一种飞机轴向柱塞泵的故障检测方法及检测系统与流程

本发明是一种飞机轴向柱塞泵的故障检测方法及检测系统，属于故障智能检测领域。

背景技术

飞机轴向柱塞泵的故障检测，目前采用定期维修方式，即工作时间达到规定的小时数后，进行维修和更换，是一种缺乏科学性的维修方法，不但无法发挥产品的最大效能，而且使产品的维修成本居高不下。由于飞机轴向柱塞泵所安装的监测手段有限，工作环境复杂，负载经常变化，现有故障检测手段大多采用事后检查或人工拆解方式，故障检测过程复杂，不确定因素多，故障检测易受人为因素影响，故障检测精度低下，而且无法实现故障检测的自动化，大大降低的故障检测效率，无法达到视情维修对故障检测技术的需求。

技术实现要素：

本发明的目的是提供一种飞机轴向柱塞泵的故障检测方法及检测系统，以实现飞机轴向柱塞泵故障的自动检测，提高故障检测的效率和准确度。

为实现上述目的，本发明提供了如下方案：

本发明技术方案提供了一种飞机轴向柱塞泵的故障检测方法，其特征在于：该方法的步骤如下：

步骤一、建立飞机轴向柱塞泵的故障数据库，该故障数据库包括故障对应的设备参数信息、故障症兆信息、历史故障案例及故障维修方案；

步骤二、测量待检飞机轴向柱塞泵的参数信息，所述参数信息包括出口压力、壳体温度、泄油流量、油液污染度、壳体轴向振动参数和壳体径向振动参数；

步骤三、对步骤二得到的参数信息剔除异常点后进行数据平滑处理，再去除趋势项，得到处理后的参数信息；

步骤四、根据步骤三得到的处理后参数信息和步骤一得到的飞机轴向柱塞泵的故障数据库，采用推理机获得待检飞机轴向柱塞泵的故障信息，该待检飞机轴向柱塞泵的故障信息包括故障种类、故障部位、故障发生时间和故障原因。

步骤一所述的飞机轴向柱塞泵的故障数据库的的管理包括数据的输入、修改、删除和查询；另外，步骤一所述的飞机轴向柱塞泵的故障数据库的的维护包括数据的一致性、冗余性和完整性的检查。

步骤一所述的飞机轴向柱塞泵的故障数据库是采用神经网络自学习方法构建，并具有自适应修正功能。

所述采用神经网络自学习方法构建所述飞机轴向柱塞泵的故障数据库包括采用时、频域分析方法，对故障对应的设备参数信息进行整理，获得特征图形，根据特征图形确定故障的症兆信息。

步骤四所述的采用推理机获得待检飞机轴向柱塞泵的故障信息的方法中包括：

获取推理机的子函数和推理规则，根据推理机子函数和推理规则，采用深度优先的搜索方法获取所述故障数据库中匹配的客体；

获取所述客体对应的故障信息；

将所述客体对应的故障信息确定为待检飞机轴向柱塞泵的故障信息。

步骤四所述的采用推理机获得待检飞机轴向柱塞泵的故障信息的方法中包括：

根据故障信息和飞机轴向柱塞泵的故障数据库获得故障维修建议，所述故障维修建议包括维护方式、备件需求、维修工具及对上一级系统功能的影响。

本发明技术方案还提供了一种采用所述的飞机轴向柱塞泵的故障检测方法的检测系统，其特征在于：所述系统包括：

故障数据库获取模块(1)，用于获取飞机轴向柱塞泵的故障数据库，所述故障数据库包括每类故障对应的设备参数信息、故障症兆信息、历史故障案例及故障维修方案；

参数信息获取模块(2)，用于获取所述飞机轴向柱塞泵的参数信息，所述参数信息包括所述飞机轴向柱塞泵的出口压力、壳体温度、泄油流量、油液污染度、壳体轴向振动参数和壳体径向振动参数；

预处理模块(3)，用于对所述参数信息进行预处理，获得处理后的参数信息；

故障信息获取模块(4)，用于根据所述处理后的参数信息和所述故障数据库，采用推理机获得所述飞机轴向柱塞泵的故障信息，所述故障信息包括故障种类、故障部位、故障发生时间和故障原因；

故障数据库构建模块(5)，用于采用神经网络自学习方法构建所述故障数据库；

自适应修正模块(6)，用于对构建的所述故障数据库进行自适应修正。

所述故障信息获取模块(4)包括：

推理机子函数和推理规则获取单元(7)，用于获取推理机的子函数和推理规则；

匹配单元(8)，用于根据所述处理后的参数信息根据推理机子函数和推理规则，采用深度优先的搜索方法获取所述故障数据库中匹配的客体；

客体对应的故障信息获取单元(9)，用于获取所述客体对应的故障信息；

飞机轴向柱塞泵的故障信息确定单元(10)，用于将所述客体对应的故障信息确定为所述飞机轴向柱塞泵的故障信息。

本发明所述技术方案的优点是：

使用本发明的方法，能够实现故障诊断过程的自动化，提高故障诊断准确度，减少人为因素对故障诊断结果的影响，故障诊断过程简单，故障诊断效率高，诊断结果可信度高，维修建议合理可行，知识库扩展方便，方法简单，技术实用。

附图说明

图1为本发明方法的流程示意图

图2为本发明方法中基于神经网络的自学习过程示意图

图3为本发明方法中基于规则的推理过程示意图

图4为本发明方法中基于深度优先的搜索算法的流程示意图

图5为采用本发明方法的飞机轴向柱塞泵的故障检测系统的结构示意图

具体实施方式

以下将结合附图实施例对本发明所述技术方案作进一步地详述：

参见附图1所示，该种飞机轴向柱塞泵的故障检测方法的步骤如下：

步骤一、获取飞机轴向柱塞泵的故障数据库。所述故障数据库包括每类故障对应的设备参数信息、故障症兆信息、历史故障案例及故障维修方案。故障数据库其实通常称之为领域专家知识库，包括诊断对象知识(包括设备参数信息、故障症兆信息)、历史故障案例和维修方案多种知识形式，采用基于规则的知识表示形式对专家知识进行存储，便于推理机进行调用。专家知识库存储按基于规则的专家知识表示结构进行存储，每条知识存储一行，各信息块之间均以逗号分隔。

对于专家知识库(故障数据库)的操作，包括对知识库进行管理和维护，具体的包括知识(数据)的输入、修改、删除和查询等管理功能，还包括对知识(数据)的一致性、冗余性和完整性检查等维护功能。这些功能为领域专家提供了很大方便，使得他们不必了解知识库中知识表示形式即能够建立知识库并对其进行修改和扩充，大大提高了系统的可扩充性。

对于故障数据库(专家知识库)的构建过程，采用神经网络自学习方法构建，并对构建的所述故障数据库进行自适应修正。

构建故障数据库的过程中，包括故障症兆信息的获取，具体采用时、频域分析方法，对设备对应的参数信息进行分析，获得分析后的结果；根据所述分析后的结果绘制特征图形；根据所述特征图形确定故障的症兆信息，并将症兆信息对应存储与故障数据库中。故障症兆获取可以通过时域有效值、时域均值、自功率谱和小波频带能量方法绘制各种特征图形，获取症兆事实。通过编制程序可以实现对液压泵故障症兆的自动提取。

步骤二、获取所述飞机轴向柱塞泵的参数信息。所述参数信息包括所述飞机轴向柱塞泵的出口压力、壳体温度、泄油流量、油液污染度、壳体轴向振动参数和壳体径向振动参数。通过安装在轴向柱塞泵上的传感器采集相应的数据，可以获得飞机轴向柱塞泵的具体参数信息。

步骤三、对所述参数信息进行预处理，获得处理后的参数信息。状态参数的预处理方法包括剔除异常点、数据平滑和去除趋势项三种方法。通过编制程序可以实现对液压泵采集参数的自动预处理。

步骤四、根据所述处理后的参数信息和所述故障数据库，采用推理机获得所述飞机轴向柱塞泵的故障信息。所述故障信息包括故障种类、故障部位、故障发生时间和故障原因。推理过程中，需要获取推理机的子函数和推理规则；根据所述处理后的参数信息根据推理机子函数和推理规则，采用深度优先的搜索方法获取所述故障数据库中匹配的客体；获取所述客体对应的故障信息；将所述客体对应的故障信息确定为所述飞机轴向柱塞泵的故障信息。本发明采用的基于规则的推理策略，包括正向推理、反向推理及正反向混合推理三种方式。

获得所述飞机轴向柱塞泵的故障信息之后，将故障信息反馈给检测的工作人员，同时系统根据故障信息和故障数据库获得故障维修建议，故障维修建议包括维护方式、备件需求、维修工具及对上一级系统功能的影响，将故障维修建议一并反馈至工作人员。所述推理过程的解释按照时间次序将每步推理所依据的规则及结论显示给用户。得到的故障信息即为诊断结果，诊断结果的输出以表格式形式将故障种类、故障部位、故障发生时间及以报告形式将故障原因等信息输出，从而体现出专家系统推理过程的透明性。报告输出形式有屏幕显示和打印机输出两种方式。

图2为本发明飞机轴向柱塞泵的故障检测方法中基于神经网络的自学习过程示意图。如图2所示，对于故障数据库(专家知识库)的构建，采用神经网络自学习方法构建，并对构建的所述故障数据库进行自适应修正。

神经网络自学习的主要功能是开发、丰富知识并对知识库进行及时修正。可优化知识库中的诊断知识，并根据诊断结果的有效性，对知识库进行自适应修正，以提高诊断结果的准确度和诊断效率。系统诊断一个故障后，其症兆、规则和诊断结论作为作为一个样本经专家确认后将记录下来。专家系统的学习功能由神经网络负担，这样可以大大提高该专家系统的学习效率和诊断准确度。专家系统提供的知识经过神经网络的反复学习，在学习训练过程中不断修正各连接权值，直到性能满足要求为止。

学习过程为首先选取比率参数r，然后进行下列过程直至性能满足要求为止。

第一步：对于每一训练(采样)输入：

①计算所得输出。

②按下式计算输出节点的值

βz＝dz-oz

③按下式计算全部其他节点

④按下式计算全部权值变化

δwij＝roioj(1-oj)βj

第二步：对于所有训练(采样)输入，对权值变化求和，并修正各权值。

权值变化与输出误差成正比，作为训练目标输出中能逼近1或0两值，而绝不可能达到1和0值。因此，当采用1作为目标值进行训练时，所有输出实际上呈现出大于0.9的值；而当采用0作为目标值进行训练时，所有输出实际上呈现出小于0.1的值。

图3为本发明飞机轴向柱塞泵的故障检测方法中基于规则的推理过程示意图。如图3所示，图中i表示循环次数，t表示规则库中规则总数。基于规则的推理策略包括正向推理、反向推理及正反向混合推理三种方式。诊断推理是指依据一定的原则从已有症兆事实推出诊断对象存在的故障的过程。基于规则的推理过程为系统读取知识库，不断地调用推理机子函数及知识库规则找到匹配的客体，从而实现故障推理。基于规则的推理方法在进行问题求解时，系统即从知识库中寻找与之匹配的规则，若能找到完全匹配的条件，系统就会按照以前的求解思路去解决给定的问题；若找不到完全匹配的实例，就会找到一个类似的条件规则，并对其进行适当的修正，以满足当前的要求，同时将这个解存储到知识库中，若以后遇到同样的问题，系统就不会重复上述步骤，而是直接得到一个完全匹配的解。

设待诊断实例d与程序库中的某个规则c相似，其相似度为：

式中，rs表示实例d与规则c的相似度；n表示融合d与c中初始症兆

'

的最大数目；xi和xi分别表示事例d与规则c的初始症兆集的各个初始症兆的置信度。若考虑权重因素的影响，则相似度可由

确定，式中wi为权重因子，且

在事例匹配的过程中，为防止得到不可靠的结论，应设置一个阈值(假设为0.6)，只有当事例初始症兆的各项事实的置信度的均值大于该阈值时，才能进行相似度计算。

推理过程的解释按照时间次序将每步推理所依据的规则及结论显示给用户。负责回答用户提出的各种问题，它是实现专家系统透明性的关键部分。可以解释各种诊断结果的推理实现过程，并能解释索取各种信息的必要性等。解释系统能把程序设计者的思想及专家的推理思想显示给用户。本申请中采用深度优先的搜索方法获取故障数据库中匹配的客体。如图4所示，图4为本发明飞机轴向柱塞泵的故障检测方法中基于深度优先的搜索算法的流程示意图。

图5为本发明飞机轴向柱塞泵的故障检测系统的结构示意图。如图5所示，所述故障检测系统包括：

故障数据库获取模块1，用于获取飞机轴向柱塞泵的故障数据库，所述故障数据库包括每类故障对应的设备参数信息、故障症兆信息、历史故障案例及故障维修方案；

参数信息获取模块2，用于获取所述飞机轴向柱塞泵的参数信息，所述参数信息包括所述飞机轴向柱塞泵的出口压力、壳体温度、泄油流量、油液污染度、壳体轴向振动参数和壳体径向振动参数；

预处理模块3，用于对所述参数信息进行预处理，获得处理后的参数信息；

故障信息获取模块4，用于根据所述处理后的参数信息和所述故障数据库，采用推理机获得所述飞机轴向柱塞泵的故障信息，所述故障信息包括故障种类、故障部位、故障发生时间和故障原因。所述故障信息获取模块4，具体包括：

推理机子函数和推理规则获取单元7，用于获取推理机的子函数和推理规则；

匹配单元8，用于根据所述处理后的参数信息根据推理机子函数和推理规则，采用深度优先的搜索方法获取所述故障数据库中匹配的客体；

客体对应的故障信息获取单元9，用于获取所述客体对应的故障信息；

飞机轴向柱塞泵的故障信息确定单元10，用于将所述客体对应的故障信息确定为所述飞机轴向柱塞泵的故障信息。

所述系统还包括：

故障数据库构建模块5，用于采用神经网络自学习方法构建所述故障数据库；

自适应修正模块6，用于对构建的所述故障数据库进行自适应修正。

本发明通过对轴向柱塞泵加装的传感器，获取领域专家经验，利用神经网络自学习功能不断丰富和完善知识库，利用基于规则的推理策略实现轴向柱塞泵的精确故障诊断，而且能够提出合理、有效的维修决策建议。