一種基于數字孿生的液壓系統故障診斷方法及系統技術方案

本發明專利技術公開了一種基于數字孿生的液壓系統故障診斷方法及系統，該方法包括：獲取基于數字孿生的液壓系統的故障數據信息；利用故障診斷模型對故障數據信息進行處理，得到目標故障概率信息；故障診斷模型包括輸入層、第一特征提取模型、第二特征提取模型、概率計算模型；第一特征提取模型和第二特征提取模型并行連接于輸入層和概率計算模型；對目標故障概率信息進行故障類別識別處理，得到基于數字孿生的液壓系統對應的故障類別信息?？梢?，本發明專利技術有利于提高故障診斷準確性，進而提高基于數字孿生的液壓系統運營維護效率，提升系統的整體效能。能。能。

【技術實現步驟摘要】
一種基于數字孿生的液壓系統故障診斷方法及系統


[0001]本專利技術涉及人工智能
，尤其涉及一種基于數字孿生的液壓系統故障診斷方法及裝置。

技術介紹

[0002]基于數字孿生的液壓系統可以實時通過虛擬模型監控物理實體的狀態、行為等，提高對物理實體的管控效率。但由于元件輔件質量不穩定、維護不當等原因，液壓系統的故障時有發生，且元件在封閉油路中難以及時發現故障所在。因此，提供一種基于數字孿生的液壓系統故障診斷方法及裝置，以提高故障診斷準確性，進而提高基于數字孿生的液壓系統運營維護效率，提升系統的整體效能。

技術實現思路

[0003]本專利技術所要解決的技術問題在于，提供一種基于數字孿生的液壓系統故障診斷方法及系統有利于提高故障診斷準確性，進而提高基于數字孿生的液壓系統運營維護效率，提升系統的整體效能。
[0004]為了解決上述技術問題，本專利技術實施例第一方面公開了一種基于數字孿生的液壓系統故障診斷方法，所述方法包括：
[0005]獲取基于數字孿生的液壓系統的故障數據信息；
[0006]利用故障診斷模型對所述故障數據信息進行處理，得到目標故障概率信息；所述故障診斷模型包括輸入層、第一特征提取模型、第二特征提取模型、概率計算模型；所述第一特征提取模型和所述第二特征提取模型并行連接于所述輸入層和所述概率計算模型；
[0007]對所述目標故障概率信息進行故障類別識別處理，得到所述基于數字孿生的液壓系統對應的故障類別信息。
[0008]作為一種可選的實施方式，在本專利技術實施例第一方面中，所述利用故障診斷模型對所述故障數據信息進行處理，得到目標故障概率信息，包括：
[0009]利用所述輸入層對所述故障數據信息進行數據對構建，得到目標故障數據對信息；所述目標故障數據對信息包括第一故障數據對數據信息和第二故障數據對信息；所述第一故障數據對數據信息包括N個第一故障數據對信息；所述第二故障數據對信息包括所述N個與所述第一故障數據對信息相對應的第二故障數據對信息；所述N為大于等于5的正整數；
[0010]利用所述第一特征提取模型和所述第二特征提取模型對所述目標故障數據對信息進行特征提取，得到目標故障特征信息；所述目標故障特征信息包括第一目標故障特征信息和第二目標故障特征信息；每個所述第一目標故障特征信息和所述第二目標故障特征信息均包含1個第一特征向量和1個第二特征向量；
[0011]利用所述概率計算模型對所述目標故障特征信息進行計算處理，得到目標故障概率信息。
[0012]作為一種可選的實施方式，在本專利技術實施例第一方面中，所述利用所述第一特征提取模型和所述第二特征提取模型對所述目標故障數據對信息進行特征提取，得到目標故障特征信息，包括：
[0013]利用所述第一特征提取模型和所述第二特征提取模型對所述第一故障數據對數據信息進行特征提取，得到所述第一目標故障特征信息；所述第一目標故障特征信息包括第一提取特征信息和第二提取特征信息；
[0014]利用所述第一特征提取模型和所述第二特征提取模型對所述第二故障數據對數據信息進行特征提取，得到所述第二目標故障特征信息。
[0015]作為一種可選的實施方式，在本專利技術實施例第一方面中，所述第一故障數據對信息包括依次分布的故障樣本信息和所述故障數據信息；所述故障樣本信息是預置于所述輸入層的帶有故障類別標簽的故障數據；
[0016]所述利用所述第一特征提取模型和所述第二特征提取模型對第一故障數據對數據信息進行特征提取，得到所述第一目標故障特征信息，包括：
[0017]對于任一所述第一故障數據對信息，利用所述第一特征提取模型對該第一故障數據對信息對應的故障樣本信息進行特征提取，得到所述第一提取特征信息；
[0018]利用所述第二特征提取模型對該第一故障數據對信息對應的故障數據信息進行特征提取，得到所述第二提取特征信息。
[0019]作為一種可選的實施方式，在本專利技術實施例第一方面中，所述第一特征提取模型包括第一卷積模塊、第二卷積模塊、第一池化模塊、第二池化模塊、全局平均池化模塊、第一全連接層、第二全連接層、尺度調整模塊和融合模塊；
[0020]所述第二特征提取模型包括第三卷積模塊、第四卷積模塊、第三池化模塊、第四池化模塊、雙向循環神經網絡和第三全連接層；
[0021]所述第一卷積模塊的輸入端連接所述輸入層的輸出端，所述第一卷積模塊的輸出端連接所述第一池化模塊的輸入端；所述第一池化模塊的輸出端連接所述第二卷積模塊的輸入端；所述第二卷積模塊的輸出端連接所述第二池化模塊的輸入端；所述第二池化模塊的輸出端分別連接所述全局平均池化模塊的輸入端和所述尺度調整模塊的輸入端；所述全局平均池化模塊的輸出端連接所述第一全連接層的輸入端；所述第一全連接層的輸出端鏈接所述第二全連接層的輸入端；所述第二全連接層的輸出端連接所述尺度調整模塊的輸入端；所述融合模塊的輸入端分別連接所述尺度調整模塊的輸出端和所述輸入層的輸出端，所述融合模塊的輸出端連接所述概率計算模型；
[0022]所述第三卷積模塊的輸入端連接所述輸入層的輸出端，所述第三卷積模塊的輸出端連接所述第三池化模塊的輸入端；所述第三池化模塊的輸出端連接所述第四卷積模塊的輸入端；所述第四卷積模塊的輸出端連接所述第四池化模塊的輸入端；所述第四池化模塊的輸出端連接所述雙向循環神經網絡的輸入端；所述雙向循環神經網絡的輸出端連接所述第三全連接層的輸入端；所述第三全連接層的輸出端連接所述概率計算模型。
[0023]作為一種可選的實施方式，在本專利技術實施例第一方面中，所述利用所述概率計算模型對所述目標故障特征信息進行計算處理，得到目標故障概率信息，包括：
[0024]利用所述概率計算模型中的關聯度計算模型對所述目標故障特征信息進行計算處理，得到目標關聯度信息；
[0025]其中，所述關聯度計算模型為：
[0026]Y＝||X1?
X2||；
[0027]式中，Y為所述目標關聯度信息中的目標關聯度；X1為所述目標故障特征信息中的第一特征向量；X2為所述目標故障特征信息中的第二特征向量；
[0028]利用所述概率計算模型中的第四全連接層對所述目標關聯度信息進行處理，得到目標故障概率信息。
[0029]作為一種可選的實施方式，在本專利技術實施例第一方面中，所述目標故障概率信息包括第一目標故障率信息和第二目標故障概率信息；
[0030]所述對所述目標故障概率信息進行故障類別識別處理，得到所述基于數字孿生的液壓系統對應的故障類別信息，包括：
[0031]對所述第一目標故障率信息和所述第二目標故障概率信息進行均值計算處理，得到均值故障概率信息；所述均值故障概率信息包括N個均值故障概率值；
[0032]獲取故障類別閾值信息；所述故障類別閾值信息包括所述N個故障類別閾值；
[0033]對于任一所述均值故障概率值，判斷該均值故障概率值是否大于等于該均值故障概率值對應的故障類別閾值，得到閾值判斷結果；...

【技術保護點】

【技術特征摘要】
1.一種基于數字孿生的液壓系統故障診斷方法，其特征在于，所述方法包括：獲取基于數字孿生的液壓系統的故障數據信息；利用故障診斷模型對所述故障數據信息進行處理，得到目標故障概率信息；所述故障診斷模型包括輸入層、第一特征提取模型、第二特征提取模型、概率計算模型；所述第一特征提取模型和所述第二特征提取模型并行連接于所述輸入層和所述概率計算模型；對所述目標故障概率信息進行故障類別識別處理，得到所述基于數字孿生的液壓系統對應的故障類別信息。2.根據權利要求1所述的基于數字孿生的液壓系統故障診斷方法，其特征在于，所述利用故障診斷模型對所述故障數據信息進行處理，得到目標故障概率信息，包括：利用所述輸入層對所述故障數據信息進行數據對構建，得到目標故障數據對信息；所述目標故障數據對信息包括第一故障數據對數據信息和第二故障數據對信息；所述第一故障數據對數據信息包括N個第一故障數據對信息；所述第二故障數據對信息包括所述N個與所述第一故障數據對信息相對應的第二故障數據對信息；所述N為大于等于5的正整數；利用所述第一特征提取模型和所述第二特征提取模型對所述目標故障數據對信息進行特征提取，得到目標故障特征信息；所述目標故障特征信息包括第一目標故障特征信息和第二目標故障特征信息；每個所述第一目標故障特征信息和所述第二目標故障特征信息均包含1個第一特征向量和1個第二特征向量；利用所述概率計算模型對所述目標故障特征信息進行計算處理，得到目標故障概率信息。3.根據權利要求2所述的基于數字孿生的液壓系統故障診斷方法，其特征在于，所述利用所述第一特征提取模型和所述第二特征提取模型對所述目標故障數據對信息進行特征提取，得到目標故障特征信息，包括：利用所述第一特征提取模型和所述第二特征提取模型對所述第一故障數據對數據信息進行特征提取，得到所述第一目標故障特征信息；所述第一目標故障特征信息包括第一提取特征信息和第二提取特征信息；利用所述第一特征提取模型和所述第二特征提取模型對所述第二故障數據對數據信息進行特征提取，得到所述第二目標故障特征信息。4.根據權利要求3所述的基于數字孿生的液壓系統故障診斷方法，其特征在于，所述第一故障數據對信息包括依次分布的故障樣本信息和所述故障數據信息；所述故障樣本信息是預置于所述輸入層的帶有故障類別標簽的故障數據；所述利用所述第一特征提取模型和所述第二特征提取模型對第一故障數據對數據信息進行特征提取，得到所述第一目標故障特征信息，包括：對于任一所述第一故障數據對信息，利用所述第一特征提取模型對該第一故障數據對信息對應的故障樣本信息進行特征提取，得到所述第一提取特征信息；利用所述第二特征提取模型對該第一故障數據對信息對應的故障數據信息進行特征提取，得到所述第二提取特征信息。5.根據權利要求1所述的基于數字孿生的液壓系統故障診斷方法，其特征在于，所述第一特征提取模型包括第一卷積模塊、第二卷積模塊、第一池化模塊、第二池化模塊、全局平均池化模塊、第一全連接層、第二全連接層、尺度調整模塊和融合模塊；
所述第二特征提取模型包括第三卷積模塊、第四卷積模塊、第三池化模塊、第四池化模塊、雙向循環神經網絡和第三全連接層；所述第一卷積模塊的輸入端連接所述輸入層的輸出端，所述第一卷積模塊的輸出端連接所述第一池化模塊的輸入端；所述第一池化模塊的輸出端連接所述第二卷積模塊的輸入端；所述第二卷積模塊的輸出端連接所述第二池化模塊的輸入端；所述第二池化模塊的輸出端分別連接所述全局平均池化模塊的輸入端和所述尺度調整模塊的輸入端；所述全局平均池化模塊的輸出端連接所述第一全連接層的輸入端；所述第一全連接層的輸出端鏈接所述第二全連接層的輸入端；所述第...

【專利技術屬性】
技術研發人員：馬琛俊，沈偉，張廣成，葛志偉，張曉偉，瞿文杰，張琪，孫茂循，
申請(專利權)人：上海理工大學，
類型：發明
國別省市：