壁的温度、tS为流体的温度、K为热传导系数、S为平面面积、 L为间距、Tt为传导平均温度、m为质量、c为比热容。
热传导产生的热量,使得湿式离合器表面温度上升,但必须不能 超过材料温度上限;热对流产生的热量使得固体壁面和与它温度不相 同的且与它有着相对运动的流体之间发生接触时,流体与固体壁面之间 的热量交换,主要发生在离合器零部件与冷却油液之间。
Q1=h(Td-Tout) (3-10)
Td为固体壁温度、Tout为流体温度、h对流换热系数
冷却油液所能带走的最大温度:
为热对流产生热流量,即冷却液带走的热量、τ为冷却时间、 为冷却液热容量、qL为单位时间单个摩擦副冷却流量、tintout分别为进油口前温 度与出去的温度,若冷却液的流量小于所需要的安全流量,大量的热 量来不及扩散,会使摩擦片的温度剧烈上升,将会加剧摩擦系数的降 低,严重的话将会使摩擦片产生弯曲,甚至失效,从而影响离合器的正常结合。而过大的冷却液流量将会引起摩擦系数急剧下降,产生过 大的带排扭矩,造成较大的扭矩损失。因此,湿式离合器最终出口油 液温度须保证湿式离合器能正常传递转矩。
实施例5:HMCVT故障离线诊断智能算法研究,HMCVT自动化 程度较高,其换段过程完全在其电子控制单元(TCU)作用下进行, 一旦其段位离合器或液压控制系统发生故障,将对其换段品质造成严 重影响,甚至于损坏离合器,因此对于湿式离合器液压系统的离线诊 断将显得尤其关键。
实施例6:
液压系统压力、流量脉动故障机理分析;在湿式离合器换段期间内, 接合充油压强不断提高,从动轴转速上升(摩擦副转速差下降)加快, 达到最终接合过程结束条件的时间变短;同时,接合过程的总接合转 矩响应时间变快,且接合总转矩峰值也逐渐增大,因此在给定负载条 件下,系统换段过程中充油压强的不稳定将会直接导致湿式离合器在 接合过程中主从动轴长时间产生较大的转速差而一直处于滑摩状态, 从而导致湿式离合器换段品质不理想。本文将针对湿式离合器的该典 型故障对液压系统进行研究。
湿式离合器工作压力、流量脉动将会影响湿式离合器接合特性, 通过分析,引起该方面的主要因素:一是液压系统管路故障带来的系 统工作油压无法达到预设油压,使得湿式离合器在换段过程中无法正 常接合,二是液压系统电磁阀体的损坏、卡滞带来的故障,该故障也 会引起液压路流量和压力受到扰动或者迟滞。因此将引起湿式离合器 换段不理想的液压系统故障源(包括正常状态)总结为以下五种:
Y0正常状态:表示液压系统处于正常工作状态,液压系统的压力、 流量,等参数都正常,在这个模式下,所有的参数都是在正常指标的 状态下测得。
Y1换段电磁阀阀芯卡滞:阀体采用电液比例换向阀,能够根据不 同的输入电磁铁的电流给出不同的稳态输出压力。而当电磁阀阀芯由 于杂质物质渗入时,电磁阀阀芯所受阻力增大,阀芯达到稳定正常状 态所花时间比健康状态下长,或无法达到正常工作时的位置。根据式
4-1可以看出,在额定流量情况下,阀芯位置的距离将直接影响换向阀 的工作压差,压差的扰动将影响进入湿式离合器油腔内的油压,引起 接合阶段供油压力不足,在实际台架实验的过程中多次发生电磁阀因 油液杂质影响而导致换段不成功的情况。
式中为阀口流量系数;为换向阀活塞直径;x为换向阀阀芯位移; 表示换段电磁阀进压;表示换段电磁发出口压力;表示油液密度;表 示换向阀泄露系数。
Y2溢流阀阻尼孔堵塞故障:溢流阀本身组件比较多,湿式离合器 液压系统为了保持系统的压力,工作频率较高,随着工作时间的延长 和开关状态的不断切换,溢流阀很可能发生主阀阻尼孔的堵塞以及无 法及时回位等退化问题[11]。由流经溢流阀阀口处的流量可以看出:
式中α为阀口处流量系数;PL为入口压力;S表示通流面积;y表示阀 芯位移;D为阀孔处孔径。当阀口阻尼孔发生堵塞时,将会导致阀孔处 孔径减小,充分影响通流面积的大小,导致阀口流量的不稳定。
Y3液压系统泄露:液压管路由于零部件安装问题,或者在实际运 行过程中振动引起的旋转接头松动导致的油液泄露故障,使得离合器 动作迟缓,油压难以正常建立,该种情况难以判断。正常情况下的漏 油,泄漏量很小,不会对工程装备的正常工作造成影响,本文研究的 是不正常泄漏,需要进行有效预测。
Y4过滤器堵塞故障:湿式离合器液压系统的油液质量是保证整个 系统平稳运行的前提,而过滤器过滤性能的保持,将直接决定系统的 油压、流量是否满足要求。根据式4-4,在一定的流量下,过滤器前后
产生压差,这个压力差为过滤器的阻力,也是压力损失值,在其无损 的情况下它的数值理论上应尽可能小。
k为过滤器通油能力系数;A为液体流经有效通流面积;ΔP表 示进出口压差;μ表示油液动力粘度。过滤器在实际工作过程中吸力 较大,将非常容易发生过滤器堵塞,在额定流量的情况下,将会导致 通流截面积减小,间接引起油路压差增大,最终导致流入离合器油缸 内液压油压力不足,在换段时间内使得接合不完全,离合器换段不成 功。
实施例7:
根据湿式离合器油压建立的相关公式,初步计算湿式离合器在负 载1000NM情况下的正常工作最大油压,并设定液压系统工作的流量, 发动机转速为1000r/min,利用AMEsim建立湿式离合器液压系统的仿 真模型:
通过对湿式离合器液压系统的故障分析,将不同类型的故障模拟 注入湿式离合器液压系统模型中。
Y1类型故障:在AMEsim系统中为了模拟这一过程,可以通过改 变电磁阀阀芯位移x来模拟阀芯卡滞程度。因此,模拟电磁阀卡滞则 只要设置x即对应于相应的卡滞程度。
Y2类型故障:保持溢流阀的其他参数不变,设定在正常状况下的 主阀阻尼孔的直径和堵塞故障状况下的主阀阻尼孔的直径D。
Y3类型故障:通过在液压管路上放置节流阀,并给定不同的输入 信号k,模拟其等效的管路泄露。
Y4类型故障:通过改变过滤器管路内管路直径d,改变通流面积 模拟不同程度的管路堵塞情况。
液压系统故障数据特征提取;仿真试验以HMCVT湿式离合器液 压系统为研究对象。考虑到各段离合器油路构成一致,下面以其中C1 离合器为例,参数见表1。利用AMEsim建立湿式离合器液压系统的 仿真模型,进行故障的仿真模拟,为验证QPSO-BP算法提供数据来源。 可以看出湿式离合器主从动轴速度差在整个换段时间内长时间过大, 产生了不同程度的滑摩,甚至打滑,换段过程不理想。
将五种故障状态设为故障集。湿式离合器液压系统的故障征兆则 主要从油液流量L,压力P指标考虑。但是在实际数据提取的过程中, 由于油压曲线较为平稳,因此只提取均方根值作为特征参数;而流量 曲线波动较为明显,故利用其时域特征作为故障特征提取的参数。
实施例8:
QPSO优化BP神经网络故障诊断模型,鉴于传统的PSO算法容易 陷入局部收敛,且极大依赖速度更新的范围。新引入的QPSO算法结 合量子进化理论来提升全局的搜索能力。粒子在空间中的位置和速度 不能够一起确定,粒子的位置用波函数表示,求解的方法主要使用蒙 特卡罗方法,本文使用matlab实现量子粒子群优化算法。QPSO优化 算法的粒子更新位置公式如下:
P=β·PISbest(i)+(1-β)·Gbest (4-8)
式中:mbest粒子群体,所在最佳平均值,Gbest表示粒子群体所在最佳 值,PISbest(i)表示粒子个体最佳值,β是随机数,取值范围[0,1]。当 β∈[0,1]时,粒子群在全局搜索过程中的收缩与扩张更新表达式如下:
式中gen表示进化次数,max gen表示最大进化次数。
上式为QPSO进化方程,式中u与b的取值范围相同,X,x分别为 进化前后的最优位置。量子粒子群优化算法(QPSO)容易实现,在模型 的实现过程中,所需要调节的参数少,在全局的最优解搜索能力强, 不易出现局部最优。
实施例9:
QPSO-BP的算法分析。故障征兆集是液压系统采集的信号经过特 征提取以后的值,在BP神经网络中输入层的个数为6个,由于故障集 元素有五个所以网络中的输出层的神经元个数为5个,根据经验公式, 隐藏层神经元个数为6个,隐藏层的激活函数使用Sigmoid函数。基 于湿式离合器液压系统的QPSO优化BP神经网络实现流程如下:
1)根据故障的产生原因,通过AMEsim获取不同故障情况下的故 障数据,并进行特征提取,得到100组特征数据,每组6个输入,并 进行归一化处理,处理后作为神经网络输入。
2)创建BP神经网络,随机初始化权值、阈值,对神经网络权值 和阈值进行编码,确定寻优维度为77。
3)设定种群规模为10,确定粒子个数,随机初始化粒子速度与位 置,速度与位置的产生范围在[0,1]之间,最后做迭代计算,确定最大 寻优迭代次数为100。
4)计算粒子适应度,选用测试样本的误差均方差作为适应度函数,
且记录全局极值,设计适应度函数为:
式中i表示特征值的数量。
5)设定目标误差为0.01,通过对不同代数的权值和阈值进行更新, 保证适应度函数值接近目标值。
6)更新每个粒子的速度与位置。
7)增加迭代进化数,判断是否收敛,记录全局极值。当系统每一 次优化后的输出满足:
y=max{y1,y2,y3,y4,y5} (4-13)
该次的结果取本测试结果的最大值,即每一次计算的误差小于目 标误差,且不同模式的故障发生概率总和为1,那么可以将此次的结果 作为神经网络输出,通过标签转换为,将最终输出粒子位置设置为BP 神经网络各个连接层的权值和阈值,从而优化BP神经网络。
利用QPSO算法求BP算法最优的初始化参数,为每个种群计算适 应度值,并保存在f_pbest中,将最优适应度的种群参数保存在gbest 中,记录最优适应度f_gbest循环迭代100次,寻找最优参数。初始化 时生成随机向量β、u,计算种群参数的平均值mbest为每个种群i 的参数利用公式更新。
分类结果如图所示,其中横坐标为50组测试数据,纵坐标为实际 的输出与期望输出是否吻合。QPSO-BP算法使用100组数据样本,每 组样本有90个数据通过特征提取得来,特征提取后的输入个数为6, 输出类型数为5。将100组数据的50%作为训练样本,剩下的作为测试 样本,由图3对比未经过优化的BP神经网络算法及传统PSO-BP算法 和QPSO-BP算法可以看出,采用BP神经网络算法的准确率为90%, 传统PSO-BP的诊断效率为96%,而QPSO优化后的准确率达到了 98%。通过图4可以看出QPSO算法经过15次迭代后收敛,收敛速度明显优于传统PSO算法,PSO收敛精度在0.015左右,而QPSO的收 敛精度基本达到设定误差0.01,收敛精度明显更优。
通过判断引起湿式离合器换段不理想的液压系统故障类型,采用 AMEsim建模,模拟注入不同的故障类型,仿真湿式离合器换段状态 下的输入输出轴实际转速差变化,得到该状态下的压力及流量的故障 数据,采用时域特征提取的方法,对数据进行五个方面的特征提取, 得到的特征参数作为神经网络的输入,通过训练及测试结果表明数据 能很好的作为神经网络预测故障的来源;针对传统PSO算法容易陷入 局部最优解以及预测收敛精度不准的问题,采用QPSO优化BP神经网 络对建立的故障诊断系统进行故障预测,该方法比传统PSO优化BP 神经网络具有更加精确的预测精度,预测精度达到100%,且具有更好 的收敛效果。研究结果可以为HMCVT故障诊断系统工程应用提供算 法依据。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具 体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、 材料过着特点包含于本发明的至少一个实施例或示例中。在本说明书 中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而 且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个 实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实 施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实 施方式,显然,根据本说明书的内容,可作很多的修改和变化。本说 明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和 实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。 本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种大功率拖拉机HMCVT故障自诊断系统,其特征在于:包括供电电源、电磁阀、通讯接口、HMCVT控制器、温度传感器、压力传感器后和转速传感器,所述HMCVT控制器分别和温度传感器、压力传感器后和转速传感器信号连接。
2.根据权利要求1所述的一种大功率拖拉机HMCVT故障自诊断系统,其特征在于:所述HMCVT控制器是整个控制系统上核心的控制组件,采集温度传感器信号、压力传感器信号后、转速传感器信号,并对网络信息进行管理、调度、分析和运算,做出相应的判断,最终可控制HMCVT的档位合理分配、速度的调节、也是故障诊断系统的核心器件。
3.根据权利要求1所述的一种大功率拖拉机HMCVT故障自诊断系统,其特征在于:所述供电电源为DC7-32V,最大电流1A,给TCU供电。
4.根据权利要求1所述的一种大功率拖拉机HMCVT故障自诊断系统,其特征在于:所述电磁阀控制回路电流为0-850mA,共5路、460mA-1140mA,共1路,具有对外输出控制作用,并兼有MOS管输出接口。
5.根据权利要求1所述的一种大功率拖拉机HMCVT故障自诊断系统,其特征在于:所述通讯接口电压DC5V、1路RS485通讯接口、1路USB通讯接口和2路CAN通信接口。
6.根据权利要求1所述的一种大功率拖拉机HMCVT故障自诊断系统,其特征在于:所述温度传感器、压力传感器后和转速传感器输入接口电压范围为5V,有12路输入接口,信号输入给HMCVT控制器。
7.一种大功率拖拉机HMCVT故障自诊断方法,其特征在于:
步骤S1:故障自诊断系统simulink软件设计;
步骤S1:故障自诊断系统离合器打滑状态分析;
步骤S2:HMCVT系统油压以及油温分析;
步骤S3:HMCVT故障离线诊断智能算法研究;
步骤S4:液压系统压力、流量脉动故障机理分析;
步骤S5:液压系统故障数据特征提取;
步骤S6:QPSO优化BP神经网络故障诊断模型;
步骤S7:QPSO-BP的算法分析。
8.根据权利要求7所述的一种大功率拖拉机HMCVT故障自诊断方法,其特征在于:所述步骤S1,单片机软件经抽象后,分解为状态监测即数据采集、故障诊断、数据打包、管理等模块,在编程过程中,为了将诊断算法独立出来进行研究,构建了相关关键数据库,db文件,其本质是通过结构体变量,快速形成各采集模块的目标状态数据的数据报文。
9.根据权利要求7所述的一种大功率拖拉机HMCVT故障自诊断方法,其特征在于:所述步骤S2,HMCVT的故障类型主要分为三个方面:离合器打滑、液压系统油压异常、工作温度异常,从湿式离合器工作过程来看,对于湿式离合器正常工作阶段判断湿式离合器打滑可以通过安装在离合器轴上的转速传感器来间接获得。
10.根据权利要求7所述的一种大功率拖拉机HMCVT故障自诊断方法,其特征在于:所述步骤S7,故障征兆集是液压系统采集的信号经过特征提取以后的值,在BP神经网络中输入层的个数为6个,由于故障集元素有五个所以网络中的输出层的神经元个数为5个,根据经验公式,隐藏层神经元个数为6个,隐藏层的激活函数使用Sigmoid函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110761626.4A CN113494599A (zh) | 2021-07-06 | 2021-07-06 | 一种大功率拖拉机hmcvt故障自诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110761626.4A CN113494599A (zh) | 2021-07-06 | 2021-07-06 | 一种大功率拖拉机hmcvt故障自诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113494599A true CN113494599A (zh) | 2021-10-12 |
Family
ID=77998148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110761626.4A Pending CN113494599A (zh) | 2021-07-06 | 2021-07-06 | 一种大功率拖拉机hmcvt故障自诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113494599A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614277A (zh) * | 2009-07-30 | 2009-12-30 | 中国一拖集团有限公司 | 拖拉机动力换挡变速箱电控单元 |
CN201429501Y (zh) * | 2009-06-25 | 2010-03-24 | 中国海洋石油总公司 | 变速箱测试台 |
CN201457064U (zh) * | 2009-07-30 | 2010-05-12 | 中国一拖集团有限公司 | 拖拉机动力换挡变速箱电控单元 |
CN105711581A (zh) * | 2016-03-30 | 2016-06-29 | 河南科技大学 | 一种无级变速拖拉机控制系统及其控制方法 |
CN110603182A (zh) * | 2017-01-20 | 2019-12-20 | 北极星工业有限公司 | 诊断系统和无级变速器的方法 |
CN112326237A (zh) * | 2020-06-05 | 2021-02-05 | 南京农业大学 | 一种液压机械无级变速箱性能检测试验台 |
-
2021
- 2021-07-06 CN CN202110761626.4A patent/CN113494599A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201429501Y (zh) * | 2009-06-25 | 2010-03-24 | 中国海洋石油总公司 | 变速箱测试台 |
CN101614277A (zh) * | 2009-07-30 | 2009-12-30 | 中国一拖集团有限公司 | 拖拉机动力换挡变速箱电控单元 |
CN201457064U (zh) * | 2009-07-30 | 2010-05-12 | 中国一拖集团有限公司 | 拖拉机动力换挡变速箱电控单元 |
CN105711581A (zh) * | 2016-03-30 | 2016-06-29 | 河南科技大学 | 一种无级变速拖拉机控制系统及其控制方法 |
CN110603182A (zh) * | 2017-01-20 | 2019-12-20 | 北极星工业有限公司 | 诊断系统和无级变速器的方法 |
CN112326237A (zh) * | 2020-06-05 | 2021-02-05 | 南京农业大学 | 一种液压机械无级变速箱性能检测试验台 |
Non-Patent Citations (1)
Title |
---|
王正幸,鲁植雄,陈元: "湿式离合器换段过程液压系统故障机理分析与诊断方法研究", 《机械科学与技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111596604B (zh) | 一种基于数字孪生的工程装备故障智能诊断与自愈控制系统及方法 | |
CN107301884B (zh) | 一种混合式核电站故障诊断方法 | |
CN105846780A (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
CN110320808A (zh) | 基于观测器组的阀控型电液伺服系统故障检测与分类方法 | |
CN113187650B (zh) | 一种智能水电厂全厂水轮机调速系统及诊断方法 | |
CN114919559B (zh) | 一种基于数字孪生的制动系统剩余使用寿命预测系统及方法 | |
CN114372489A (zh) | 一种柴油机工况识别与异常诊断方法 | |
CN117189713A (zh) | 基于数字孪生驱动的液压系统故障诊断方法 | |
CN112196717A (zh) | 一种水轮机调速器液压系统状态监测与故障诊断方法 | |
CN109726772A (zh) | 基于多流融合模型的行星齿轮箱智能诊断方法 | |
CN107015486A (zh) | 一种空调水系统调节阀故障智能诊断方法 | |
CN115481726A (zh) | 一种工业机器人整机健康评估方法及系统 | |
Liniger et al. | Reliable fluid power pitch systems: A review of state of the art for design and reliability evaluation of fluid power systems | |
CN113494599A (zh) | 一种大功率拖拉机hmcvt故障自诊断系统 | |
CN102253663B (zh) | 一种网络化三容水箱系统的泄漏故障诊断方法及系统 | |
CN104216397B (zh) | 智能驱动桥系统故障识别与检测的方法 | |
CN117090831A (zh) | 具有孪生应用层的液压系统故障诊断框架 | |
CN114460985B (zh) | 一种基于单片机的储箱增压控制系统及控制方法 | |
CN106439199A (zh) | 一种基于dcs数据的控制阀故障监控方法 | |
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
CN112529370B (zh) | 考虑动态效应的天然气系统可靠性评估方法及系统 | |
CN115114861A (zh) | 一种湿式双离合器摩擦片温度快速预测方法及计算机设备 | |
CN111523711A (zh) | 一种用于注塑机液压驱动系统泄露故障的诊断方法 | |
Wu et al. | Multi-level health degree analysis of vehicle transmission system based on PSO-BP neural network data fusion | |
Chen et al. | EPBS_FIDMV: A fault injection and diagnosis methods validation benchmark for EPBS of EMU |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211012 |