【液压系统设备健康状态检测模型概述综述5400字】

液压系统设备健康状态检测模型概述 11.1液压系统数据集介绍 1 4 4 5 61.3液压系统设备状态检测实验 81.1.1数据预处理 8 9主要工作回路图3-1(a)和一个辅助冷却回路图3-1(b)组成17,两个回路通过油箱连接在一起。在带有主泵MP1的主回路中，可以通过溢流阀V11周期性地重复图3-1液压系统回路图冷却器故障效率下降全效率阀门小滞后重度滞后失效泵无泄漏弱泄露严重泄漏蓄能器最佳压力压力降低压力严重降低故障在2205个负载循环中，记录了包括实际传感器和虚拟传感器在内的17个维量、单位以及测量频率如表3-2。采样频率/HzPS1压力bar(标准大气压)PS2压力PS3压力PS4压力PS5压力PS6压力W℃1℃1℃1℃11%11%11.2基于深度可分离卷积的液压系统设备状态检测多输出模型通常在设备状态检测的模型中为了整合来自不同传感器表达的设备状态的特征映射进行加权组合，生成新的特征映射。逐点卷积过程的参数数量为图3-2深度卷积过程深度可分离卷积通过逐通道卷积和逐点卷积很好的解开了时间相关性和跨每种故障又有不同的严重等级，这就形成了如图3-4所示的结构，但可以确定的状态3状态2状态1图3-4系统内设备状态结构图模型结构如图3-5所示，其中多个深度可分离卷积层与池化假设训练集样本为(X,Y),其中X=[x,x₂,…,x₁₇]为一个17个特征维度的输入的信号，Y=[yc,y,yp,y。]为X所对应的液压系统内四个设备的健康状态，同时假设模型的输出为Ý=[。,],,y。],则该模型的损失函数λ定义如下其中α,β,η,μ为四个权重系数；λ。,λ,λ,λ分别对应于冷却器、阀门、泵、蓄能器四个输出的损失，各自的表达式如式3-2、式3-3、式3-4和式四个表达式中m。,m,m,m分别为冷却器、阀门、泵和蓄能器四个输出拥有的状态数量，例如冷却器拥有故障、效率是3。1.3液压系统设备状态检测实验1.1.1数据预处理得每个维度的数据量相等。因此，本文以100Hz的压力传感器数据为准，对其他维度的数据进行插值重建。例如温度传感器的采样频率为1Hz,则每个样本只有60个数据点，所以将每个数据点重复100次便可以得到100Hz的数据。一个分类标签，则共有14个标签。因为每个液压组件在每次负载循环中都会对每一个样本会对应四个标签。我们将每个样本对应的状态的标签设置为1,其他标签设置为0,以行表示每个样本，则样本与标签的对应如表3-3所示。图中前三列表示冷却器对应的状态，4到7列表示阀门的对应状态，8到10列表示泵对应的状态，最后4列表示蓄能器对应的状态。状态冷却器效率下降冷却器故障冷却器全效率阀门小滞后阀门重度滞后阀门失效阀门切换最佳内部泵弱泄露内部泵严重泄漏内部泵无泄漏蓄能器压力降低蓄能器故障蓄能器最佳压力123…0000001110000001110000000000000000011111100000000000011111100000000000000011111000合，将拥有相同的标签组合的样本归为一组，在每组中三个集对应的比例为6:2:2,最后将所有组内分属与各个集的样本分别样本整合在一起，再将其进行随机排序，由此完成三个集合的构建，其中训练集包含1337个样本，测试集包含434个样本，验证集包含434个样本。Keras是一个Python的深度学习框架191,其具有用户有好的API,支持任意的网络架构，并且易于扩展。基于1.2节的分析，使用Keras搭建了该基于深度转化为平均值为0,标准差为1的输入，紧接着经过三个堆叠的由两个深度可分等长卷积，激活函数选择ReLU函数，三个特征提取模块各层的结构参数如表编号网络层卷积核步长输出维度1卷积层112卷积层213最大池化层154卷积层3515516平均池化层227卷积层5218卷积层6219平均池化层32分类器中，全连接层也使用ReLU作为函数激活，我们使用softmax作为输出层的激活函数，该函数会将各种状态转化为0-1之间的概率值，选择概率值大的为层的各层结构参数如表3-4所示。四个输出支路分网络层编号网络层输出维度1全连接层12全连接层23输出层3阀门支路1全连接层12全连接层23输出层44输出层31全连接层1蓄能器支路2全连接层23全连接层34输出层4模型训练时的环境配置如下：GPU为GTX1050,Keras的版本为2.2.0,重系数α,β,η,μ分别取为0.5,0.5,1,1。模型优化器使用RMSprop,训练时每批的大小设置为64,训练轮次为80轮，耗时11分9秒。在模型训练的过验证损失10轮内不在下降则降低学习率为原来的十分之一，训练损失和验证损30轮到60轮训练损失下降趋势变缓，而后最后20轮训练过程中，训练损失维持检测准确率变化如图3-7所示。分析模型四个输出的准确率的变化，可知随着训识别准确率波动较大。但是在60前轮后泵和阀门状态的识别准确率有较大的提