一种基于模糊H网与贝叶斯方法的液压泵故障诊断系统与流程

本发明涉及一种基于模糊h网与贝叶斯方法的液压泵故障诊断系统，属于液压系统的故障诊断领域。

背景技术：

随着科技的飞速发展，运用电子、计算机、人工智能等学科对液压系统进行故障诊断和状态监测，尚属较新的研究课题。由于大多数的液压系统相对规模较小，而现代的液压系统正在向高压、高精度、大功率的方向发展。因为这些大型的液压系统的液压部件是精密部件并在高压力之下使用，所以需要良好的维护保养，以防止生锈、腐蚀、污垢、油变质等等。一旦液压系统发生故障不能迅速，将导致停产，甚至会造成巨大的经济损失。因此，液压系统故障诊断作为一门实用性很强的学科，显示它的重要性。人们对液压系统的可靠性也提出了更高要求，液压元件和系统状态监测和故障诊断技术日益受到重视。

液压泵是整个液压系统的“心脏”，它是整个液压系统中的动力源，对整个系统产生决定性的影响。它结构复杂、工作时间长，所以最容易发生故障。对于液压泵，油液的清洁与否、冷却效果或者使用者水平的高低都直接影响到他的寿命，同时液压泵的性能的保持也直接影响到整个系统其他元件的寿命和系统的正常运行。所以提高系统中泵的水平，必定为液压泵早期发现和预防，液压系统系统的正常运行带来极大的好处。

模糊h网是petri网的改进型网络，在处理信息方面也与petri网类似。但是与petri网相比h网只有一种h结点(也称结点)，既能处理信息又能存储信息。其表达能力比petri网更强，更加适合于当前的诊断技术中。h网与贝叶斯相结合时，一方面弥补了贝叶斯无法实现大规模模型的缺陷，一方面让h网具有更强的学习能力。

技术实现要素：

本发明涉及一种基于模糊h网与贝叶斯方法的液压泵故障诊断系统，来改善目前诊断技术中一些不足，让工作人员完成更准确、高效的在线故障诊断。

为实现上述目的，本发明提供如下技术方案：

采用模糊h网和贝叶斯方法相结合对液压泵故障进行实时分析，使系统检测更加准确。stm32f103单片机是一款常用的增强型系列微控制器，芯片集成定时器，can，adc，spi，i2c，usb，uart，等多种功能，可以增强系统的智能化和准确性。适合用于液压泵的故障诊断系统。

对液压泵各类型故障原因进行归纳和分析，如液压泵不转，正常转动但不吸油，工作室噪声过大等因素进行详细的归纳与分析，找出导致故障的原因，以此类推找出故障的最底层原因，再进行模糊h网的建模。再将模糊h网与贝叶斯理论结合的算法写入程序中。

当液压泵系统发生故障时，各个对应的检测在传感器将所检测到信号转换为电信号，再有a/d转换器转化为数字信号传送如单片机中，由单片机对其进行系统的推理分析。键盘则作为各种功能键和数字键的处理，对单片机进行输入。之后单片机再将分析结果显示在led管上，并进行同步输出的发光报警信号，使报警装置进行发光报警。

系统包括：stm32f103单片机(101)，液压泵(102)，转速传感器(103)，温度传感器(104)，流量传感器(105)，压力传感器(106)，led显示器(107)，发光报警装置(108)，a/d转换器(109)，键盘(110)，电源电路(111)；其中液压泵(102)为诊断对象，液压泵(102)检测部位分别与转速传感器(103)、温度传感器(104)、流量传感器(105)、压力传感器(106)相连进行各项参数的检测，转速传感器(103)、温度传感器(104)、流量传感器(105)、压力传感器(106)分别与a/d转换器(109)相连接，然后将所得的模拟信号转换为数字信号由a/d转换器(109)输入stm32f103单片机(101)中，stm32f103单片机(101)再与键盘(110)、电源电路(111)、led显示器(107)、发光报警装置(108)相连；

stm32f103单片机(101)，用于系统的各个信息的接收与存储，再利用程序进行故障诊断；

转速传感器(103)，对液压泵的转速进行检测并变化为电信号；

温度传感器(104)，对液压泵的温度进行检测并变化为电信号；

流量传感器(105)，对液压泵的流量进行检测并转化为电信号；

压力传感器(106)，对液压泵系统的运行压力进行检测并转化为电信号；

led显示器(107)，对各种数字信号进行显示；

光报警装置(108)，对故障情况进行发光报警；

a/d转换器(109)，将模拟量转化为数字数字量；

键盘(110)，作为功能键和对各种数字信号进行输入；

电源电路(111)，对整个系统进行供电；

技术方案：当液压泵发生故障时，由传感器检测的信号转化为电信号，在由a/d转化器将其转化为数字信号输入给stm32f103单片机对数据进行存储和分析，在进行模糊h网与贝叶斯方法相结合的模糊贝叶斯h网的推理，在此过程中用键盘来行进输入与功能控制操作，在将推理结果反馈到led显示器上，由发光报警装置对故障进行发光报警。

贝叶斯模糊h网的推理与算法如下：

建立液压泵系统的贝叶斯模糊h网模型，来描述液压泵系统的故障传播的过程。将给出来的故障事件作为最顶层的事件，再找出事件的发生原因。同理，一直类推直到得到系统故障的最底层的原因，建立液压泵的系统的故障模型；

各命题集分别为：p1：电气线路故障；p2：溢流阀阀芯卡死；p3：电源不通；p4：泵吸油腔进入异物；p5：电气线路反接；p6：泵传动键脱落；p7：转速太低吸力不足；p8：油液黏度过高或者过低；p9：吸入管道式过滤装置堵塞；p10：吸入管道漏气；p11：油面过低；p12：泵转速太快；p13：零件磨损式损坏；p14：泵盖链接螺钉松动；p15：泵转速过低；p16：系统中有泄露；p17：吸入管道通径小；p18：泵不转；p19：液压泵转向错误；p20：液压泵吸油障碍；p21：噪声过大；p22：泵流量不足；p23：泵运转不良；p24：液压泵产生故障；

由所建立的模型可得的结点可达集(rs)、结点立即可达集(irs)以及相邻结点集(ap)，结点反向立即可达集(rirs)；

根据建立的模糊h网模型和产生规则，得到其故障所发生的途径，和其故障所发生的置信度u和阀值λ，在模糊h网中可以将相邻的两个结点看作一个模糊规则，在液压泵的模糊h网中的规则可以表示为

ifd1thend2(cf＝u1)，

d1是条件命题，d2是结论命题。首先计算初始结点p的输入强度q(p)。结点p的输入强度就是其对应的标识值q(p)＝α(p)，当α(p)＞λ时结点点火，对于任意的下一个结点可以表示为a(pm)＝u·a(pi)，p∈pi，

确定初始结点集sp，有专家经验和历史数据的到各个初始结点的故障概率a(pi)，再根据模糊h网的激发顺序确定各个故障路径li，并计算各个路径是否具有点火能力，引发故障的最高结点pn点火，将所有有能力达到系统最高结点点火路径定义为n集合。

在n集合中各由专家经验和历史数据得到的初始结点概率a(pi)为故障的先验概率，再由利用模糊h网激发的顺序，计算集合n中各个结点的强度的概率值，并找出最高结点pn的各个反向立即可达集(rirs)pmi，得到其概率a(pmi|pi)。

再利用给定的实时故障信息得到其pmi的故障概率a(pmi)，再利用贝叶斯推理公式计算其初始结点故障的后验概率

在按概率的大小将其各个初始结点的后验概率按顺序排列，所得到的前2位作为诊断结果，输出显示在故障诊断系统中。

本发明可以通过故障诊断平台，显示诊断结果情况。

本发明结合了贝叶斯推理和模糊h网，利用贝叶斯概率定律推算出诊断结果，按概率的大小给出几个故障位置，再通过故障诊断系统，显示诊断结果情况。其算法简单，诊断速度快，容错性强，利用贝叶斯方法弥补了模糊h网在故障诊断中依赖先验知识的不足，在液压泵的故障诊断中技术中具有一定的意义。

附图说明

图1是本发明专利的一种基于模糊h网与贝叶斯方法的液压泵故障诊断系统结构示意图；

图2是本发明专利的一种基于模糊h网与贝叶斯方法的液压泵故障诊断系统的贝叶斯模糊h网的算法图；

图3是本发明专利的一种基于模糊h网与贝叶斯方法的液压泵故障诊断系统的故障诊断模型图；

具体实施方式

下面将结合附图对本发明的具体实施方式进行详细说明。

图1是本发明专利的一种基于模糊h网与贝叶斯方法的液压泵故障诊断系统结构示意图。

包括：stm32f103单片机(101)，液压泵(102)，转速传感器(103)，温度传感器(104)，流量传感器(105)，压力传感器(106)，led显示器(107)，发光报警装置(108)，a/d转换器(109)，键盘(110)，电源电路(111)；其中液压泵(102)为诊断对象，液压泵(102)检测部位分别与转速传感器(103)、温度传感器(104)、流量传感器(105)、压力传感器(106)相连进行各项参数的检测，转速传感器(103)、温度传感器(104)、流量传感器(105)、压力传感器(106)分别与a/d转换器(109)相连接，然后将所得的模拟信号转换为数字信号由a/d转换器(109)输入stm32f103单片机(101)中，stm32f103单片机(101)再与键盘(110)、电源电路(111)、led显示器(107)、发光报警装置(108)相连；

stm32f103单片机(101)，用于系统的各个信息的接收与存储，再利用程序进行故障诊断；

转速传感器(103)，对液压泵的转速进行检测并变化为电信号；

温度传感器(104)，对液压泵的温度进行检测并变化为电信号；

流量传感器(105)，对液压泵的流量进行检测并转化为电信号；

压力传感器(106)，对液压泵系统的运行压力进行检测并转化为电信号；

led显示器(107)，对各种数字信号进行显示；

光报警装置(108)，对故障情况进行发光报警；

a/d转换器(109)，将模拟量转化为数字数字量；

键盘(110)，作为功能键和对各种数字信号进行输入；

电源电路(111)，对整个系统进行供电；

技术方案：当液压泵发生故障时，由传感器检测的信号转化为电信号，在由a/d转化器(109)将其转化为数字信号输入给stm32f103单片机(101)对数据进行存储和分析，在进行模糊h网与贝叶斯方法相结合的模糊贝叶斯h网的推理，在此过程中用键盘来行进输入与功能控制操作，在将推理结果反馈到led显示器(107)上，由发光报警装置(108)对故障进行发光报警。

图2是本发明专利的一种基于模糊h网与贝叶斯方法的液压泵故障诊断系统的贝叶斯模糊h网的算法图。

贝叶斯模糊h网的推理与算法如下：

在步骤201，建立液压泵系统的贝叶斯模糊h网模型，来描述液压泵系统的故障传播的过程。将给出来的故障事件作为最顶层的事件，再找出事件的发生原因。同理，一直类推直到得到系统故障的最底层的原因，建立液压泵的系统的故障模型；

图3发明专利的一种基于模糊h网与贝叶斯方法的液压泵故障诊断系统的故障诊断模型图，各命题集分别为：p1：电气线路故障；p2：溢流阀阀芯卡死；p3：电源不通；p4：泵吸油腔进入异物；p5：电气线路反接；p6：泵传动键脱落；p7：转速太低吸力不足；p8：油液黏度过高或者过低；p9：吸入管道式过滤装置堵塞；p10：吸入管道漏气；p11：油面过低；p12：泵转速太快；p13：零件磨损式损坏；p14：泵盖链接螺钉松动；p15：泵转速过低；p16：系统中有泄露；p17：吸入管道通径小；p18：泵不转；p19：液压泵转向错误；p20：液压泵吸油障碍；p21：噪声过大；p22：泵流量不足；p23：泵运转不良；p24：液压泵产生故障；

在步骤201，由所建立的模型可得的结点可达集(rs)、结点立即可达集(irs)以及相邻结点集(ap)，结点反向立即可达集(rirs)；

在步骤202，根据建立的模糊h网模型和产生规则，得到其故障所发生的途径，和其故障所发生的置信度u和阀值λ，在模糊h网中可以将相邻的两个结点看作一个模糊规则，在液压泵的模糊h网中的规则可以表示为

ifd1thend2(cf＝u1)，

d1是条件命题，d2是结论命题。首先计算初始结点p的输入强度q(p)。结点p的输入强度就是其对应的标识值q(p)＝α(p)，当α(p)＞λ时结点点火，对于任意的下一个结点可以表示为a(pm)＝u·a(pi)，p∈pi，

在步骤203，确定初始结点集sp，有专家经验和历史数据的到各个初始结点的故障概率a(pi)，再根据模糊h网的激发顺序确定各个故障路径li，并计算各个路径是否具有点火能力，引发故障的最高结点pn点火，将所有有能力达到系统最高结点点火路径定义为n集合。

在步骤204，在n集合中各由专家经验和历史数据得到的初始结点概率a(pi)为故障的先验概率，再由利用模糊h网激发的顺序，计算集合n中各个结点的强度的概率值，并找出最高结点pn的各个反向立即可达集(rirs)pmi，得到其概率a(pmi|pi)。

在步骤205，再利用给定的实时故障信息得到其pmi的故障概率a(pmi)，再利用贝叶斯推理公式计算其初始结点故障的后验概率

在步骤206，在按概率的大小将其各个初始结点的后验概率按顺序排列，所得到的前2位作为诊断结果，输出显示在故障诊断系统中。

本实发明可以通过故障诊断平台，显示诊断结果情况。

本实发明结合了贝叶斯推理和模糊h网，利用贝叶斯概率定律推算出诊断结果，按概率的大小给出几个故障位置，再通过故障诊断系统，显示诊断结果情况。其算法简单，诊断速度快，容错性强，利用贝叶斯方法弥补了模糊h网在故障诊断中依赖先验知识的不足，在液压泵的故障诊断中技术中具有一定的意义。