CN114396415B - 用于液压故障自诊断的装置、方法及液压系统 - Google Patents

Abstract

本申请公开了一种用于液压故障自诊断的装置、方法及液压系统。该装置包括：状态采集模块，用于获取液压系统的多个状态数据；数据分析模块，与状态采集模块通信连接，用于存储液压系统的故障树分析数据库；故障判断模块，与状态采集模块和数据分析模块通信连接，用于根据状态采集模块发送的多个状态数据以及数据分析模块发送的故障树分析数据库确定液压系统的故障诊断结果，并将故障诊断结果发送至数据分析模块。本申请通过用于液压故障自诊断装置提高了液压系统故障诊断的效率和精度。

Description

用于液压故障自诊断的装置、方法及液压系统

技术领域

本申请涉及液压系统技术领域，具体地，涉及一种用于液压故障自诊断的装置、方法及液压系统。

背景技术

目前工程机械的液压系统及其电控程序日趋复杂，尤其是举高类消防车领域，其控制系统智能化水平较高，且对系统的安全新和可靠性要求也极为苛刻。而液压系统作为整车底层的控制系统，如何能及时快速的排查故障，解决问题，是行业内的一大疑难问题。

现有技术一般由经验丰富的液压工程师，根据故障现象进行自主分析，通过现场拆解一些元件，连接一些测量仪器(如压力表)等进行现场筛查，甚至通过盲选的方式，一一随机更换有故障液压子部件的所有元件，最终找到真正故障的液压元件。但是，现有技术对于液压故障的诊断存在诸多问题。

现有技术的故障排查需要工作人员在现场，且随着产品升级换代、元件替代或系统原理更新，以往的旧经验不一定适用于新产品，对工作人员的专业经验要求较高，也不一定保证每次都成功。并且，通过排除法筛查故障元件时，费时费力，且重复拆除和复原时有可能引入新的故障，例如接错油管、损坏元件或液压油污染等。同时，现场排查故障时，加装测量仪器不方便，有时甚至不能加装或者测量，仅能依靠故障表面现象进行人为判断，由于同一故障表面现象可能由不同故障原因引发，即使判断正确也不一定找到故障的真正原因，从而导致故障分类经验难以积累、推广和归纳。因此，现有技术对于液压系统的诊断耗费时间长且精确度低。

发明内容

本申请的目的是提供一种用于液压故障自诊断的装置、方法及液压系统，用以解决现有技术对于液压系统的诊断耗费时间长且精度较低的问题。

为了实现上述目的，本申请第一方面提供一种用于液压故障自诊断的装置，应用于液压系统，包括：

状态采集模块，用于获取液压系统的多个状态数据；

数据分析模块，与状态采集模块通信连接，用于存储液压系统的故障树分析数据库；

故障判断模块，与状态采集模块和数据分析模块通信连接，用于根据状态采集模块发送的多个状态数据以及数据分析模块发送的故障树分析数据库确定液压系统的故障诊断结果，并将故障诊断结果发送至数据分析模块。

在本申请实施例中，状态采集模块包括：

多个状态传感器，设置于液压系统内，用于采集液压系统的多个状态数据；

第一数据发送单元，与多个状态传感器连接，用于将多个状态传感器采集的状态数据分别发送至数据分析模块和故障判断模块。

在本申请实施例中，多个状态传感器包括以下中的至少一者：

转速传感器、压力传感器、温度传感器、角度传感器、长度传感器、加速度传感器。

在本申请实施例中，状态采集模块包括：

多个状态传感器，设置于液压系统内，用于采集液压系统的多个状态数据；

多个状态传感器接口，每个状态传感器接口对应一个状态传感器；

通用传感器单元，与多个状态传感器接口插接，用于获取液压系统的多个状态传感器采集的状态数据；

第二数据发送单元，与通用传感器单元连接，用于将通用传感器单元获取的状态数据分别发送至数据分析模块和故障判断模块。

在本申请实施例中，数据分析模块还用于存储液压系统的工作状态参数矩阵，工作状态参数矩阵包括液压系统执行每个操作时每个状态参数对应的预设参数范围。

在本申请实施例中，故障树分析数据库包括多个故障件数据，每个故障件数据对应多个故障原因，每个故障原因对应多个状态参数，每个状态参数具有对应于当前故障原因的异常概率；其中，异常概率为在当前故障原因下，每个状态参数的数据超出预设参数范围的发生概率。

在本申请实施例中，数据分析模块还用于：

根据故障判断模块发送的故障诊断结果更新故障树分析数据库。

在本申请实施例中，故障判断模块还用于：

根据多个状态数据以及故障树分析数据库确定每个故障件发生故障的概率；

将概率大于预设概率的故障件确定为待排查故障件；

根据概率的大小将待排查故障件进行排序，以得到故障诊断结果。

本申请第二发明提供一种用于液压故障自诊断的方法，应用于液压系统，该液压系统包括用于液压故障自诊断的装置，该装置包括状态采集模块、数据分析模块和故障判断模块，数据分析模块与状态采集模块通信连接，故障判断模块分别与状态采集模块和数据分析模块通信连接，该方法包括：

获取状态采集模块发送的液压系统的多个状态数据；

获取数据分析模块发送的故障树分析数据库；

根据多个状态数据和故障树分析数据库确定液压系统的故障诊断结果；

将故障诊断结果发送至数据分析模块。

在本申请实施例中，根据多个状态数据和故障树分析数据库确定液压系统的故障诊断结果包括：

根据多个状态数据以及故障树分析数据库确定每个故障件发生故障的概率；

将概率大于预设概率的故障件确定为待排查故障件；

根据概率的大小将待排查故障件进行排序，以得到故障诊断结果。

本申请第三方面提供一种液压系统，包括上述的用于液压故障自诊断的装置。

本申请第四方面提供一种工程机械设备，包括上述的液压系统。

通过上述技术方案，提供一种用于液压故障自诊断的装置，应用于液压系统。该装置包括状态采集模块、数据分析模块和故障判断模块。其中，数据分析模块与状态采集模块通信连接，故障判断模块分别与状态采集模块和数据分析模块通信连接。状态采集模块获取液压系统的多个状态数据，数据分析模块存储液压系统的故障树分析数据库，故障判断模块用于根据状态采集模块发送的多个状态数据以及数据分析模块发送的故障树分析数据库确定液压系统的故障诊断结果，并将故障诊断结果发送至数据分析模块。这样，对于液压系统的故障诊断不是基于单条现象逻辑，而是基于大数据分析，因此不依赖人的经验，数据量越大，越准确。并且，大数据可以持续更新，同样适用于产品迭代、元件替代或液压原理更新。同时，该装置自诊断依靠程序运行，给出故障代码或故障诊断结果速度较快，且不需要拆装元器件。因此，本申请的用于液压故障自诊断装置提高了液压系统故障诊断的效率和精度。

本申请的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本申请的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请，但并不构成对本申请的限制。在附图中：

图1示意性示出了根据本申请实施例的用于液压故障自诊断的装置的结构示意图；

图2示意性示出了根据本申请实施例的包括状态传感器的液压系统的结构示意图；

图3示意性示出了根据本申请实施例的工作状态参数矩阵的结构示意图；

图4示意性示出了根据本申请实施例的故障树分析数据库的结构示意图；

图5示意性示出了根据本申请实施例的执行某一固定操作发生故障时的参数异常概率的结构示意图；

图6示意性示出了根据本申请一实施例的状态采集模块的结构示意图；

图7示意性示出了根据本申请另一实施例的状态采集模块的结构示意图；

图8示意性示出了根据本申请实施例的用于液压故障自诊断的方法的流程示意图。

附图标记说明

102 状态采集模块 104 数据分析模块

106 故障判断模块 1021 多个状态传感器

1022 第一数据发送单元 1023 多个状态传感器接口

1024 通用传感器单元 1025 第二数据发送单元

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明，若本申请实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，若本申请实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。

图1示意性示出了根据本申请实施例的用于液压故障自诊断的装置的结构示意图。如图1所示，本申请实施例提供一种用于液压故障自诊断的装置，应用于液压系统，该装置可以包括：

状态采集模块102，用于获取液压系统的多个状态数据；

数据分析模块104，与状态采集模块通信连接，用于存储液压系统的故障树分析数据库；

故障判断模块106，与状态采集模块和数据分析模块通信连接，用于根据状态采集模块发送的多个状态数据以及数据分析模块发送的故障树分析数据库确定液压系统的故障诊断结果，并将故障诊断结果发送至数据分析模块。

在本申请实施例中，用于液压自诊断的装置可以包括状态采集模块102、数据分析模块104和故障判断模块106。其中，状态采集模块102与数据分析模块104和故障判断模块106通信连接，用于获取液压系统的多个状态数据，并将数据发送至数据分析模块104和故障判断模块106。数据分析模块104与状态采集模块102通信连接，可以接收状态采集模块102发送的数据，存储至故障树分析数据库。故障判断模块106与状态采集模块102以及数据分析模块104通信连接，也可以接收状态采集模块102发送的数据，并且基于状态采集模块102发送的数据以及数据分析模块104的故障树分析数据库，可以确定液压系统的故障诊断结果，并且可以将故障诊断结果发送至数据分析模块104，数据分析模块104接收到故障判断模块106发送的故障诊断结果后，基于每次故障诊断结果更新故障树分析数据库。这样，每次故障判断都是基于大数据进行自动诊断，并且大数据也可以根据每次诊断结果进行更新，从而使得液压系统的故障诊断更加精确，效率更高。

在本申请实施例中，状态采集模块102可以是一套车载设备，包括多个状态传感器和数据发送单元；具体地，是指整机液压系统和各执行器端安装各种状态传感器和数据发送单元。其中，状态传感器包括但不限于转速传感器、压力传感器、温度传感器、角度传感器、长度传感器、加速度传感器。通过这些传感器采集的实时数据可以充分表示整个液压系统运行状态。而通过数据发送单元可以将这些数据分别放置数据分析模块104和故障判断模块106。另外，本申请实施例也可以将一部分状态采集模块改为通用的手持设备，仅在车载设备上预留相关的状态传感器接口。

图2示意性示出了根据本申请实施例的包括状态传感器的液压系统的结构示意图。如图2所示，液压系统的元件和驱动机构需要安装多个状态传感器，可以实时测量油温、油压、转速和位移数据等。这些状态传感器采集的数据用于感知液压系统的状态和执行机构的实时位置。在图2中，各物理元件的说明如下：1-液压油箱；2-油泵；3-发动机；4-切换阀；5-臂架控制阀；6-支腿控制阀；7-散热器；8-执行器1(可以是油缸、马达等液压执行元件，其他执行器也一样)；9-执行器2；10-执行器3；11-执行器4；12-执行器5；13-执行器6；14-执行器7；15-油箱油温传感器；16-油箱液位传感器；17-油泵控制压力传感器；18-液压系统压力传感器；19-发动机转速传感器；20-主回油管路压力传感器；21-散热器进口温度传感器；22-切换上车控制压力传感器；23切换下车控制压力传感器；24-上车臂架系统进口压力传感器；25-上车臂架负载压力传感器；26-下车支腿系统进口压力传感器；27-下车支腿系统负载压力传感器；28-执行器1对应的位置信号传感器1(可以是长度传感器、倾角传感器、旋转编码器等体现执行器运动位置的传感器，其他位置信号传感器也一样)；29-执行器2对应的位置信号传感器2；30-执行器3对应的位置信号传感器3；31-执行器4对应的位置信号传感器4；32-执行器5对应的位置信号传感器5；33-执行器6对应的位置信号传感器6；34-执行器7对应的位置信号传感器7。通过在元件和驱动机构设置多个状态传感器，可以采集液压系统各元件的状态数据。需要说明的是，本申请的状态传感器不限于上述的设置方式，还可以根据实际的工程机械设备需求设置为其他方式。

在本申请实施例中，数据分析模块104是一套远程数据终端，是整个装置的大数据应用中心。该数据分析模块104可以预存整车液压系统的故障树分析数据库，其基本构架如图3和图4所示。图3示意性示出了根据本申请实施例的工作状态参数矩阵的结构示意图；图4示意性示出了根据本申请实施例的故障树分析数据库的结构示意图。

液压系统的工作状态参数矩阵和故障树分析数据库由后台的液压技术专家组创建，可以通过枚举的方式，创建整车正常操作状态矩阵和故障树分析数据库，即图3的工作状态参数矩阵和图4的故障树分析数据库。数据库具备后台维护修改功能，可以新增、删减和更改数据。其工作原理如下：整车每一个基本操作(例如待机、切换下车支腿操作、操作水平支腿伸出等)都会对应一组状态参数值，这些参数值经过技术专家的分析归纳和大量基础性测试，可以分别给出对应液压系统执行每一个操作时，每个状态参数的正常范围，即工作状态参数矩阵可以包括液压系统执行每个操作时每个状态参数对应的预设参数范围。如图3所示，操作1、操作2、操作3…操作n分别对应n个参数范围，即每个操作正常工作时每个状态参数的正常范围区间。这些状态参数值与液压系统某个元件中某个故障具有不同程度的相关性，因此，本申请实施例用超出正常范围的参数状态值的发生概率来计算某一个具体故障的发生概率。故障树分析数据库可以包括多个故障件数据，每个故障件数据可以对应多个故障原因，每个故障原因可以对应多个状态参数；这些状态参数有的处于正常范围，有的除以超出预设参数的异常范围。因此，每个状态参数具有对应于当前故障原因的异常概率。其中，异常概率为在当前故障原因下，每个状态参数的数据超出预设参数范围的发生概率。如图4所示，液压系统故障树(即本申请的故障树分析数据库)包括n个故障件，对于每个故障件，包括n个故障原因，每个故障原因对应n个状态参数(本申请实施例的n指代有多个，并不对应确定的数值)。例如执行操作1，元件1故障(即故障件1)发生故障1时，统计各个状态参数在非预设参数范围内的概率，即参数1异常概率、参数2异常概率、参数3异常概率、…、参数n异常概率。

在本申请实施例中，数据分析模块104首次使用时，由于后台缺少大量数据，因此初始概率需要赋值。由液压技术专家组评估，简单区分为强相关状态参数和弱相关状态参数。强相关状态参数是当此状态参数异常时，可以明显判断出故障原因，弱相关状态参数是指当此状态参数异常时难以明显判断出故障原因。对于强相关状态参数，初始赋值接近1的数值。而弱相关状态参数，初始概率异常赋值0.5。数据库初始赋值后，此数据库即开始使用，之后每一次故障案例均写入一条故障数据。图5示意性示出了根据本申请实施例的执行某一固定操作发生故障时的参数异常概率的结构示意图。如图5所示，在一个示例中，对于一故障件，如元件1故障1，具有n个参数，每个参数在正常参数范围的概率为A，对应的非正常参数范围为1-A。例如，执行操作1、元件1发生故障1时，状态参数1、2、…、n可以包括非正常参数范围的概率。这些故障数据积累一定时间周期后，由后台程序重新计算执行操作1、元件1发生故障1时，状态参数1、2、…、n非正常发生的概率。此更新不断迭代，应用经典数学工具，依靠大数据可以使相关的概率计算越来越准确。

故障判断模块106是整个装置的应用终端，可以是分离的手持式终端或随车安装的处理终端，主要实现故障概率计算和故障主动反馈两部分功能。一方面，根据数据分析模块104提供的故障树分析数据库，在液压系统故障时，通过参数非正常的概率逐一计算不同故障的发生概率，将计算结果统一按照一个标准(例如故障概率≥0.75)进行输出，并按照故障发生概率从大到小排列，指导售后服务人员或客户在信息指引下排查故障。例如，根据多个状态数据以及故障树分析数据库确定每个故障件发生故障的概率，将概率大于预设概率的故障件确定为待排查故障件，根据概率的大小将待排查故障件进行排序，以得到故障诊断结果。另一方面，完成故障处理信息后，从故障判断模块106发送至远程的数据分析模块104，写入一条故障数据，并参与相关状态参数概率的更新计算。

整个装置的运作流程简述如下：发生任何故障时，由状态采集模块102把故障时的状态参数同时发给数据分析模块104和故障判断模块106，故障判断模块106基于数据分析模块104提供的故障树分析数据库进行运算，给出故障诊断结果。故障真正处理完或确认后，此条故障信息又发回数据分析模块104进行存储和更新数据库。积累一定数据周期后，数据分析模块104把更新的数据库发给故障判断模块106。

本申请实施例对于液压系统的故障诊断不是基于单条现象逻辑，而是基于大数据分析，因此不依赖人的经验，数据量越大，越准确。并且，大数据可以持续更新，同样适用于产品迭代、元件替代或液压原理更新。同时，该装置自诊断依靠程序运行，给出故障代码或故障诊断结果速度较快，且不需要拆装元器件。本申请实施例的装置的判断结论本身也是一种数据，故可以用于整机产品的一些智能控制，例如安全方面的故障预处理策略等。因此，本申请的用于液压故障自诊断装置提高了液压系统故障诊断的效率和精度。

图6示意性示出了根据本申请一实施例的状态采集模块的结构示意图。如图6所示，在本申请一实施例中，状态采集模块102可以包括：

多个状态传感器1021，设置于液压系统内，用于采集液压系统的多个状态数据；

第一数据发送单元1022，与多个状态传感器连接，用于将多个状态传感器1021采集的状态数据分别发送至数据分析模块104和故障判断模块106。

在本申请实施例中，状态采集模块102可以是一套车载设备，包括多个状态传感器1021和第一数据发送单元1022。具体地，是指整机液压系统和各执行器端安装各种状态传感器和数据发送单元。多个状态传感器1021用于采集液压系统的多个状态数据，第一数据发送单元1022用于将多个状态传感器1021采集的状态数据发送至数据分析模块104和故障判断模块106。

在本申请实施例中，多个状态传感器1021可以包括以下中的至少一者：

转速传感器、压力传感器、温度传感器、角度传感器、长度传感器、加速度传感器。

具体地，状态传感器包括但不限于转速传感器、压力传感器、温度传感器、角度传感器、长度传感器、加速度传感器。通过这些传感器采集的实时数据可以充分表示整个液压系统运行状态。而通过数据发送单元可以将这些数据分别放置数据分析模块104和故障判断模块106。如图2所示，液压系统的元件和驱动机构需要安装多个状态传感器，可以实时测量油温、油压、转速和位移数据等。这些状态传感器采集的数据用于感知液压系统的状态和执行机构的实时位置。通过在元件和驱动机构设置多个状态传感器，可以采集液压系统各元件的状态数据。需要说明的是，本申请的状态传感器不限于上述的设置方式，还可以根据实际的工程机械设备需求设置为其他方式。

图7示意性示出了根据本申请另一实施例的状态采集模块的结构示意图。如图7所示，在本申请另一实施例中，状态采集模块102可以包括：

多个状态传感器1021，设置于液压系统内，用于采集液压系统的多个状态数据；

多个状态传感器接口1023，每个状态传感器接口对应一个状态传感器；

通用传感器单元1024，与多个状态传感器接口1023插接，用于获取液压系统的多个状态传感器1021采集的状态数据；

第二数据发送单元1025，与通用传感器单元连接，用于将通用传感器单元1024获取的状态数据分别发送至数据分析模块104和故障判断模块106。

在本申请实施例中，可以将状态采集模块102的一部分改为通用的手持设备，仅在车载设备上预留相关的状态传感器接口。具体地，将每个状态传感器对应一个状态传感器接口。当用户需要采集状态数据的时候，通过通用传感器单元1024插接至多个状态传感器接口1023，从而获取多个状态传感器1021采集的状态数据。第二数据发送单元1025与通用传感器单元1024连接，从而将状态数据发送至数据分析模块104和故障判断模块106。这样，可以减少每台整车的成本。

在本申请实施例中，数据分析模块104还可以用于存储液压系统的工作状态参数矩阵，工作状态参数矩阵可以包括液压系统执行每个操作时每个状态参数对应的预设参数范围。

在本申请实施例中，液压系统的工作状态参数矩阵由后台的液压技术专家组创建，可以通过枚举的方式，创建整车正常操作状态矩阵，即图3的工作状态参数矩阵。数据库具备后台维护修改功能，可以新增、删减和更改数据。其工作原理如下：整车每一个基本操作(例如待机、切换下车支腿操作、操作水平支腿伸出等)都会对应一组状态参数值，这些参数值经过技术专家的分析归纳和大量基础性测试，可以分别给出对应液压系统执行每一个操作时，每个状态参数的正常范围，即工作状态参数矩阵可以包括液压系统执行每个操作时每个状态参数对应的预设参数范围。如图3所示，操作1、操作2、操作3…操作n分别对应n个参数范围，即每个操作正常工作时每个状态参数的正常范围区间。

在本申请实施例中，故障树分析数据库可以包括多个故障件数据，每个故障件数据可以对应多个故障原因，每个故障原因可以对应多个状态参数，每个状态参数具有对应于当前故障原因的异常概率；其中，异常概率为在当前故障原因下，每个状态参数的数据超出预设参数范围的发生概率。

具体地，每个状态参数值与液压系统某个元件中某个故障具有不同程度的相关性，因此，本申请实施例用超出正常范围的参数状态值的发生概率来计算某一个具体故障的发生概率。故障树分析数据库可以包括多个故障件数据，每个故障件数据可以对应多个故障原因，每个故障原因可以对应多个状态参数；这些状态参数有的处于正常范围，有的除以超出预设参数的异常范围。因此，每个状态参数具有对应于当前故障原因的异常概率。其中，异常概率为在当前故障原因下，每个状态参数的数据超出预设参数范围的发生概率。如图4所示，例如执行操作1，元件1故障(即故障件1)发生故障1时，统计各个状态参数在非预设参数范围内的概率。

在本申请实施例中，数据分析模块104还可以用于：

根据故障判断模块发送的故障诊断结果更新故障树分析数据库。

在本申请实施例中，数据分析模块104首次使用时，由于后台缺少大量数据，因此初始概率需要赋值。由液压技术专家组评估，简单区分为强相关状态参数和弱相关状态参数。强相关状态参数是当此状态参数异常时，可以明显判断出故障原因，弱相关状态参数是指当此状态参数异常时难以明显判断出故障原因。对于强相关状态参数，初始赋值接近1的数值。而弱相关状态参数，初始概率异常赋值0.5。数据库初始赋值后，此数据库即开始使用，之后每一次故障案例均写入一条故障数据。如图5所示，在一个示例中，执行操作1、元件1发生故障1时，状态参数1、2、…、n(正常或非正常)。这些故障数据积累一定时间周期后，由后台程序重新计算执行操作1、元件1发生故障1时，状态参数1、2、…、n非正常发生的概率。故障树分析数据库可以新增、删减和更改数据。每一次故障案例均写入一条故障数据，此更新不断迭代，应用经典数学工具，通过故障数据的累积，依靠大数据可以使相关的概率计算越来越准确。

在本申请实施例中，故障判断模块106还可以用于：

根据多个状态数据以及故障树分析数据库确定每个故障件发生故障的概率；

将概率大于预设概率的故障件确定为待排查故障件；

根据概率的大小将待排查故障件进行排序，以得到故障诊断结果。

具体地，故障判断模块106是整个装置的应用终端，可以是分离的手持式终端或随车安装的处理终端。本申请实施例根据数据分析模块104提供的故障树分析数据库，在液压系统故障时，通过参数非正常的概率逐一计算不同故障的发生概率，将计算结果统一按照一个标准(例如故障概率≥0.75)进行输出，并按照故障发生概率从大到小排列，指导售后服务人员或客户在信息指引下排查故障。在一个示例中，根据多个状态数据以及故障树分析数据库确定每个故障件发生故障的概率，例如，故障件1为50％，故障件2为75％，故障件3为90％，故障件4为80％，故障件5为40％。预设概率为75％。则，将概率大于75％的故障件确定为待排查故障件，分别为：故障件2、故障件3和故障件4，小于75％的忽略不计。按照从大到小顺序对待排查故障件进行排序得到顺序为：故障件3、故障件4、故障件2。这样，在售后服务人员或客户排查故障的时候，可以按照该顺序依次进行故障排查，提高故障排查的效率。

图8示意性示出了根据本申请实施例的用于液压故障自诊断的方法的流程示意图。如图8所示，本申请实施例提供一种用于液压故障自诊断的方法，应用于液压系统，该液压系统包括用于液压故障自诊断的装置，该装置包括状态采集模块、数据分析模块和故障判断模块，数据分析模块与状态采集模块通信连接，故障判断模块分别与状态采集模块和数据分析模块通信连接，该方法可以包括下列步骤：

步骤802、获取状态采集模块发送的液压系统的多个状态数据；

步骤804、获取数据分析模块发送的故障树分析数据库；

步骤806、根据多个状态数据和故障树分析数据库确定液压系统的故障诊断结果；

步骤808、将故障诊断结果发送至数据分析模块。

在本申请实施例中，液压系统中用于液压故障自诊断的装置可以包括状态采集模块、数据分析模块和故障判断模块。其中，状态采集模块与数据分析模块和故障判断模块通信连接，用于获取液压系统的多个状态数据，并将数据发送至数据分析模块和故障判断模块。数据分析模块与状态采集模块通信连接，可以接收状态采集模块发送的数据，存储至故障树分析数据库。故障判断模块与状态采集模块以及数据分析模块通信连接，也可以接收状态采集模块发送的数据，并且基于状态采集模块发送的数据以及数据分析模块的故障树分析数据库，可以确定液压系统的故障诊断结果，并且可以将故障诊断结果发送至数据分析模块，数据分析模块接收到故障判断模块发送的故障诊断结果后，基于每次故障诊断结果更新故障树分析数据库。这样，每次故障判断都是基于大数据进行自动诊断，并且大数据也可以根据每次诊断结果进行更新，从而使得液压系统的故障诊断更加精确，效率更高。

在本申请实施例中，数据分析模块是一套远程数据终端，是整个装置的大数据应用中心。液压系统的工作状态参数矩阵和故障树分析数据库由后台的液压技术专家组创建，可以通过枚举的方式，创建整车正常操作状态矩阵和故障树分析数据库。数据库具备后台维护修改功能，可以新增、删减和更改数据。其工作原理如下：整车每一个基本操作(例如待机、切换下车支腿操作、操作水平支腿伸出等)都会对应一组状态参数值，这些参数值经过技术专家的分析归纳和大量基础性测试，可以分别给出对应液压系统执行每一个操作时，每个状态参数的正常范围，即工作状态参数矩阵可以包括液压系统执行每个操作时每个状态参数对应的预设参数范围。如图3所示，操作1、操作2、操作3…操作n分别对应n个参数范围，即每个操作正常工作时每个状态参数的正常范围区间。这些状态参数值与液压系统某个元件中某个故障具有不同程度的相关性，因此，本申请实施例用超出正常范围的参数状态值的发生概率来计算某一个具体故障的发生概率。故障树分析数据库可以包括多个故障件数据，每个故障件数据可以对应多个故障原因，每个故障原因可以对应多个状态参数；这些状态参数有的处于正常范围，有的除以超出预设参数的异常范围。因此，每个状态参数具有对应于当前故障原因的异常概率。其中，异常概率为在当前故障原因下，每个状态参数的数据超出预设参数范围的发生概率。如图4所示，例如执行操作1，元件1故障(即故障件1)发生故障1时，统计各个状态参数在非预设参数范围内的概率。

在本申请实施例中，数据分析模块首次使用时，由于后台缺少大量数据，因此初始概率需要赋值。由液压技术专家组评估，简单区分为强相关状态参数和弱相关状态参数。强相关状态参数是当此状态参数异常时，可以明显判断出故障原因，弱相关状态参数是指当此状态参数异常时难以明显判断出故障原因。对于强相关状态参数，初始赋值接近1的数值。而弱相关状态参数，初始概率异常赋值0.5。数据库初始赋值后，此数据库即开始使用，之后每一次故障案例均写入一条故障数据。如图5所示，在一个示例中，执行操作1、元件1发生故障1时，状态参数1、2、…、n(正常或非正常)。这些故障数据积累一定时间周期后，由后台程序重新计算执行操作1、元件1发生故障1时，状态参数1、2、…、n非正常发生的概率。此更新不断迭代，应用经典数学工具，依靠大数据可以使相关的概率计算越来越准确。

故障判断模块是整个装置的应用终端，可以是分离的手持式终端或随车安装的处理终端，主要实现故障概率计算和故障主动反馈两部分功能。一方面，根据数据分析模块提供的故障树分析数据库，在液压系统故障时，通过参数非正常的概率逐一计算不同故障的发生概率，将计算结果统一按照一个标准(例如故障概率≥0.75)进行输出，并按照故障发生概率从大到小排列，指导售后服务人员或客户在信息指引下排查故障。例如，根据多个状态数据以及故障树分析数据库确定每个故障件发生故障的概率，将概率大于预设概率的故障件确定为待排查故障件，根据概率的大小将待排查故障件进行排序，以得到故障诊断结果。另一方面，完成故障处理信息后，从故障判断模块发送至远程的数据分析模块，写入一条故障数据，并参与相关状态参数概率的更新计算。

整个装置的运作流程简述如下：发生任何故障时，由状态采集模块把故障时的状态参数同时发给数据分析模块和故障判断模块，故障判断模块基于数据分析模块提供的故障树分析数据库进行运算，给出故障诊断结果。故障真正处理完或确认后，此条故障信息又发回数据分析模块进行存储和更新数据库。积累一定数据周期后，数据分析模块把更新的数据库发给故障判断模块。

本申请实施例对于液压系统的故障诊断不是基于单条现象逻辑，而是基于大数据分析，因此不依赖人的经验，数据量越大，越准确。并且，大数据可以持续更新，同样适用于产品迭代、元件替代或液压原理更新。同时，该装置自诊断依靠程序运行，给出故障代码或故障诊断结果速度较快，且不需要拆装元器件。本申请实施例的装置的判断结论本身也是一种数据，故可以用于整机产品的一些智能控制，例如安全方面的故障预处理策略等。因此，本申请的用于液压故障自诊断装置提高了液压系统故障诊断的效率和精度。

在本申请实施例中，根据多个状态数据和故障树分析数据库确定液压系统的故障诊断结果可以包括：

根据多个状态数据以及故障树分析数据库确定每个故障件发生故障的概率；

将概率大于预设概率的故障件确定为待排查故障件；

根据概率的大小将待排查故障件进行排序，以得到故障诊断结果。

具体地，故障判断模块是整个装置的应用终端，可以是分离的手持式终端或随车安装的处理终端。本申请实施例根据数据分析模块提供的故障树分析数据库，在液压系统故障时，通过参数非正常的概率逐一计算不同故障的发生概率，将计算结果统一按照一个标准(例如故障概率≥0.75)进行输出，并按照故障发生概率从大到小排列，指导售后服务人员或客户在信息指引下排查故障。在一个示例中，根据多个状态数据以及故障树分析数据库确定每个故障件发生故障的概率，例如，故障件1为50％，故障件2为75％，故障件3为90％，故障件4为80％，故障件5为40％。预设概率为75％。则，将概率大于75％的故障件确定为待排查故障件，分别为：故障件2、故障件3和故障件4，小于75％的忽略不计。按照从大到小顺序对待排查故障件进行排序得到顺序为：故障件3、故障件4、故障件2。这样，在售后服务人员或客户排查故障的时候，可以按照该顺序依次进行故障排查，提高故障排查的效率。

本申请实施例还提供一种液压系统，包括上述的用于液压故障自诊断的装置。

本申请实施例还提供一种工程机械设备，包括上述的液压系统。

以上结合附图详细描述了本申请的优选实施方式，但是，本申请并不限于上述实施方式中的具体细节，在本申请的技术构思范围内，可以对本申请的技术方案进行多种简单变型，这些简单变型均属于本申请的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本申请对各种可能的组合方式不再另行说明。

此外，本申请的各种不同的实施方式之间也可以进行任意组合，只要其不违背本申请的思想，其同样应当视为本申请所公开的内容。

Claims (10)

1.一种用于液压故障自诊断的装置，应用于液压系统，其特征在于，包括：

状态采集模块，用于获取液压系统的多个状态数据；

数据分析模块，与所述状态采集模块通信连接，用于存储所述液压系统的故障树分析数据库；

故障判断模块，与所述状态采集模块和所述数据分析模块通信连接，用于根据所述多个状态数据以及所述故障树分析数据库确定每个故障件发生故障的概率，将所述概率大于预设概率的故障件确定为待排查故障件，根据所述概率的大小将所述待排查故障件进行排序，以得到故障诊断结果，并将所述故障诊断结果发送至所述数据分析模块。

2.根据权利要求1所述的装置，其特征在于，所述状态采集模块包括：

多个状态传感器，设置于所述液压系统内，用于采集所述液压系统的多个状态数据；

第一数据发送单元，与所述多个状态传感器连接，用于将所述多个状态传感器采集的状态数据分别发送至所述数据分析模块和所述故障判断模块。

3.根据权利要求2所述的装置，其特征在于，所述多个状态传感器包括以下中的至少一者：

转速传感器、压力传感器、温度传感器、角度传感器、长度传感器、加速度传感器。

4.根据权利要求1所述的装置，其特征在于，所述状态采集模块包括：

多个状态传感器，设置于所述液压系统内，用于采集所述液压系统的多个状态数据；

多个状态传感器接口，每个状态传感器接口对应一个状态传感器；

通用传感器单元，与所述多个状态传感器接口插接，用于获取所述液压系统的多个状态传感器采集的状态数据；

第二数据发送单元，与所述通用传感器单元连接，用于将所述通用传感器单元获取的状态数据分别发送至所述数据分析模块和所述故障判断模块。

5.根据权利要求1所述的装置，其特征在于，所述数据分析模块还用于存储液压系统的工作状态参数矩阵，所述工作状态参数矩阵包括所述液压系统执行每个操作时每个状态参数对应的预设参数范围。

6.根据权利要求5所述的装置，其特征在于，所述故障树分析数据库包括多个故障件数据，每个故障件数据对应多个故障原因，每个故障原因对应多个状态参数，每个状态参数具有对应于当前故障原因的异常概率；其中，所述异常概率为在当前故障原因下，每个状态参数的数据超出所述预设参数范围的发生概率。

7.根据权利要求6所述的装置，其特征在于，所述数据分析模块还用于：

根据所述故障判断模块发送的故障诊断结果更新所述故障树分析数据库。

8.一种用于液压故障自诊断的方法，应用于液压系统，其特征在于，所述液压系统包括用于液压故障自诊断的装置，所述装置包括状态采集模块、数据分析模块和故障判断模块，所述数据分析模块与所述状态采集模块通信连接，所述故障判断模块分别与所述状态采集模块和所述数据分析模块通信连接，所述方法包括：

获取状态采集模块发送的液压系统的多个状态数据；

获取数据分析模块发送的故障树分析数据库；

根据所述多个状态数据以及所述故障树分析数据库确定每个故障件发生故障的概率，将所述概率大于预设概率的故障件确定为待排查故障件，根据所述概率的大小将所述待排查故障件进行排序，以得到故障诊断结果；

将所述故障诊断结果发送至所述数据分析模块。

9.一种液压系统，其特征在于，包括根据权利要求1至7中任一项所述的用于液压故障自诊断的装置。

10.一种工程机械设备，其特征在于，包括根据权利要求9所述的液压系统。