一种汽车生产线液压齿轮泵故障诊断方法、装置及介质与流程

1.本发明涉及液压齿轮泵领域，尤其涉及一种汽车生产线液压齿轮泵故障诊断方法、装置及介质。


背景技术：

2.液压齿轮泵的结构简单紧凑、工艺性好、能耐冲击性负载，是液压系统的心脏，广泛应用在汽车的动力传递系统中。车载液压元器件具有结构复杂、精度高及密集度大等特点，在结构、性能上有严格的指标要求。当液压齿轮泵应用于车载系统时，其作业环境恶劣，工况复杂，性能因此受到严峻的挑战。当今，随着液压传动技术逐步向高精度、高速度方向发展，对液压齿轮泵的工作可靠性提出了更高的要求。研究表明，液压油液污染造成液压元件磨损是阻碍液压元件和液压系统发展的主要原因。因此需要对液压油液污染造成的液压元件磨损和液压泵故障问题进行深入研究，以保障液压泵及相应工程机械装备安全、可靠、稳定的运行，具有重要的经济价值和工程意义。
3.但是当前针对车载液压齿轮泵的故障诊断研究较少，且大多只针对某一类特定的工况，而不同工况不同环境下液压齿轮泵运行状况不同，导致模型泛化能力不足，不具备推广性。而且，数据分析过程需要采集大量不同类型的数据，例如，液压泵运行参数、环境参数、人员操作参数等，可见数据类别多，且数据量比较大，导致数据采集工作繁琐且采集成本高，也难以保证诊断精度。


技术实现要素：

4.为了解决上述至少一个技术问题，本发明提供了一种汽车生产线液压齿轮泵故障诊断方法、装置及介质。
5.根据第一方面，本发明实施例提供了一种汽车生产线液压齿轮泵故障诊断方法，包括：获取液压齿轮泵的当前实测压力，并根据所述当前实测压力计算液压油液对所述液压齿轮泵的污染磨损容积效率；采集所述液压齿轮泵的振动信号，根据所述振动信号确定所述液压齿轮泵的振动特征数据，并将所述振动特征数据输入至数据驱动故障诊断模型中，得到所述液压齿轮泵是否存在故障的诊断结果和对应的诊断准确率；获取分别为所述污染磨损容积效率和所述诊断准确率预设的权重值；根据所述污染磨损容积效率和对应的权重值以及所述诊断准确率和对应的权重值，对所述诊断结果对应的诊断准确率进行修正，得到修正后的诊断准确率，并输出所述诊断结果和修正后的诊断准确率。
6.根据第二方面，本发明实施例提供了一种汽车生产线液压齿轮泵故障诊断装置，包括：第一获取模块，用于获取液压齿轮泵的当前实测压力，并根据所述当前实测压力
计算液压油液对所述液压齿轮泵的污染磨损容积效率；第一采集模块，用于采集所述液压齿轮泵的振动信号，根据所述振动信号确定所述液压齿轮泵的振动特征数据，并将所述振动特征数据输入至数据驱动故障诊断模型中，得到所述液压齿轮泵是否存在故障的诊断结果和对应的诊断准确率；第二获取模块，用于获取分别为所述污染磨损容积效率和所述诊断准确率预设的权重值；第一修正模块，用于根据所述污染磨损容积效率和对应的权重值以及所述诊断准确率和对应的权重值，对所述诊断结果对应的诊断准确率进行修正，得到修正后的诊断准确率，并输出所述诊断结果和修正后的诊断准确率。
7.根据第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面提供的方法。
8.本发明实施例具有以下技术效果：根据所述当前实测压力计算液压油液对所述液压齿轮泵的污染磨损容积效率，并将所述液压齿轮泵的振动信号的振动特征数据输入至数据驱动故障诊断模型中，得到液压齿轮泵是否存在故障的诊断结果和对应的诊断准确率。然后基于污染磨损容积效率对诊断准确率进行修正，得到修正后的诊断准确率。由于污染磨损容积效率体现了液压齿轮泵的性能损失情况，因此根据污染磨损容积效率对诊断准确率进行修正，可以使得诊断准确率更加符合液压齿轮泵当前的性能状况，即提高了诊断准确率的准确性。上述过程不需要采集不同类型的数据，因此数据采集工作比较简单，也避免了因为繁琐的数据采集而影响到诊断精度。而且数据驱动故障诊断模型不限于某种工况的故障诊断，适用于各种工况下的故障诊断，因此泛化能力较强，具有推广性。
附图说明
9.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
10.图1是本发明一个实施例中汽车生产线液压齿轮泵故障诊断方法的流程示意图；图2是本发明一个实施例中汽车生产线液压齿轮泵故障诊断装置的结构框图。
具体实施方式
11.为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
12.第一方面，本发明实施例提供一种汽车生产线液压齿轮泵故障诊断方法。参见图1，该方法包括如下步骤s110~s140：s110、获取液压齿轮泵的当前实测压力，并根据所述当前实测压力计算液压油液对所述液压齿轮泵的污染磨损容积效率；其中，污染磨损容积效率是指液压齿轮泵的实际流量与无泄露流量的比值。染磨
损容积效率的大小反映了液压齿轮泵性能的变化。污染磨损容积效率较小，说明实际流量小而泄漏量大，泄露量大说明运动副间隙大，污染磨损较为严重，液压齿轮泵性能损失较大。
13.在液压齿轮泵中，液压油液扮演了传递介质、冷却剂和润滑剂等多种角色，液压齿轮泵的工作期间产生的污染物也需要液压油液带走。因此，液压油液的粘性直接影响到了液压齿轮泵的工作效率。液压油液的粘性对温度和压力的变化较为敏感，当温度和压力发生变化时，液压油液的粘性也会随之变化。液压油液粘性随温度和压力的变化关系式（1）可以表示为：其中，为压力为p且温度为t时的液压油液黏度；为压力为101.325kpa且温度为时的液压油液黏度；a为压力黏度系数，单位为pa-1
；b为温度粘度系数；p为液压齿轮泵的当前实测压力，为初始温度。
14.忽略压缩损失的流量，液压齿轮泵的泄漏量与液压油液黏度的关系式（2）为：其中，为容积损失流量；为泄露系数；为泵体压腔压差；为液压齿轮泵的齿轮端面与泵体端面的啮合间隙；h为液压齿轮泵的齿顶与壳体的径向间隙；为液压油液的黏度；为液压齿轮泵的齿顶与壳体的接触齿数；s为液压齿轮泵的齿顶厚；b为温度粘度系数。
15.对关系式（2）进行处理得到关系式（3）：式中，令，k为泄露常量，针对一个液压齿轮泵，k为一个常数项，因此关系式（3）简化为如下关系式（4）：基于关系式（1）和关系式（4）可以得到关系式（5）：污染磨损容积效率的表达式为如下关系式（6）：式中，为所述污染磨损容积效率，q为液压齿轮泵的实际流量，为液压齿轮泵无泄漏的理论流量。
16.在液压齿轮泵中，理论流量可以表示如下关系式（7）：
式中，z为所述液压齿轮泵的齿轮齿数；m为所述液压齿轮泵的齿轮模数；n为所述液压齿轮泵的齿轮转速。（1.06~1.12）是指在（1.06~1.12）范围内取一个数值。
17.基于以上关系式（5）、（6）和（7），可以得到污染磨损容积效率与压力、温度之间的关系式（8）：对关系式（8）简化得到如下关系式（9），关系式（9）也可以称为第一计算式：式中，为所述污染磨损容积效率，p为所述当前实测压力，为依据液压油黏度和所述液压齿轮泵的齿轮参数计算得到的第一相关参数，为压力黏度系数，为依据温度粘度系数和温度计算得到的第二相关参数。
18.其中，由上述推导过程可以得到如下关系式（10），也称为第二计算式：式中，为所述第一相关参数；k为泄露常量；为压力为101.325kpa且温度为时的液压油黏度；z为所述液压齿轮泵的齿轮齿数；m为所述液压齿轮泵的齿轮模数；n为所述液压齿轮泵的齿轮转速，为初始温度，为泵体压腔压差，（1.06~1.12）是指在（1.06~1.12）范围内取一个数值。
19.进一步的，由上述推导过程可以得到如下关系式（11），也称为第三计算式：式中，k为所述泄露常量；为泄露系数，为所述液压齿轮泵的齿轮端面与泵体端面之间的啮合间隙；b为温度粘度系数；h为所述液压齿轮泵的齿顶与壳体之间的径向间隙；s为所述液压齿轮泵的齿顶厚度；为所述液压齿轮泵的齿顶与壳体之间的接触齿数。
20.其中，由上述推导过程可以得到：b2=a。
21.其中，由上述推导过程可以得到如下关系式（12），也称第四计算式：式中，为所述第二相关参数，b为温度粘度系数，t为当前温度，为初始温度。
22.因此，在一个实施例中，可以采用上述第一计算式计算所述污染磨损容积效率，采用第二计算式计算第一相关参数，采用第四计算式计算第二相关参数。
23.例如，在一个实际场景中，经过上述三个计算式计算可以得到：
因此第一计算式可以表示为：可理解的是，在以上实施例中通过多个计算式计算得到相关参数，进而得到污染磨损容积效率。针对其它的场景，各个相关参数以及污染磨损容积效率的计算可能不同。
24.s120、采集所述液压齿轮泵的振动信号，根据所述振动信号确定所述液压齿轮泵的振动特征数据，并将所述振动特征数据输入至数据驱动故障诊断模型中，得到所述液压齿轮泵是否存在故障的诊断结果和对应的诊断准确率；具体的，振动信号可以通过安装在液压齿轮泵的两齿轮啮合的正上方的振动加速度传感器采集。在采集得到振动信号后，从振动信号中提取出振动特征数据，进而将振动特征数据输入到预先训练得到的数据驱动故障诊断模型中，该模型便会输出所述液压齿轮泵是否存在故障的诊断结果和对应的诊断准确率。例如，诊断结果为：液压齿轮泵存在故障，且液压齿轮泵存在故障的诊断准确度为80%。
25.在一个实施例中，所述根据所述振动信号确定所述液压齿轮泵的振动特征数据，可以具体包括：（11）、对所述振动信号进行降维处理，得到降维序列，将所述降维序列和所述振动信号的原始序列合并，得到振动数据序列；可理解的是，从振动加速度传感器采集的振动信号为原始序列。具体可以通过经验公式降维方法对振动信号进行降维，得到降维序列。然后将降维序列和原始序列拼接合并，得到振动数据序列。
26.（12）、对所述振动数据序列进行降噪处理，对降噪处理后的振动数据序列进行标准化处理，并将标准化处理后的振动数据序列中的异常值剔除；可理解的是，可以使用集合经验模态分解方法对振动数据序列进行降噪，减小噪声对信号的干扰。可以使用数据标准化方法对降噪处理后的振动数据序列进行标准化处理。可以使用异常值处理方法——3σ准则对标准化处理后的振动数据序列进行异常值处理。
27.经过多次处理后，可以得到高质量的振动数据序列。
28.（13）、从剔除异常值后的振动数据序列中提取出时域特征、频域特征和时频域特征，并根据提取得到的各个特征形成所述振动特征数据。
29.其中，所述时域特征可以包括：最大值、最小值、峰值、峰峰值、均值、绝对均值、方差、标准差、均方根值、方根幅值、峰值因子、脉冲因子、裕度因子、波形因子、峭度因子和偏度因子中的至少一项。
30.其中，所述频域特征包括重心频率、平均频率、均方频率、均方根频率、频率方差和频率标准差中的至少一项。
31.其中，所述时频域特征包括在不同频段的能量占比和能量熵。不同频段的能量占比，例如，频段1~8的能量占比，这样时频域特征包括9维特征。
32.其中，具体可以使用树模型特征选择方法和正则项特征选择方法筛选振动特征数据，提高特征质量。
33.在经过上述步骤（11）~（13）得到振动特征数据后，便可以将所述振动特征数据输入至数据驱动故障诊断模型中。
34.可理解的是，在应用上述数据驱动故障诊断模型进行故障诊断之前，首选需要训练得到数据驱动故障诊断模型，数据驱动故障诊断模型的训练过程大致可以包括：（21）将在历史时间段内从振动加速度传感器上采集的振动信号形成的数据集进行分集。具体的，设置容积效率阈值，根据容积效率阈值将数据集中的数据划分为正常数据组与故障数据组，均从正常数据组和故障数据组中选择60%的数据作为训练集，其余40%的数据组数作为测试集。
35.（22）对训练集和测试集中的数据均进行上述降维以及合并处理、上述降噪处理、上述标准化处理、上述异常值处理后，进行特征提取，得到振动特征数据。
36.（23）建立支持向量机算法模型，根据训练集对应的振动特征数据对支持向量机算法模型进行训练，得到数据驱动故障诊断模型。
37.（24）采用测试集对应的振动特征数据对数据驱动故障诊断模型进行测试，测试后符合要求，则得到最终的数据驱动故障诊断模型；否则对数据驱动故障诊断模型进行参数调整，对参数调整后的数据驱动故障诊断模型再次进行测试，直到得到符合要求的数据驱动故障诊断模型。
38.s130、获取分别为所述污染磨损容积效率和所述诊断准确率预设的权重值；即，需要为污染磨损容积效率和数据驱动故障诊断模型的诊断准确率预先设定权重值。例如，污染磨损容积效率的权重值为30%，数据驱动故障诊断模型的诊断准确率的权重值为70%。
39.s140、根据所述污染磨损容积效率和对应的权重值以及所述诊断准确率和对应的权重值，对所述诊断结果对应的诊断准确率进行修正，得到修正后的诊断准确率，并输出所述诊断结果和修正后的诊断准确率。
40.也就是说，本发明实施例利用污染磨损容积效率对数据驱动故障诊断模型的诊断准确率进行修正，使得数据驱动故障诊断模型的诊断准确率更加符合液压齿轮泵当前的污染磨损情况，从而提高诊断准确率的准确性。
41.在一个实施例中，s140可以具体包括：将所述污染磨损容积效率和对应的权重值相乘，得到第一乘积；将所述诊断准确率和对应的权重值相乘，得到第二乘积；将所述第一乘积和所述第二乘积相加，得到修正后的诊断准确率。
42.例如，污染磨损容积效率为50%，污染磨损容积效率对应的权重值为30%，数据驱动故障诊断模型输出的诊断结果为存在故障，且诊断准确率为80%，数据驱动故障诊断模型的诊断准确率的权重值为70%，则修正后的诊断准确率为：50%*30% 80%*70%=71%。可见数据驱动故障诊断模型的诊断结果为存在故障的诊断准确率由80%修正为71%。
43.综上，根据所述当前实测压力计算液压油液对所述液压齿轮泵的污染磨损容积效率，并将所述液压齿轮泵的振动信号的振动特征数据输入至数据驱动故障诊断模型中，得到液压齿轮泵是否存在故障的诊断结果和对应的诊断准确率。然后基于污染磨损容积效率对诊断准确率进行修正，得到修正后的诊断准确率。由于污染磨损容积效率体现了液压齿轮泵的性能损失情况，因此根据污染磨损容积效率对诊断准确率进行修正，可以使得诊断准确率更加符合液压齿轮泵当前的性能状况，即提高了诊断准确率的准确性。上述过程不需要采集不同类型的数据，因此数据采集工作比较简单，也避免了因为繁琐的数据采集而
影响到诊断精度。而且数据驱动故障诊断模型不限于某种工况的故障诊断，适用于各种工况下的故障诊断，因此泛化能力较强，具有推广性。
44.第二方面，本发明实施例提供一种汽车生产线液压齿轮泵故障诊断装置，参见图2，装置包括：第一获取模块，用于获取液压齿轮泵的当前实测压力，并根据所述当前实测压力计算液压油液对所述液压齿轮泵的污染磨损容积效率；第一采集模块，用于采集所述液压齿轮泵的振动信号，根据所述振动信号确定所述液压齿轮泵的振动特征数据，并将所述振动特征数据输入至数据驱动故障诊断模型中，得到所述液压齿轮泵是否存在故障的诊断结果和对应的诊断准确率；第二获取模块，用于获取分别为所述污染磨损容积效率和所述诊断准确率预设的权重值；第一修正模块，用于根据所述污染磨损容积效率和对应的权重值以及所述诊断准确率和对应的权重值，对所述诊断结果对应的诊断准确率进行修正，得到修正后的诊断准确率，并输出所述诊断结果和修正后的诊断准确率。
45.在一个实施例中，第一获取模块具体用于：采用第一计算式计算所述污染磨损容积效率，所述第一计算式包括：式中，为所述污染磨损容积效率，p为所述当前实测压力，为依据液压油黏度和所述液压齿轮泵的齿轮参数计算得到的第一相关参数，为压力黏度系数，为依据温度粘度系数和温度计算得到的第二相关参数。
46.在一个实施例中，第一获取模块具体用于：采用第二计算式计算所述第一相关参数，所述第二计算式为：式中，为所述第一相关参数；k为泄露常量；为压力为101.325kpa且温度为时的液压油黏度；z为所述液压齿轮泵的齿轮齿数；m为所述液压齿轮泵的齿轮模数；n为所述液压齿轮泵的齿轮转速，为初始温度，为泵体压腔压差，（1.06~1.12）是指在（1.06~1.12）范围内取一个数值。
47.在一个实施例中，第一获取模块具体用于：采用第三计算式计算泄露常量，所述第三计算式为：式中，k为所述泄露常量；为泄露系数，为所述液压齿轮泵的齿轮端面与泵体端面之间的啮合间隙；b为温度粘度系数；h为所述液压齿轮泵的齿顶与壳体之间的径向间隙；s为所述液压齿轮泵的齿顶厚度；为所述液压齿轮泵的齿顶与壳体之间的接触齿数。
48.在一个实施例中，第一获取模块具体用于：采用第四计算式计算所述第二相关参数，所述第四计算式为：
式中，为所述第二相关参数，b为温度粘度系数，t为当前温度，为初始温度。
49.在一个实施例中，第一采集模块包括：第一处理单元，用于对所述振动信号进行降维处理，得到降维序列，将所述降维序列和所述振动信号的原始序列合并，得到振动数据序列；第二处理单元，用于对所述振动数据序列进行降噪处理，对降噪处理后的振动数据序列进行标准化处理，并将标准化处理后的振动数据序列中的异常值剔除；特征提取单元，用于从剔除异常值后的振动数据序列中提取出时域特征、频域特征和时频域特征，并根据提取得到的各个特征形成所述振动特征数据。
50.在一个实施例中，所述时域特征包括：最大值、最小值、峰值、峰峰值、均值、绝对均值、方差、标准差、均方根值、方根幅值、峰值因子、脉冲因子、裕度因子、波形因子、峭度因子和偏度因子中的至少一项；和/或，所述频域特征包括重心频率、平均频率、均方频率、均方根频率、频率方差和频率标准差中的至少一项；和/或，所述时频域特征包括在不同频段的能量占比和能量熵。
51.在一个实施例中，第一修正模块包括：第一计算单元，用于将所述污染磨损容积效率和对应的权重值相乘，得到第一乘积；第二计算单元，用于将所述诊断准确率和对应的权重值相乘，得到第二乘积；第三计算单元，用于将所述第一乘积和所述第二乘积相加，得到修正后的诊断准确率。
52.可理解的是，第二方面提供的装置与第一方面提供的方法相对应，第二方面中有关内容的解释、说明、举例、实施例等可以参考第一方面中的相应部分。
53.第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面提供的方法。
54.具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机（或cpu或mpu）读出并执行存储在存储介质中的程序代码。
55.在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
56.用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘（如cd-rom、cd-r、cd-rw、dvd-rom、dvd-ram、dvd-rw、dvd rw）、磁带、非易失性存储卡和rom。可选择地，可以由通信网络从服务器计算机上下载程序代码。
57.此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
58.此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展模块上的cpu等来执行部分和全部实际操作，从而
实现上述实施例中任一实施例的功能。
59.可理解的是，本发明实施例提供的计算机可读介质中有关内容的解释、具体实施方式、有益效果、举例等内容可以参见第一方面提供的方法中的相应部分，此处不再赘述。
60.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
61.本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、挂件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
62.需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本技术范围。如本发明说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
63.还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
64.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。