CN117948319A - 一种液压系统状态预测方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供一种液压系统状态预测方法、装置、设备及存储介质，涉及状态监测技术领域，方法包括：根据安装在动力元件上的多个传感器发送的运行数据，计算对应动力元件的第一特征参数；判断第一特征参数是否处于预设范围，若处于，则获取与动力元件相关联的液压联动元件的实时状态数据，并根据实时状态数据，确定液压联动元件对第一特征参数的第一影响率；通过第一影响率对第一特征参数进行修正，得到动力元件的第二特征参数；判断第二特征参数是否处于预设范围，若不处于，则确定动力元件存在故障趋势，并根据故障趋势，制定维护方案。本申请具有的技术效果是：对动力元件的状态进行预测，提前预知可能发生的故障，防止故障发生。

Description

一种液压系统状态预测方法、装置、设备及存储介质

技术领域

本申请涉及状态监测技术领域，具体涉及一种液压系统状态预测方法、装置、设备及存储介质。

背景技术

液压系统是许多重型机械和自动化设备的核心组成部分，这些系统包含多个动力元件，如液压泵和液压马达，这些元件负责生成和传输动力。在液压系统的运行过程中，动力元件的性能和状态对系统的整体性能和稳定性起着决定性的作用。然而，由于动力元件在高压力、高温度和高负载的环境中运行，经常会出现磨损、过热、泄漏等故障问题。这些问题可能导致动力元件的性能下降，甚至可能导致液压系统的完全失效。因此，对动力元件的状态进行实时监控和预测，对于保证液压系统的正常运行和延长设备的使用寿命具有极其重要的意义。

然而，现在并没有一种有效的对动力元件的状态进行预测的方法，传统的方法通常是在故障发生后才进行诊断和修复，这种被动的维护方式无法及时发现故障并防止故障的发生，当故障发生时，可能需要长时间停机维修，最终可能对生产造成重大损失。

发明内容

本申请提供一种液压系统状态预测方法、装置、设备及存储介质，用于对动力元件的状态进行预测，提前预知可能发生的故障，防止故障发生。

第一方面，本申请提供了一种液压系统状态预测方法，所述方法包括：根据安装在动力元件上的多个传感器发送的运行数据，计算对应所述动力元件的第一特征参数；判断所述第一特征参数是否处于预设范围，若所述第一特征参数处于所述预设范围，则获取与所述动力元件相关联的液压联动元件的实时状态数据，并根据所述实时状态数据，确定所述液压联动元件对所述第一特征参数的第一影响率；通过所述第一影响率对所述第一特征参数进行修正，得到所述动力元件的第二特征参数；判断所述第二特征参数是否处于所述预设范围，若所述第二特征参数不处于所述预设范围，则确定所述动力元件存在故障趋势，并根据所述故障趋势，制定维护方案。

通过采用上述技术方案，收集动力元件上的多个传感器发送的运行数据，建立与计算第一特征参数，能够比较全面地反映动力元件的工作状态。针对液压系统的元件联动影响，该方法还引入联动元件的实时状态参数，确定其对第一特征参数的影响率，从而可以对第一特征参数进行修正，得到更准确表达动力元件自身状态的第二特征参数。在获得第二特征参数后，该方法采用阈值判断的方式预测动力元件的故障状态，并据此制定维护方案，实现了对动力元件的状态进行预测，提前预知可能发生的故障，防止故障发生。

可选的，所述运行数据包括压力数据、流量数据及温度数据，所述根据安装在动力元件上的多个传感器发送的运行数据，计算对应所述动力元件的第一特征参数，包括：对所述压力数据、流量数据和温度数据进行标准化处理，得到标准数据；提取所述标准数据中的特征变量；根据所述特征变量，确定所述动力元件的第一特征参数。

通过采用上述技术方案，对这些多维度的数据进行标准化处理，可以消除不同数据之间量纲的影响，也可以减小异常数据对后续分析的干扰。利用特征提取可以降维处理，去除冗余变量，同时提炼出最能反映设备状态的几个主要特征参数。因此，根据提取的特征变量确定动力元件的第一特征参数，可以有效地减少计算量，降低状态判断的复杂度，使得后续的状态预测更加简化有效。

可选的，所述根据所述实时状态数据，确定所述液压联动元件对所述第一特征参数的第一影响率，包括：获取所述液压联动元件的实时状态数据；根据所述实时状态数据，确定所述液压联动元件的运行状态；根据所述液压联动元件的运行状态，确定所述液压联动元件对所述第一特征参数的影响关系；根据所述影响关系，计算所述第一影响率。

通过采用上述技术方案，通过获取液压联动元件的实时工作参数，判断其运行状态，并确定其对第一特征参数的影响关系，最后计算出影响率。获取实时工作参数可以全面了解联动元件的实际运行情况。确定运行状态是评估其是否正常工作的基础。影响关系反映了两个液压元件之间的动态联系，是确定影响程度的依据。计算影响率可以得到一个量化的指标来表示联动元件对特征参数的影响大小。该方案充分考虑了液压系统内部的联动机理，可以提高对液压系统动态特征的把握。相比简单判断特征参数本身的异常，引入液压联动元件的影响率，可以消除其对判断结果的干扰，提高状态预测的准确性。

可选的，所述确定所述动力元件存在故障趋势，并根据所述故障趋势，制定维护方案，包括：计算所述第二特征参数与所述预设范围之间的偏差值；若所述偏差值大于设定阈值，则根据所述偏差值的大小，预测所述动力元件存在的故障趋势；根据所述故障趋势，确定故障维护的方式和时间，生成维护方案。

通过采用上述技术方案，通过计算第二特征参数与预设范围的偏差值，判断是否异常并预测故障趋势，计算偏差值可以量化特征参数的异常程度，与预设阈值比较可以准确判定是否存在异常，偏差值越大表示故障程度越严重。根据偏差值大小精确预测动力元件的故障趋势，实现对故障的定性和定量预测。针对预测的故障趋势制定维护措施和时间，生成维护方案。该方案实现了对动力元件状态的准确判断，可以定位故障趋势，并针对性地提出维护方案，相比简单的阈值判断，它可以实现对故障程度的量化分析，对维护策略进行优化，使维护更加准确和有效。

可选的，所述根据所述故障趋势，制定维护方案之后，还包括：收集所述动力元件的历史维护数据和所述动力元件所处的液压系统的运维数据；根据所述历史维护数据中各维护措施的应用次数，得到各所述维护措施的应用次数与维护后故障率的对应关系；根据所述液压系统的运维数据，确定执行维护的最佳时间窗口期；结合所述对应关系和所述最佳时间窗口期，对所述维护方案的维护措施和维护时间进行优化，生成优化维护方案。

通过采用上述技术方案，避免维护次数过多或过少导致的系统故障率增高，也可以减少不必要的系统停机时间。同时优化后的方案还可作为新的历史数据累积，供后续方案优化之用。该方案可以持续改进维护策略，降低维护成本，减少系统停机时间，提高系统可靠性和可用性。

可选的，所述根据所述故障趋势，制定维护方案之后，还包括：对所述动力元件实施维护后，重新获取所述动力元件的运行数据；判断维护后的所述动力元件的运行数据是否出现异常，若出现所述异常，则判断所述异常与所述故障趋势所引发的异常是否一致；若所述异常与所述故障趋势所引发的异常不一致，则重新制定维护方案；若所述异常与所述故障趋势所引发的异常一致，则保留所述维护方案。

通过采用上述技术方案，在维护后重新获取运行数据，并判断是否有统计异常以验证维护效果。若出现异常，需要进一步分析异常原因，并比对原制定的故障趋势。如果两者不一致，说明该维护未能完全解决故障，需重新制定方案;如果一致，则说明维护有效，维持当前方案。该方案实现了对已实施维护的校验和评估。相比简单执行维护方案，增加了后续效果验证环节，可以检查维护质量，也为后续优化提供依据，当出现未解决故障时，能够及时更新方案而不是继续执行无效维护。

可选的，所述方法还包括：收集多个相同类型液压系统在不同工况下的大样本运行参数，以及对应所述大样本运行参数的故障样本参数；将当前动力元件的运行参数与所述大样本运行参数进行匹配，判断所述当前动力元件的实时状态参数是否处于所述故障样本参数的参数范围；若所述当前动力元件的实时状态参数处于所述故障样本参数的参数范围，则确定所述动力元件趋向相应故障状态；若所述当前动力元件的实时状态参数不处于所述故障样本参数的参数范围，则确定所述动力元件状态正常。

通过采用上述技术方案，收集同类型液压系统在不同工况下的大样本运行数据，以及对应的故障样本数据。当对动力元件进行状态预测时，将其实时状态参数与收集的样本数据进行匹配比较，判断是否接近或处于故障样本的参数范围。如果实时参数接近或处于故障样本范围，可以判断动力元件趋向对应故障状态；如果实时参数不在故障样本范围内，则判断动力元件状态正常。这种基于实例匹配的状态判断，可以充分利用收集的运行数据和故障数据，提高判断的准确性和灵活性，同时，持续积累样本数据可以不断优化状态判断与故障预测的效果。

第二方面，本申请提供一种液压系统状态预测装置，所述装置包括：计算模块、判断模块、修正模块及调整模块；其中，所述计算模块，用于根据安装在动力元件上的多个传感器发送的运行数据，计算对应所述动力元件的第一特征参数；所述判断模块，用于判断所述第一特征参数是否处于预设范围，若处于，则获取与所述动力元件相关联的液压联动元件的实时状态数据，并根据所述实时状态数据，确定所述液压联动元件对所述第一特征参数的第一影响率；所述修正模块，用于通过所述第一影响率对所述第一特征参数进行修正，得到所述动力元件的第二特征参数；所述调整模块，用于判断所述第二特征参数是否处于所述预设范围，若不处于所述预设范围，则确定所述动力元件存在故障趋势，并根据所述故障趋势，制定维护方案。

通过采用上述技术方案，收集动力元件上的多个传感器发送的运行数据，建立与计算第一特征参数，能够比较全面地反映动力元件的工作状态。针对液压系统的元件联动影响，该方法还引入联动元件的实时状态参数，确定其对第一特征参数的影响率，从而可以对第一特征参数进行修正，得到更准确表达动力元件自身状态的第二特征参数。在获得第二特征参数后，该方法采用阈值判断的方式预测动力元件的故障状态，并据此制定维护方案，实现了对动力元件的状态进行预测，提前预知可能发生的故障，防止故障发生。

第三方面，本申请提供一种电子设备，采用如下技术方案：包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任一种液压系统状态预测方法的计算机程序。

第四方面，本申请提供一种计算机可读存储介质，采用如下技术方案：存储有能够被处理器加载并执行上述任一种液压系统状态预测方法的计算机程序。

综上所述，本申请包括以下至少一种有益技术效果：

1.实现了对动力元件的状态进行预测，提前预知可能发生的故障，防止故障发生；

2.实现了对动力元件状态的准确判断，可以定位故障趋势，并针对性地提出维护方案，相比简单的阈值判断，它可以实现对故障程度的量化分析，对维护策略进行优化，使维护更加准确和有效。

附图说明

图1是本申请实施例提供的一种液压系统状态预测方法的流程示意图；

图2是本申请实施例提供的一种液压系统状态预测装置的结构示意图；

图3是本申请实施例提供的一种电子设备的结构示意图。

附图标记说明：1000、电子设备；1001、处理器；1002、通信总线；1003、用户接口；1004、网络接口；1005、存储器。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

在本申请实施例的描述中，“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。

液压系统广泛应用于工程机械等领域，其运行状态直接影响设备的可靠性和安全性。传统的液压系统状态监测主要依赖人工经验判断，但随着设备自动化程度的提高，需求更加精确和智能化的状态预测和故障预警技术。已有的相关技术主要集中在液压系统的故障诊断方法上，但较少考虑多个液压元件之间的动态联动影响。因此，如何结合液压系统内多个元件的相互影响，实现动态的系统状态预测，是当前的技术难题。

本发明提供了一种液压系统状态预测方法，能够根据动力元件的运行数据，考虑液压联动元件的影响，实现对液压系统故障趋势的动态预测。

图1是本申请实施例提供的一种液压系统状态预测方法的流程示意图。应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行；除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行；并且图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本申请公开了一种液压系统状态预测方法，如图1所示，该方法包括S101-S104。

S101，根据安装在动力元件上的多个传感器发送的运行数据，计算对应动力元件的第一特征参数。

在一个示例中，动力元件包括液压泵、液压马达等，它们是液压系统的核心执行元件。为准确监测动力元件的运行状态，需要计算其运行特征参数。本实施例安装在动力元件上的多个传感器，用于实时采集动力元件的压力、流量、温度等运行数据，这些运行数据反映了动力元件的工况变化，利用这些数据计算出能够全面反映动力元件运行状态的特征参数。

为了实时监测液压系统动力元件的运行状态，需要收集其运行数据并计算出代表设备状态的特征参数。以液压泵为例，其上安装有压力传感器、流量传感器和温度传感器，可以获取压力、流量和温度的实时运行数据。这些数据可以反映泵的工作情况。例如，压力数据可以表示泵的压力状况和系统内部阻力大小；流量数据可以反映泵的输送情况；温度数据可以监测泵的热变形和密封情况。基于这些传感器数据，可以计算出液压泵的流量调节度、压力静稳性等特征参数。流量调节度指泵对系统需求压力变化的响应灵敏程度，压力静稳性反映泵的压力波动范围。这些特征参数能够综合反映液压泵的运行状态。因此，计算特征参数可以实现对动力元件运行状态的定量监测，也为后续的状态判断及故障预测奠定基础，实现智能预测维护。

第一特征参数是用于表示动力元件运行状态的一个综合参数，第一特征参数是指用于表示液压系统动力元件运行状态的一个或一组特征量。通过对动力元件的传感器运行数据进行提取和计算，可以得到这些能够代表设备运行条件的关键参数，这些参数作为第一特征参数，可以综合反映动力元件的工作情况。

在上述实施例的基础上，作为一种可选的实施例，运行数据包括压力数据、流量数据及温度数据，S101中：根据安装在动力元件上的多个传感器发送的运行数据，计算对应动力元件的第一特征参数具体包括：

对压力数据、流量数据和温度数据进行标准化处理，得到标准数据；提取标准数据中的特征变量；根据特征变量，确定动力元件的第一特征参数。

在一个可行的示例中，为获取能够准确表示液压泵状态的特征参数，需要对原始监测数据进行预处理。在计算对应所述动力元件的第一特征参数时，需要采集动力元件上的多个传感器输出的运行数据，这些运行数据包括压力数据、流量数据及温度数据。由于不同传感器的测量范围和单位可能不同，直接使用原始数据进行特征分析，会由于数据不统一带来错误。因此，需要首先对采集到的压力数据、流量数据和温度数据进行标准化处理，使其映射到数值区间[0，1]内。这样可以消除数据间的量纲影响，便于后续处理。

标准化处理后，对处理后的压力、流量和温度标准化数据进行分析，提取其中与动力元件状态特征相关的关键变量。这些关键变量即为特征变量，反映了动力元件在当前工况下的主要工作参数。例如，压力变化率、流量极值、温升曲线等都可以作为特征变量。然后，根据提取出的这些特征变量，可以计算出综合反映动力元件整体状态的第一特征参数。第一特征参数可以是特征变量的线性组合，也可以是通过某种映射函数确定的状态指标。这样，就可以客观反映动力元件在多传感器共同检测下的工作状态。

S102，判断第一特征参数是否处于预设范围，若第一特征参数处于预设范围，则获取与动力元件相关联的液压联动元件的实时状态数据，并根据实时状态数据，确定液压联动元件对第一特征参数的第一影响率。

在一个示例中，为判断动力元件的运行状态是否正常，需要确定其第一特征参数是否在正常工作范围内。第一特征参数计算自多个传感器的采集数据，能较全面地反映动力元件自身的状态，但由于液压系统中的元件互联互动，动力元件状态还会受到其他联动元件的影响，因此仅凭动力元件自身的第一特征参数不能进行准确判断。

为提高判断的准确性，判断第一特征参数是否正常是评估动力元件状态的第一步，若参数正常则需要考虑液压系统内部的动态联动效应。例如液压泵的第一特征参数为流量调节度和压力静稳性，如果两者均在正常范围内，则需要考虑泵与液压马达之间的联动影响。获取马达的实时电流、转速等运行数据，根据数据判断马达处于轻载状态，那么马达的状态将对泵的压力参数产生影响。根据两者的液压传递关系，可以得到马达的运行会使泵的压力静稳性增加5%。这样就确定了马达作为液压联动元件对泵压力参数的影响率。引入联动元件的影响率，可以消除其对泵状态判断的干扰，使得判断更准确可靠。否则，如果不考虑马达的联动影响，泵的压力静稳性增加也可能会被错误地识别为泵自身状态的异常。因此，该步骤充分考虑了液压系统的内在动态特性，可以提高状态预测的准确性。

在上述实施例的基础上，作为一种可选的实施例，S102中：根据实时状态数据，确定液压联动元件对第一特征参数的第一影响率具体包括：

获取液压联动元件的实时状态数据；根据实时状态数据，确定液压联动元件的运行状态；根据液压联动元件的运行状态，确定液压联动元件对第一特征参数的影响关系；根据影响关系，计算第一影响率。

在一个示例中，为准确评估液压联动元件对动力元件状态的影响，需要获取联动元件的实时工作参数，例如获取液压马达的实时电流和转速数据，根据其负载情况，可以判断马达处于轻载状态。该运行状态会对液压泵的压力参数产生影响。根据流体传递理论，确定马达轻载会通过液压系统的动态响应，影响泵的压力静稳性，那么可以得到马达轻载时会使泵压力静稳性增加5%的影响关系。根据这个影响关系，就可以量化计算出马达作为液压联动元件对泵压力参数的第一影响率为5%。这样，获取实时工作参数可以判断联动元件的实际状态，最终得出影响率的量化计算，该过程充分考虑了液压系统内部的动态联动特性，计算出的影响率可以直接用于参数修正，从而消除联动影响，提高状态预测的准确度。

通过确定联动元件的第一影响率，能够实现从动力元件状态中剔除联动干扰的效果，使对动力元件自身状态判断更准确，达到状态监测与故障预警的目的，提高系统健康管理水平。

S103，通过第一影响率对第一特征参数进行修正，得到动力元件的第二特征参数。

在一个示例中，在判断出液压联动元件的影响率后，需要利用该影响率对动力元件的第一特征参数进行修正，以消除联动干扰的影响。例如，液压泵的压力静稳性作为第一特征参数进行判断时被确定为异常值。但其联动的液压马达处于轻载状态，会导致泵压力静稳性升高5%。那么就可以利用马达的5%影响率，对泵的压力静稳性参数进行修正，使其减小5%。修正后的压力参数即为液压泵的第二特征参数。这样，通过第一影响率的修正，可以消除液压联动元件对参数判断的干扰，使第二特征参数更加真实地反映液压泵自身的状态，提高后续判断的准确性。否则，不考虑联动影响可能导致对液压泵状态的误判。因此，该步骤对第一特征参数进行修正非常必要，可以有效减少液压系统联动效应带来的状态预测偏差，提高判断过程的可靠性。

S104，判断第二特征参数是否处于预设范围，若第二特征参数不处于预设范围，则确定动力元件存在故障趋势，并根据故障趋势，制定维护方案。

在一个示例中，在得到消除联动影响的第二特征参数后，需要判断其是否正常来预测动力元件的状态。以液压泵为例，如果其修正后的压力静稳性参数已经超出正常范围，则可以判定液压泵存在故障趋势。为进行故障预测，可以计算压力参数与正常范围差值，若差值越大则表示故障程度越严重。根据压力参数的差值大小，可以预测液压泵存在液压部件疲劳造成的内泄故障。得到故障趋势预测后，可以判断需要更换液压密封件，并根据液压系统的安装位置和重要程度，确定在系统维护周期中提前10天进行防范性保养，制定出相应的维护方案。这样，第二特征参数的异常判断可以预测动力元件故障，针对性地提出维护措施，实现液压系统的预测维护，避免因无法判断故障趋势而造成的系统事故。因此该步骤对动力元件状态产生了确定性的预测，有利于针对性地提高系统可靠性。

在上述实施例的基础上，作为一种可选的实施例，S104中：确定动力元件存在故障趋势，并根据故障趋势，制定维护方案具体包括：

计算第二特征参数与所述预设范围之间的偏差值；若所述偏差值大于设定阈值，则根据所述偏差值的大小，预测所述动力元件存在的故障趋势；根据所述故障趋势，确定故障维护的方式和时间，生成维护方案。

在一个示例中，为实现对动力元件故障状态的定量分析，需要计算第二特征参数与正常范围的差值。例如液压泵的压力静稳性低于正常20%，则可以得到其差值为20%。将该差值与预设阈值15%比较，差值大于阈值则确定泵存在故障趋势。进而根据20%的差值大小判断泵的内部液压部件疲劳严重，会导致液压油出现内泄。根据这个趋势，可以预测液压泵将出现液压油量下降导致的失效。因此制定在系统停机维护周期时更换液压泵的液压密封件的维护方案。这样通过参数异常程度的量化分析，不仅可以判断动力元件的故障趋势，还可以对故障程度进行定量评估，并提出针对性的维护措施，生成最佳的维护方案。这实现了从状态判断到针对性维护的全流程规划，有效提高了维护的经济性和合理性。

根据故障趋势，制定维护方案之后，还包括：收集动力元件的历史维护数据和动力元件所处的液压系统的运维数据；根据历史维护数据中各维护措施的应用次数，得到各维护措施的应用次数与维护后故障率的对应关系；根据液压系统的运维数据，确定执行维护的最佳时间窗口期；结合对应关系和最佳时间窗口期，对维护方案的维护措施和维护时间进行优化，生成优化维护方案。

在一个示例中，为实现维护的经济高效，在制定维护方案后，还需要对方案进行优化。例如通过收集历史数据，统计更换液压密封件在不同液压泵上的应用次数和维护后故障率，可以得到其在高速泵上的维护效果最好。同时，根据系统的历史运行记录，确定液压系统运行需求最低的时间窗口期为每年1月份。将两部分数据综合考虑，可以对原始维护方案进行优化调整，选择在1月份对高速泵进行液压密封件的更换维护，这样可以在系统空闲期实现维护，并通过选择最合适的维护措施降低后续故障率。相比原始方案，优化后的维护方案可以充分利用历史数据提高维护针对性，合理安排维护时间窗口，降低系统停机影响。这实现了维护的精准化，可以减少不必要的系统停产时间，同时提高维护效果，降低后续故障风险。

根据故障趋势，制定维护方案之后，还包括：对动力元件实施维护后，重新获取动力元件的运行数据；判断维护后的动力元件的运行数据是否出现异常，若出现异常，则判断异常与故障趋势所引发的异常是否一致；若异常与故障趋势所引发的异常不一致，则重新制定维护方案；若异常与故障趋势所引发的异常一致，则保留维护方案。

在一个示例中，为验证维护效果，需要在对动力元件实施维护后，重新获取其运行数据并判断是否正常。假设液压泵经过更换液压密封件的维护后，重新获取其压力参数数据发现仍然异常。这个统计异常表明维护未能完全消除故障。需要比对压力参数的异常原因与原故障趋势，发现压力参数异常是因油液质量下降造成，与原内部部件疲劳损坏的趋势不一致。这说明更换密封件的维护并未消除故障根源，需要重新制定检修内部液压部件的新维护方案。这样通过对维护后数据的分析评估，可以检查维护质量，如果发现维护未能完全解决故障，可以及时调整优化方案。相比简单执行，增加了闭环式评估可以持续改进维护方案，避免未解决问题的维护造成资源浪费，提高系统可靠性。

方法还包括：收集多个相同类型液压系统在不同工况下的大样本运行参数，以及对应大样本运行参数的故障样本参数；将当前动力元件的运行参数与大样本运行参数进行匹配，判断当前动力元件的实时状态参数是否处于故障样本参数的参数范围；若当前动力元件的实时状态参数处于故障样本参数的参数范围，则确定动力元件趋向相应故障状态；若当前动力元件的实时状态参数不处于故障样本参数的参数范围，则确定动力元件状态正常。

在一个示例中，为实现更准确可靠的状态预测，可以收集大量相同类型液压系统的运行数据样本，并标注样本对应的正常或故障状态。在对某一动力元件状态进行判断时，将其实时运行参数与收集的样本数据进行匹配比较。例如液压泵的流量调节度参数接近样本数据中的内泄故障状况的范围，而与正常样本有明显差异，这表明该液压泵趋向于内泄故障状态。相反，如果实时流量调节度参数完全在正常样本范围内，可以判断该液压泵当前状态正常。这种基于实例匹配的状态判断，充分利用了大样本数据，通过寻找最相似样本的方式判断当前状态，实现简单有效的状态预测。

基于上述方法，本申请还公开了一种液压系统状态预测装置，如图2所示，图2是本申请实施例提供的一种液压系统状态预测装置的结构示意图。

一种液压系统状态预测装置，包括：计算模块、判断模块、修正模块及调整模块；其中，所述计算模块，用于根据安装在动力元件上的多个传感器发送的运行数据，计算对应所述动力元件的第一特征参数；

判断模块，用于判断第一特征参数是否处于预设范围，若第一特征参数处于预设范围，则获取与动力元件相关联的液压联动元件的实时状态数据，并根据实时状态数据，确定液压联动元件对第一特征参数的第一影响率；修正模块，用于通过第一影响率对第一特征参数进行修正，得到动力元件的第二特征参数；调整模块，用于判断第二特征参数是否处于预设范围，若不处于预设范围，则确定动力元件存在故障趋势，并根据故障趋势，制定维护方案。

需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

请参见图3，为本申请实施例提供了一种电子设备的结构示意图。如图3所示，所述电子设备1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。

其中，通信总线1002用于实现这些组件之间的连接通信。

其中，用户接口1003可以包括显示屏（Display）、摄像头（Camera），可选用户接口1003还可以包括标准的有线接口、无线接口。

其中，网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行服务器的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（ProgrammableLogic Array，PLA）中的至少一种硬件形式来实现。处理器1001可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。

其中，存储器1005可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器1005包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及一种液压系统状态预测方法的应用程序。

在图3所示的电子设备1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储一种液压系统状态预测方法的应用程序，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。

一种电子设备可读存储介质，所述电子设备可读存储介质存储有指令。当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

Claims (10)

1.一种液压系统状态预测方法，其特征在于，所述方法包括：

根据安装在动力元件上的多个传感器发送的运行数据，计算对应所述动力元件的第一特征参数；

判断所述第一特征参数是否处于预设范围，若所述第一特征参数处于所述预设范围，则获取与所述动力元件相关联的液压联动元件的实时状态数据，并根据所述实时状态数据，确定所述液压联动元件对所述第一特征参数的第一影响率；

通过所述第一影响率对所述第一特征参数进行修正，得到所述动力元件的第二特征参数；

判断所述第二特征参数是否处于所述预设范围，若所述第二特征参数不处于所述预设范围，则确定所述动力元件存在故障趋势，并根据所述故障趋势，制定维护方案。

2.根据权利要求1所述的液压系统状态预测方法，其特征在于，所述运行数据包括压力数据、流量数据及温度数据，所述根据安装在动力元件上的多个传感器发送的运行数据，计算对应所述动力元件的第一特征参数，包括：

对所述压力数据、流量数据和温度数据进行标准化处理，得到标准数据；

提取所述标准数据中的特征变量；

根据所述特征变量，确定所述动力元件的第一特征参数。

3.根据权利要求1所述的液压系统状态预测方法，其特征在于，所述根据所述实时状态数据，确定所述液压联动元件对所述第一特征参数的第一影响率，包括：

获取所述液压联动元件的实时状态数据；

根据所述实时状态数据，确定所述液压联动元件的运行状态；

根据所述液压联动元件的运行状态，确定所述液压联动元件对所述第一特征参数的影响关系；

根据所述影响关系，计算所述第一影响率。

4.根据权利要求1所述的液压系统状态预测方法，其特征在于，所述确定所述动力元件存在故障趋势，并根据所述故障趋势，制定维护方案，包括：

计算所述第二特征参数与所述预设范围之间的偏差值；

若所述偏差值大于设定阈值，则根据所述偏差值的大小，预测所述动力元件存在的故障趋势；

根据所述故障趋势，确定故障维护的方式和时间，生成维护方案。

5.根据权利要求1所述的液压系统状态预测方法，其特征在于，所述根据所述故障趋势，制定维护方案之后，还包括：

收集所述动力元件的历史维护数据和所述动力元件所处的液压系统的运维数据；

根据所述历史维护数据中各维护措施的应用次数，得到各所述维护措施的应用次数与维护后故障率的对应关系；

根据所述液压系统的运维数据，确定执行维护的最佳时间窗口期；

结合所述对应关系和所述最佳时间窗口期，对所述维护方案的维护措施和维护时间进行优化，生成优化维护方案。

6.根据权利要求1所述的液压系统状态预测方法，其特征在于，所述根据所述故障趋势，制定维护方案之后，还包括：

对所述动力元件实施维护后，重新获取所述动力元件的运行数据；

判断维护后的所述动力元件的运行数据是否出现异常，若出现所述异常，则判断所述异常与所述故障趋势所引发的异常是否一致；

若所述异常与所述故障趋势所引发的异常不一致，则重新制定维护方案；

若所述异常与所述故障趋势所引发的异常一致，则保留所述维护方案。

7.根据权利要求1所述的液压系统状态预测方法，其特征在于，所述方法还包括：

收集多个相同类型液压系统在不同工况下的大样本运行参数，以及对应所述大样本运行参数的故障样本参数；

将当前动力元件的运行参数与所述大样本运行参数进行匹配，判断所述当前动力元件的实时状态参数是否处于所述故障样本参数的参数范围；

若所述当前动力元件的实时状态参数处于所述故障样本参数的参数范围，则确定所述动力元件趋向相应故障状态；

若所述当前动力元件的实时状态参数不处于所述故障样本参数的参数范围，则确定所述动力元件状态正常。

8.一种液压系统状态预测装置，其特征在于，所述装置包括：计算模块、判断模块、修正模块及调整模块；其中，

所述计算模块，用于根据安装在动力元件上的多个传感器发送的运行数据，计算对应所述动力元件的第一特征参数；

所述判断模块，用于判断所述第一特征参数是否处于预设范围，若所述第一特征参数处于所述预设范围，则获取与所述动力元件相关联的液压联动元件的实时状态数据，并根据所述实时状态数据，确定所述液压联动元件对所述第一特征参数的第一影响率；

所述修正模块，用于通过所述第一影响率对所述第一特征参数进行修正，得到所述动力元件的第二特征参数；

所述调整模块，用于判断所述第二特征参数是否处于所述预设范围，若不处于所述预设范围，则确定所述动力元件存在故障趋势，并根据所述故障趋势，制定维护方案。

9.一种电子设备，其特征在于，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1-7任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1-7任意一项所述的方法的计算机程序。