技术特征：
1.一种基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述方法包括以下步骤：步骤1，确定油液光谱特征参数的失效阈值：采用粒子群算法-支持向量机对油液光谱数据进行概率密度估计，获得概率密度函数，对概率密度函数进行积分，得到光谱特征参数的概率分布，再通过动态权值确定光谱特征参数的失效阈值，即预警值与危险值；步骤2，光谱特征参数预测：在履带车辆动力装置油液检测数据中加入检测时间间隔参数进行归一化处理，进而时序重构，然后采用门控循环单元gru模型对光谱特征参数进行预测，最后将预测结果与失效阈值进行对比，若预测结果大于失效阈值，则进行故障预警。2.如权利要求1所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，按照动力装置的故障严酷度与危害度将失效阈值分为两种，即预警值与危险值；其中，预警值是指一般故障对应的光谱特征参数值，危险值是指严重故障对应的光谱特征参数值。3.如权利要求2所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述步骤1中，利用正态分布3σ原则确定所述动态权值，使失效阈值随光谱特征参数的样本量动态改变，结合光谱特征参数的概率分布，确定光谱特征参数的失效阈值。4.如权利要求3所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述步骤1中，所述光谱特征参数的概率分布是根据油液实测光谱数据，利用粒子群算法-支持向量机构建的概率分布函数。5.如权利要求4所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述步骤1中，所述粒子群算法-支持向量机中，利用粒子群算法pso对核参数σ以及惩罚参数c进行优化，pso种群大小设置范围为40～50，算法终止条件为达到最大迭代次数。6.如权利要求5所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述迭代次数设置为1000～1500。7.如权利要求5所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述核参数σ以及惩罚参数c的取值范围分别是0.5～2和0.1～0.9。8.如权利要求1所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述步骤2中，所述门控循环单元gru模型的输入为经归一化处理的连续5组光谱特征参数检测值、检测时间间隔和补油量。9.如权利要求8所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述归一化处理的数学模型为：z
i
表示归一化后的输入向量，z
′
i
表示归一化之前的输入向量，为z
′
i
的平均值，σ
z
为z
′
i
的标准差。10.如权利要求8所述的基于油液光谱分析的履带车辆动力装置故障预警方法，其特征在于，所述门控循环单元gru模型用于根据实测光谱特征参数值，以10摩托小时为步长，依次迭代计算包含连续5组的输入向量，获得后续检测时刻光谱特征参数预测值。
技术总结
本发明属于履带车辆动力装置故障预警技术领域，具体涉及一种基于油液光谱分析的履带车辆动力装置故障预警方法，包括：(1)用粒子群算法-支持向量机对油液光谱数据进行概率密度估计，将概率密度函数进行积分得到该元素浓度的概率分布，结合动态权值确定光谱特征参数预警值和危险值；(2)通过在数据中加入补油量和检测时间间隔实现数据重构，对数据进行归一化处理后采用门控循环单元GRU预测模型对光谱特征参数进行预测，将预测曲线与预警值、危险值进行比较，从而实现故障分级预警。本发明具有较强的工程适用性，实现了光谱特征参数的阈值分类界定与分级预警的目的，该方法合理简便，为同类故障预警问题提供了方法依据。为同类故障预警问题提供了方法依据。为同类故障预警问题提供了方法依据。
技术研发人员：李孟伟 张忠 柳月 鲍珂 王秋芳 赵金龙 杨征葳
受保护的技术使用者：中国北方车辆研究所
技术研发日：2022.03.10
技术公布日：2022/6/7