欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022107122803
申请人: 青岛理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,包括以下步骤:

解析机电液动力学耦合关系;建立适用于全电执行器的深水多载荷联合概率模型;基于深水多载荷联合概率模型获取多物理场参数化模型,获取全电执行器耦合系统多因素作用下早期故障动力学响应规律;

获取多因素与表征值的映射关系,基于所述映射关系与参数敏感性分析理论分析确定高危组件;确立早期故障与永久性故障等分模型,基于所述早期故障与永久性故障等分模型与本体数值分析模型进行迭代分析,获得早期故障演变动力模型,基于所述早期故障演变动力模型计算构建早期故障演变数据库;

基于组件随机依赖关系分析,获取组件依赖关系函数,构建依赖组件故障率影响关系模型;基于获取的实验数据分析解析出随机干扰信号,提纯、重构早期故障特征信号,并基于所述重构早期故障特征信号对早期故障演变数据库反向修正;基于早期故障演变动力学模型、组件依赖关系函数、早期故障演变数据库及深水多载荷联合概率模型构建贝叶斯不确定性推理理论驱动的定性因果模型及定量故障诊断网络,通过贝叶斯正向推理构建早期故障动态大数据;基于所述早期故障动态大数据对早期故障信号特征进行加强,基于加强特征的早期故障信号修正早期故障演变数据库,实现网络的动态更新;设计人为、早期微小,渐变故障破坏试验,获取实验数据,基于所述实验数据强化贝叶斯网络,预测早期故障发展规律并提前预警。

2.根据权利要求1所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述解析机电液动力学耦合关系的过程中包括:根据全电执行器结构力学特性、机电传动机制特性、高压流体补偿特性,推导随机电信号干扰对液体压力和结构自振耦合关系,建立复杂机电液耦合系统状态方程,基于所述复杂机电液耦合系统状态方程获得复杂机电液耦合数据模型。

3.根据权利要求1所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述全电执行器的深水多载荷联合概率模型获取的过程中包括:获取目标海域深水环境水文资料,基于所述水文资料建立多物理场载荷统计分析模型,基于全电执行器安装位置与多物理场载荷的承载角度关系,结合多维最大熵模型建立深水多载荷联合概率模型。

4.根据权利要求2所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述早期故障动力学响应规律获取的过程中包括:基于所述复杂机电液耦合数据模型建立本体数值分析模型,基于多物理场参数化模型获取所述本体数值分析模型的边界条件与约束,求解获得结构件承载性状规律,构建早期裂纹萌生、早期密封失效故障数值模型,分析液体压力与结构自振响应特性,获取所述全电执行器的早期故障动力学响应规律。

5.根据权利要求1所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述获取多因素与表征值映射关系的过程包括:构建深水多因素环境,以检测点位的液体压力、结构自振频率作为液压泄露、结构损伤程度的表征值,通过调整所述深水多因素环境进行迭代分析,获得多因素与表征值的映射关系,其中,所述深水多因素环境包括:内外流场、力场、温度场以及电磁场参数强度。

6.根据权利要求4所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述早期故障与永久性故障等分模型的确立过程包括:基于所述结构件承载性状规律确定高危组件永久性故障阈值,基于高危组件永久性故障阈值确立早期故障与永久性故障等分模型,其中,所述阈值包括裂纹极限值、密封间隙极限值。

7.根据权利要求4所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述获取组件依赖关系函数的过程包括:基于所述复杂机电液耦合系统状态方程,构建冗余组件依赖关系贝叶斯网络推理模型,通过贝叶斯理论反向推理分析,获得组件依赖关系函数,其中,所述冗余组件依赖关系贝叶斯网络推理模型基于所述复杂机电液耦合系统状态方程定性,基于液体压力与结构自振响应特性定量。

8.根据权利要求1所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述随机干扰信号的获取过程包括:基于随机电信号干扰对力学性能的影响规律函数对所述实验数据反向解耦,得到多类信号;推导基于快速傅里叶的变换的多步迭代同步压缩变换函数;基于变换函数对解耦得到的信号进行集中,并获得时域平面频谱图,以每次迭代的能量损失平均误差确定算法处理信号的收敛步数,构建微弱信号时频脊线匹配度指标,对时域平面频谱图内能量集中信号脊线进行形态学加权,进而确定随机干扰频率信号轨迹数,对能量高度集中信号的随机干扰频率信号依次进行提取,对单峰分量进行逆同步压缩变换,解析出随机干扰信号。

9.根据权利要求1所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述贝叶斯不确定性推理理论驱动的定性因果模型及定量故障诊断网络构建过程中,基于早期故障演变动力响应模型和组件随机依赖关系函数作为网络节点间因果关系定性依据,基于早期故障演变数据库作为网络子节点初始条件概率分布定量依据,将所述深水多载荷联合概率模型预测的深水环境参数分布概率作为父节点初始条件概率分布定量依据。

10.根据权利要求8所述的基于不确定性推理驱动全电执行器早期故障诊断方法,其特征在于,所述早期故障信号特征加强的过程包括:将所述早期故障动态大数据中的自振频率与所述时域平面频谱图进行内积运算和匹配度分析,获得匹配度系数,在内积的基础上与匹配度系数、归一化值求积运算,实现形态学加权处理,实现早期故障信号特征加强。