CN110296125B - 一种检测设备液压***漏油的方法 - Google Patents
一种检测设备液压***漏油的方法 Download PDFInfo
- Publication number
- CN110296125B CN110296125B CN201910532083.1A CN201910532083A CN110296125B CN 110296125 B CN110296125 B CN 110296125B CN 201910532083 A CN201910532083 A CN 201910532083A CN 110296125 B CN110296125 B CN 110296125B
- Authority
- CN
- China
- Prior art keywords
- data
- oil leakage
- hydraulic system
- equipment
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/005—Fault detection or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/007—Simulation or modelling
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B20/00—Safety arrangements for fluid actuator systems; Applications of safety devices in fluid actuator systems; Emergency measures for fluid actuator systems
- F15B20/005—Leakage; Spillage; Hose burst
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Examining Or Testing Airtightness (AREA)
- Fluid-Pressure Circuits (AREA)
Abstract
本发明公开了一种检测设备液压***漏油的方法,包括:模型建立,建立以历史数据为输入,***漏油故障为输出的神经网络模型;实时数据采集,实时对液压***中的设备运行数据进行采集;工况识别,将采集的数据,导入神经网络模型中,识别设备的液压***状态,判断***是否故障漏油。本发明能够有效对液压***是否漏油进行检测,可大大提高现场人员点检效率,有利于降低油品消耗。
Description
技术领域
本发明涉及一种漏油检测方法,更具体的说是涉及一种检测设备液压***漏油的方法,属于液压***技术领域。
背景技术
在冶金企业液压故障主要为漏油及漏油造成油品清洁度变差引起的故障,随着设备自动化设备提高,液压***的稳定变得越来越重要。但由于钢铁行业液压设备数量多、压力高、管路长、布局分散不易发现、工作环境恶劣等因素,造成***长期泄露,小漏不易发现,大漏影响生产,没有有效手段对漏油实时进行检测,大量的油品消耗影响着企业生产经济效益。
因此,如何提供一种检测设备液压***漏油的方法成为了本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种检测设备液压***漏油的方法,能够有效对液压***是否漏油进行检测,可大大提高现场人员点检效率,有利于降低油品消耗。
为了实现上述目的,本发明采用如下技术方案:
一种检测设备液压***漏油的方法,包括:
模型建立,建立以历史数据为输入,***漏油故障为输出的神经网络模型;
实时数据采集,实时对液压***中的设备运行数据进行采集;
工况识别,将采集的数据,导入神经网络模型中,识别设备的液压***状态,判断***是否故障漏油。
优选的,还包括漏油报警定位,在工况识别后,神经网络模型输出提示信息,基于提示信息对漏油设备及液压***进行定位。能够提醒使用者液压***出现漏油故障,方便人们及时维修处理。
优选的,所述历史数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、***压力、温度、液位和环境温度。
优选的,所述运行数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、系-统压力、温度、液位和环境温度。
优选的,神经网络模型通过设备实际运行过程中不断积累的新的工况数据,基于遗传算法实现自学习进化,保证了神经网络模型中的数据能够不断更新,有利于提高液压***漏油故障检测的准确性。
优选的,神经网络模型建立后,使用人工免疫算法,建立与液压***漏油工况下的数据预警抗体库,方便与运行数据比对,判断漏油故障,并进行定位。
优选的,工况识别中,采集的数据组成的抗原与数据预警抗体库中的异常工况进行快速匹配,当匹配程度高时,发出漏油故障提示,提示将要发生漏油故障。
本发明的有益效果在于:
本发明通过模型建立,实时数据采集以及工况识别,不仅可有效对液压***是否漏油进行检测,保证漏油检测的准确性,而且有效对液压***中的漏油设备、液压***部位进行定位,可大大提高现场人员点检效率。此外,在故障漏油起始阶段就可报警,辅助生产人员进行决策,方便人们及时维修处理,有助于降低油品消耗。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种检测设备液压***漏油的方法,包括:
模型建立,建立以历史数据为输入,***漏油故障为输出的神经网络模型;
实时数据采集,实时对液压***中的设备运行数据进行采集;
工况识别,将采集的数据,导入神经网络模型中,识别设备的液压***状态,对正常、漏油工况时的数据进行聚类分析实现工况划分,判断***是否故障漏油。
本发明还包括漏油报警定位,在工况识别后,神经网络模型输出提示信息,基于提示信息对漏油设备及液压***进行定位。能够提醒使用者液压***出现漏油故障,方便人们及时维修处理。
在另一种实施例中,历史数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、***压力、温度、液位和环境温度等。
在另一种实施例中,运行数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、系-统压力、温度、液位和环境温度等。
在另一种实施例中,神经网络模型通过设备实际运行过程中不断积累的新的工况数据,基于遗传算法实现自学习进化,保证了神经网络模型中的数据能够不断更新,有利于提高液压***漏油故障检测的准确性。
在另一种实施例中,神经网络模型建立后,使用人工免疫算法,建立与液压***漏油工况下的数据预警抗体库,方便与运行数据比对,判断漏油故障,并进行定位。
在另一种实施例中,工况识别中,采集的数据组成的抗原与数据预警抗体库中的异常工况进行快速匹配,当匹配程度高时,发出漏油故障提示,提示将要发生漏油故障。
本发明通过模型建立,实时数据采集以及工况识别,不仅可有效对液压***是否漏油进行检测,保证漏油检测的准确性,而且有效对液压***中的漏油设备、液压***部位进行定位,可大大提高现场人员点检效率。此外,在故障漏油起始阶段就可报警,辅助生产人员进行决策,方便人们及时维修处理,有助于降低油品消耗。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种检测设备液压***漏油的方法,其特征在于,包括:
模型建立,建立以历史数据为输入,***漏油故障为输出的神经网络模型;神经网络模型建立后,使用人工免疫算法,建立与液压***漏油工况下的数据预警抗体库;神经网络模型通过设备实际运行过程中不断积累的新的工况数据,基于遗传算法实现自学习进化;
实时数据采集,实时对液压***中的设备运行数据进行采集;
工况识别,将采集的数据,导入神经网络模型中,识别设备的液压***状态,判断***是否故障漏油;工况识别中,采集的数据组成的抗原与数据预警抗体库中的异常工况进行快速匹配,当匹配程度高时,发出漏油故障提示;
还包括漏油报警定位,在工况识别后,神经网络模型输出提示信息,基于提示信息对漏油设备及液压***进行定位。
2.根据权利要求1所述的一种检测设备液压***漏油的方法,其特征在于,所述历史数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、***压力、温度、液位和环境温度。
3.根据权利要求1或2所述的一种检测设备液压***漏油的方法,其特征在于,所述运行数据包括生产数据、工艺数据、伺服阀输出、比例阀输出、换向阀得电时间、压力设定、实际压力、设定位移、实际位移数据、液压缸动作方向、接近开关得电时间、***压力、温度、液位和环境温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910532083.1A CN110296125B (zh) | 2019-06-19 | 2019-06-19 | 一种检测设备液压***漏油的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910532083.1A CN110296125B (zh) | 2019-06-19 | 2019-06-19 | 一种检测设备液压***漏油的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110296125A CN110296125A (zh) | 2019-10-01 |
CN110296125B true CN110296125B (zh) | 2021-09-21 |
Family
ID=68028303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910532083.1A Active CN110296125B (zh) | 2019-06-19 | 2019-06-19 | 一种检测设备液压***漏油的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110296125B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112834729A (zh) * | 2021-01-08 | 2021-05-25 | 三一汽车起重机械有限公司 | 一种液压油品质监测方法、装置及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413521A (zh) * | 2008-11-28 | 2009-04-22 | 西安建筑科技大学 | 液压设备多源诊断信息获取实验装置及其实验方法 |
JP2010025715A (ja) * | 2008-07-18 | 2010-02-04 | Nippon Oil Corp | 配管亀裂診断装置及び配管の亀裂診断方法 |
CN102705303A (zh) * | 2012-05-16 | 2012-10-03 | 北京航空航天大学 | 一种基于残差与双级Elman神经网络的液压伺服***故障定位方法 |
CN104454785A (zh) * | 2014-09-25 | 2015-03-25 | 中南大学 | 一种工程机械液压缸故障诊断***及与之适用的故障样本信号采集方法 |
CN104750742A (zh) * | 2013-12-31 | 2015-07-01 | 南京理工大学常熟研究院有限公司 | 一种掘进机液压***故障诊断方法和*** |
CN205478676U (zh) * | 2016-03-07 | 2016-08-17 | 西南交通大学 | 入流式流体脉动主动控制支路 |
CN108227676A (zh) * | 2017-12-28 | 2018-06-29 | 浙江工业大学 | 阀控缸电液伺服***在线故障检测、估计及定位方法 |
CN109083887A (zh) * | 2018-09-13 | 2018-12-25 | 西安建筑科技大学 | 一种基于aca-bp算法的挖掘机液压***的故障诊断方法 |
CN109870909A (zh) * | 2019-03-01 | 2019-06-11 | 中国人民解放军陆军装甲兵学院 | 一种基于rbf神经网络和自适应搜索的人工免疫算法 |
-
2019
- 2019-06-19 CN CN201910532083.1A patent/CN110296125B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010025715A (ja) * | 2008-07-18 | 2010-02-04 | Nippon Oil Corp | 配管亀裂診断装置及び配管の亀裂診断方法 |
CN101413521A (zh) * | 2008-11-28 | 2009-04-22 | 西安建筑科技大学 | 液压设备多源诊断信息获取实验装置及其实验方法 |
CN102705303A (zh) * | 2012-05-16 | 2012-10-03 | 北京航空航天大学 | 一种基于残差与双级Elman神经网络的液压伺服***故障定位方法 |
CN104750742A (zh) * | 2013-12-31 | 2015-07-01 | 南京理工大学常熟研究院有限公司 | 一种掘进机液压***故障诊断方法和*** |
CN104454785A (zh) * | 2014-09-25 | 2015-03-25 | 中南大学 | 一种工程机械液压缸故障诊断***及与之适用的故障样本信号采集方法 |
CN205478676U (zh) * | 2016-03-07 | 2016-08-17 | 西南交通大学 | 入流式流体脉动主动控制支路 |
CN108227676A (zh) * | 2017-12-28 | 2018-06-29 | 浙江工业大学 | 阀控缸电液伺服***在线故障检测、估计及定位方法 |
CN109083887A (zh) * | 2018-09-13 | 2018-12-25 | 西安建筑科技大学 | 一种基于aca-bp算法的挖掘机液压***的故障诊断方法 |
CN109870909A (zh) * | 2019-03-01 | 2019-06-11 | 中国人民解放军陆军装甲兵学院 | 一种基于rbf神经网络和自适应搜索的人工免疫算法 |
Also Published As
Publication number | Publication date |
---|---|
CN110296125A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107560984A (zh) | 一种液压***的油液污染在线监测装置及监测方法 | |
CN110307213B (zh) | 一种液压常规***漏油监测方法 | |
CN110701137B (zh) | 一种掘进机液压***智能在线检测诊断装置及方法 | |
CN111612018A (zh) | 一种基于多源异构数据融合的地下管廊监测方法和*** | |
CN114252216A (zh) | 一种燃气轮机滑油泄漏的检测方法 | |
CN110296125B (zh) | 一种检测设备液压***漏油的方法 | |
CN112561238A (zh) | 一种抽水蓄能电站辅机设备状态健康评价***及方法 | |
CN207882268U (zh) | 润滑油检测控制*** | |
CN113902288A (zh) | 一种用于水资源调控与运营的管理***及方法 | |
CN103309327B (zh) | 检测氢气漏入内冷水中并评估影响内冷水水质的监测装置 | |
CN110307212B (zh) | 一种液压伺服***漏油监测方法 | |
CN110647064A (zh) | 一种液压润滑站智能监控***及其应用 | |
CN108052540A (zh) | 一种基于gis管网***的管道故障预判与预处理方法 | |
CN201586664U (zh) | 一种轧机弯辊控制在线切换装置 | |
CN109460403A (zh) | 空预器堵灰实时动态定量标定方法 | |
CN112964847A (zh) | 一种基于物联网的大数据污水监控*** | |
CN104750144B (zh) | 对设备运行状况进行预警的方法 | |
CN110390454B (zh) | 一种石化装置泄漏风险分析与管理*** | |
CN111582362A (zh) | 一种基于随机森林算法的农田水泵故障诊断方法及装置 | |
CN104061207A (zh) | 一种轧机漏油的判定方法及*** | |
CN105117985A (zh) | 一种炼油企业设备缺陷管理的***化方法 | |
CN112784706B (zh) | 一种基于图像智能识别的试油测试作业区安全控制方法 | |
CN104699056B (zh) | 一种对污水处理工艺单元运行性能进行监控的方法 | |
KR20220032344A (ko) | 누적 파형을 통한 기기의 예지 보전방법 | |
Kang et al. | Fault diagnosis of pipeline and pump unit systems using status coupling analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |