基于上游单点测量信息和机器学习的气动系统并联双气缸泄漏故障诊断

摘要

利用少量传感器融合机器学习技术进行系统多故障诊断是实现气动系统低成本智能化故障诊断的潜在途径。以气动系统中常见的泄漏故障为例,探究了利用上游单点测量信息实现下游并联双气缸泄漏故障诊断的可行性。上游单点测量信息包括压力、流量和[火用]数据,预处理后的数据通过栈式自编码器(Stacked Autoencoder,SAE)进行特征提取,并将提取的特征送入高斯过程分类器(Gaussian Process Classifier,GPC)中进行学习分类。实验结果表明:通过机器学习模型学习分析上游单点测量信号来实现对下游并联双气缸泄漏故障的诊断和定位是可行的;在本实验同等条件下,基于[火用]数据的平均分类准确率达到100%,高于基于流量数据的98.99%和基于压力数据的77.38%。