一种基于出口压力脉动阶次-相位证据映射的轴向柱塞泵可解释故障诊断方法

本发明属于液压装备状态监测与可解释人工智能，具体涉及一种基于出口压力脉动阶次-相位证据映射的轴向柱塞泵可解释故障诊断方法。

背景技术：

1、轴向柱塞泵是液压系统中的核心动力转换元件，广泛应用于航空航天、海洋工程、工程机械和高端制造装备。柱塞副、滑靴副和配流副等关键摩擦副在高速、高压和强剪切服役环境下容易发生磨损、泄漏和配流异常，进而引起出口压力脉动、流量脉动、振动噪声和效率下降等问题。出口压力脉动由柱塞周期排液、柱塞腔压力建立、配流过渡、油液压缩性、内部泄漏以及外部液压管路阻抗共同作用形成。与外部振动或噪声信号相比，出口压力脉动能够更加直接地反映泵内流体动力学和机械运动学耦合状态，并且压力传感器在实际液压系统中更易布置和在线获取。因此，基于出口压力脉动信号开展轴向柱塞泵状态监测和故障诊断具有较高的工程应用价值。

2、现有的轴向柱塞泵可解释故障诊断方法如下：

3、（一）基于压力脉动、频域能量、统计特征或健康因子对柱塞泵进行状态评估：

4、cn117869288a获取了轴向柱塞泵压力信号，并根据压力信号的脉动特性计算健康因子，再依据健康因子确定轴向柱塞泵健康状态的方案； cn115898850a通过传感器采集轴向柱塞泵压力、流量、振动、温度等信号，并在边缘端提取时域、频域相关特征信息以实现运行状态数据高效传输的方案。

5、上述方法能够利用压力脉动或多源运行信号构建状态评价指标，具有实现方式直接、计算量相对较小和便于在线监测的优点。但对于轴向柱塞泵而言，压力脉动具有显著的旋转周期性和柱塞通过周期性，若仅采用全局频域能量或健康因子，则容易削弱压力脉动局部变化与泵运动学相位之间的对应关系，导致诊断结论的物理可追溯性不足。

6、（二）基于 s 变换、短时傅里叶变换、连续小波变换、时频图和深度神经网络进行旋转机械或柱塞泵故障诊断：

7、cn108106830b通过多分辨率广义 s 变换获取归一化时频谱，并对时频谱进行二值化、融合和分割以实现故障诊断的方案； cn108830127a对旋转机械振动信号进行短时傅里叶时频变换，得到时频表示并作为卷积神经网络输入的方案； cn109596326a 将旋转机械工作信号转换为灰度图，并通过卷积神经网络进行故障分类的方案。

8、上述技术提高了非平稳故障信号的特征表达能力，能够减少人工设计特征的依赖。但大多将 s 变换、短时傅里叶变换或连续小波变换得到的时频图作为普通二维图像输入深度网络，关注的是提高分类准确率或增强抗噪能力，而没有针对轴向柱塞泵出口压力脉动的旋转周期性建立完整的物理坐标约束。

9、（三）深度诊断模型可解释性研究：

10、现有研究常采用热力图、类激活映射、梯度加权类激活映射或掩码扰动等方式显示模型关注区域。cn119202905a对振动信号进行连续小波变换获得二维小波时频图像，并在诊断过程中引入梯度加权类激活热力图 grad-cam 对模型提取的特征进行可视化的方案； cn113409213b利用卷积神经网络特定网络层特征图的梯度大小寻找时频图中的重点区域，并对非重点区域进行清除以增强时频图的方案。

11、上述方法能够在一定程度上显示深度模型关注了时频图或输入图像中的哪些区域。但是，解释结果多表现为热力图、显著性区域、类激活图或梯度响应区域，解释主要停留在图像域或像素域。单纯采用热力图、显著性图、cam、grad-cam 或类似掩码可视化方法，难以形成工程可读、可追溯的阶次-相位物理证据。

12、综上，现有技术虽然分别在压力脉动健康评估、时频图深度诊断和深度模型可解释性方面取得了一定进展，但仍存在以下不足：第一，基于压力脉动健康因子或频域能量的状态评估方法通常侧重全局指标，难以表达一转周期内的局部阶次-相位诊断证据；第二，基于 s 变换、短时傅里叶变换、cwt 时频图和深度神经网络的诊断方法通常将时频图作为普通图像处理，缺少与轴转频率、柱塞通过频率、泵送阶次和一转相位之间的显式映射；第三，基于热力图、显著性图、cam、grad-cam 或掩码扰动的可解释方法，多数只能指出模型关注的图像区域，尚不能形成包含频率范围、轴阶次范围、泵送阶次范围、一转相位范围和贡献值的物理证据单元；第四，现有解释方法通常未将模型贡献与健康基准小波能量比联合分析，难以区分能量增强证据、能量衰减证据、能量重分布证据和非主导能量变化区域。

13、因此，有必要提出一种面向轴向柱塞泵出口压力脉动信号的可解释故障诊断方法，在一转样本构建、cwt 频率-相位表征、诊断模型识别、局部贡献提取和物理坐标映射之间建立完整信息链，使深度模型的图像域诊断依据能够转换为与轴向柱塞泵运动学相关的阶次-相位物理证据，并进一步结合健康基准能量比解释该证据对应的能量变化类型，从而提高故障诊断结果的物理可追溯性、工程可解释性和实际应用可信度。

技术实现思路

1、本发明的目的在于解决现有基于压力脉动时频图的轴向柱塞泵故障诊断方法中，时频图像素缺少轴阶次、泵送阶次和一转相位约束，深度模型局部证据难以转化为工程可读物理证据，以及模型贡献与压力脉动能量变化类型难以区分的问题，提供一种基于出口压力脉动阶次-相位证据映射的轴向柱塞泵可解释故障诊断方法。

2、为实现上述目的，本发明的技术方案是：一种基于出口压力脉动阶次-相位证据映射的轴向柱塞泵可解释故障诊断方法，包括：

3、采集轴向柱塞泵出口压力脉动信号，获取柱塞数、轴转速和采样频率，计算轴转频率和柱塞通过频率，建立频率分量与轴阶次、泵送阶次之间的坐标映射关系；

4、以轴转周期为约束，将连续压力脉动信号划分为一转压力样本，并为每个一转压力样本建立一转相位坐标；

5、对一转压力样本进行标准化处理，再进行连续小波变换，得到与一转相位坐标同步的频率-相位图，并保留与频率-相位图像素位置对应的原始小波能量图；

6、将频率-相位图输入诊断模型，输出轴向柱塞泵的健康状态或故障类别；

7、将频率-相位图按照频率或阶次方向以及相位方向划分为多个图像块，基于块级扰动归因计算每个图像块对目标类别的贡献值；

8、根据坐标映射关系，将每个图像块的像素索引范围转换为轴阶次范围、泵送阶次范围及一转相位范围，构成物理证据单元；

9、基于原始小波能量图，计算目标类别相对于健康状态的健康基准能量比；

10、将图像块贡献值、贡献占比与健康基准能量比联合判定，得到能量增强证据、能量衰减证据、能量重分布证据或非主导能量变化区域；

11、输出包括故障类别、物理证据单元、贡献值、健康基准能量比和证据类型的阶次-相位可解释诊断结果。

12、进一步的，所述一转压力样本构建及标准化处理包括：

13、对于原始压力记录pi = [pi(1), pi(2), ..., pi(li)]t，按照下式计算一转采样点数：

14、nr = round(fs / fr)

15、其中li为原始压力记录长度，fs为采样频率，fr为轴转频率；

16、根据以下式子确定一转压力样本数量qi，并定义第q个一转压力样本xi,q：

17、qi = [li / nr]

18、xi,q = [pi((q-1)nr+1), ..., pi(qnr)]t , q=1,2,…, qi

19、将每个一转压力样本重采样至统一长度k，建立确定性相位坐标如下式：

20、θk = 2π(k-1)/(k-1)，k=1,2,…,k

21、所述标准化采用训练集全局均值和训练集全局标准差进行，标准化表达式为：

22、

23、其中ε为防止除零的正数；所述和仅由训练集计算得到，以避免验证集和测试集信息泄漏。

24、进一步的，所述连续小波变换采用包括复morlet小波的具有时频局部化能力的小波函数，通过以下式子构建频率-相位图和原始小波能量图：

25、

26、

27、其中，为频率相位图，为小波能量图，为频率，为相位。

28、进一步的，所述诊断模型采用卷积神经网络模型，包括若干卷积块、全局平均池化层、dropout层和softmax分类层；每一卷积块包括二维卷积层、批归一化层、非线性激活层和池化层，所述全局平均池化层用于得到能够表征全局阶次-相位特征的特征向量。

29、进一步的，将频率-相位图按照频率或阶次方向以及相位方向划分为多个图像块，具体包括：

30、将频率-相位图划分为nf ×nθ个互不重叠图像块，其中nf为频率或阶次方向的划分数，nθ为相位方向的划分数，图像块总数m = nf nθ；对每个图像块建立二值掩膜向量z=[, ,…, ]t，=1表示保留第m个图像块，=0表示遮蔽第m个图像块；被遮蔽的图像块不采用零填充，而采用训练集平均频率-相位图中相同位置的区域进行替代，以降低非物理扰动对归因结果的影响。

31、进一步的，所述块级扰动归因采用kernel shap方法，基于块级扰动归因计算每个图像块对目标类别的贡献值，具体为：对于目标类别c，将不同掩膜组合下的扰动输入送入诊断模型，获得模型输出，并通过加权线性替代模型估计第m个图像块的shapley贡献值，其中加权线性替代模型的计算如下式：

32、

33、其中，为第m个图像块对目标类别输出的贡献值，为模型对类别c的基准输出。

34、进一步的，所述物理证据单元表示为：

35、

36、其中，和为对应轴阶次范围，和为对应泵送阶次范围，和为对应一转相位范围，为相应图像块对类别c的贡献值。

37、进一步的，将物理证据单元按低阶调制区、柱塞通过基频区、二次泵送谐波区、三次泵送谐波区、邻近阶次调制区和高阶宽频响应区进行聚合统计。

38、进一步的，对类别c和第m个图像块利用以下式子分别计算相对于健康状态h的健康基准能量比和正向贡献占比：

39、

40、

41、其中，为类别c在图像块m上的平均cwt能量，为健康状态在图像块m上的平均cwt能量，，ε为防止除零的正数，为第个图像块的平均贡献值，m为图像块总数。

42、进一步的，所述联合判定具体包括：

43、当and ρm(c) > 1 + δ时判定为能量增强支持证据；当and ρm(c)< 1 - δ时判定为能量衰减支持证据；当and 1 - δ ≤ ρm(c) ≤ 1 + δ时判定为能量重分布支持证据；当and |ρm(c) - 1| > δ时判定为非主导能量变化区域，其中为贡献阈值，δ为能量容差。

44、本发明还提供一种电子设备，包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

45、本发明还提供一种具有处理器可执行的非易失程序代码的计算机可读介质，所述程序代码使所述处理器执行上述方法。

46、相较于现有技术，本发明具有以下有益效果：

47、1、本发明以轴转周期作为样本构建约束，避免任意滑动窗口造成的一转周期不完整和相位不一致问题。

48、2、本发明在cwt表征中显式保留频率、轴阶次、泵送阶次和一转相位，使时频图中的每个局部区域均具有可追溯的物理含义。

49、3、本发明通过块级kernel shap获得局部诊断证据，并将图像域证据映射为工程人员能够理解的阶次-相位证据单元。

50、4、本发明将模型贡献与健康基准能量比联合解释，能够区分能量增强、能量衰减和能量重分布，避免将正贡献简单等同于能量增加。

51、5、本发明能够在保持较高故障识别能力的同时，提高诊断结论的物理可解释性、工程可信度和在线监测适用性。