热门关键词:

基于动态PCA及GMM的挖掘机液压系统故障检测方法研究

  • 该文件为pdf格式
  • 文件大小:830.53KB
  • 浏览次数
  • 发布时间:2014-09-17
文件介绍:

本资料包含pdf文件1个,下载需要1积分

基于人工智能的诊断方法已成为液压系统故障诊断的重要方法之-。GMM是-种非监督学习方法 J,其目标是发现输入数据的族或分组,进行聚类 ,并以概率的形式表现出来。在用 GMM方法建立挖掘机液压系统故障检测模型前,为了 完整地获得挖掘机液压系统的运行状态,通常采用多测点、多传感器的采集方式,这就需要采用多元统计分析的方法来对多维测量数据进行分析处理,提取状态特征 J。PCA是多元统计分析中常用的多维数据分析方法 ,可以将高维数据投影到能够准确表征原数据的低维空间中,在数据压缩 中有着广泛 的应用。传统 的PCA方法首先假定数据时序无关,而挖掘机的运行过程数据-般在时间上序列相关 ,这样就使得传统 PCA方法所得到的主元不能真实地反应数据的动态特性。为解决该问题,Ku 等学者提出了 DPCA,用时滞数据增广阵进行主元分析以获取数据的动态联系信息。

本文将动态 PCA及 GMM相结合,首先用动态 PCA方法将多维数据压缩至-维,分别建立训练样本集和检验样本集,然后运用 GMM方法建立挖掘机液压系统的故障检测模型。经过实验检验,该方法对挖掘机液压系统故障检测是有效的。

1 故障检测策略、方法及步骤1-1 挖掘机液压系统拈化与基本回路分析(图 1)挖掘机液压系统由斗杆液压回路、动臂液压回路、铲斗液压回路、回转液压回路、行走液压回路等多个子系统回路构成。这些子系统回路可以按液压元件分解成为液压泵模块、多路阀拈、执行机构拈~子系统回路分解成为液压元件拈,其结构具有相似性。贺湘宇 提出可以将挖掘机液压系统故障检测转化为研究-个基本的液压回路的故障检测,然后推广到各个子系统回路当中。本文亦采取这种策略,以斗杆液压基本 回路为研究对象进行故障检测研究。

图 1 挖掘机液压系统基本回路结构图作者简介:于达(1989-),男 ,山东济南人,硕士研究生 ,主要研究方向为机械装备机电- 体化。

Machine Building留Automation,JH 2013,42(3):135138 ·135·· 信息技术 · 于达,等 ·基于动态PCA及 GMM的挖掘机液压 系统故障检测方法研究1.2 故障检测方法及步骤首先运用动态 PCA方法将挖掘机液压系统第 i次运行时采集的多维数据降至-维数据 ,,进行 m次实验,获得训练样本集 ” , ,, ,同时用同样的方法建立检验样本集;其次运用 GMM方法对训练样本集进行分析处理,建立挖掘机液压系统故障检测模型 ,用检验样本集对模型进行检验,并对误差进行分析,调整模型直到误差控制在合理范围内。

2 动态 PCA方法2.1 PCA方法PCA方法可以将高维数据投影到能够准确表征原数据的低维空间中,可以分析大量测量数据的相关性,并能提取重要的系统特征,使获得的低维数据很好的反映原变量所提供的信息,通过对新变量的分析即可达到解决问题的目的。

从几何角度上看,PCA是-种投影方法,目的是找到- 个从原 n维输入空间到新的k(k

2.2 动态 PCA方法PCA方法能够有效分析变量问的相关性问题,但是对于时序相关性却无能为力 ,这就需要对观测向量进行扩展。动态 PCA方法在分析数据中引入了时滞数据增广矩阵。对于动态系统,变量的当前值与过去值相关 ,因此采用时滞数据增广矩阵X(s)进行分析,如下式所示:(s)[ (t), (t-1),·-, (t-s)]其中s为时滞长度,X(t-S)为 t-S时刻的 n维变量矢量。

传统 PCA方法是对矩阵 进行特征值分解 ,动态 PCA则是对时滞增广矩阵X( )进行特征值分解。

时滞长度的确定方法有两种,1)结合平行分析和得分的自相关互相关检验来确定时滞长度 J,2)按照动态系统辨识中的定阶方法如 AIC及 BIC准侧来确定系统阶次 。

3 GMM 方法及 EM 算法3.1 高斯混合模型高斯混合模型(Gaussian mixture models,GMM)是-种软分配聚类”方法,它假设数据集是 由-个潜在的混合概率分布产生的,而每个高斯分量表示-个不 同的聚类。

对于包含 k个高斯成分的 GMM模型,观测向量 的概率密度可以表示为下式 :kP( 0 ) g( 10 )其中:g( 10 )是第 i个混合分量 ,0 是它的参数, 表示k第 i个混合分量的系数,满足∑ 1。

对于高斯混合分布,第 i个分量 g( 0 )的多元高斯密度函数可由下式表示 :g( 10 )(2w)i l∑ [-÷( )∑l(0 : .∑ 为第 i个分量的参数集 ,即均值向量 和协方差矩阵∑ 。

3.2 EM 算法EM算法就是根据已知的样本序列(训练样本),估计出模型的混合权值、各个单高斯分布的均值矢量及协方差矩阵等参数,使 GMM能最佳地表示样本的分布概率。这- 过程叫模型的训练 ,用 EM算法来完成。

对数似然函数定义如下式所示 :logL(71, ) 荟l0g(荟 g(ty10 ))EM算法通过不断重复 E-step和 M-step直到对数似然函数收敛到-定阀值。给定初始值 , ,∑ ),E-step和 M-step如下式所示:E-step;1 、 ∞ g(tj ,∑P㈣(c塞v.60(t) /、0 ,∑ ))M-step;荟 (C Itj)) - - - ∑P (C l )高P。(c its)(tj-/z )(tj-g )P (C )薹P (C Itj)∞ - - - 4 实验方案设计4.1 挖掘机实验平台及实验信号测量仪器本文中的实验平台是湖南 山河智能机械股份有限公司生产的 SWE17E-ED型挖掘机,如图 2所示 ,工作装置部分主要由大臂、斗杆、铲斗、大臂油缸、斗杆油缸、铲斗油缸以及连杆机构组成。

信号测量仪器为高性能压力传感器,测量范围为 0-600 Bar,输 出为 4-20 mA的模拟电流信号 ,外形如图 3所示 。

· 136· htp:/ZZHD.chinajourna1.net.cn E-mail:ZZHD###chainajourna1.net.cn《机械制造与自动化》

正在加载...请等待或刷新页面...
发表评论
验证码 验证码加载失败