基于GA‑BP网络的液压制动系统多源融合故障预示方法

摘要

本发明公开了一种GA‑BP网络的液压制动系统多源融合故障预示方法，其具体如下：对液压制动系统中的油液进行采样，并随机分成训练集、测试集，对样本进行分析，并进行多源信息融合，得到油液相关的分析数据；利用遗传算法来对神经网络的初始值进行优化；将训练集的分析数据用于GA‑BP网络的建模；利用测试集来训练出来的神经网络进行测试，直到神经网络的性能能够符合要求；最后，利用训练好的GA‑BP神经网络来对液压制动系统状态进行分析，对可能存在的故障进行预示。本发明可以定性和定量地评价被监测液压制动系统的状态，并预测其发展趋势；使得故障诊断过程更加智能化，检测的准确性更高。

主权项

一种基于GA‑BP网络的液压制动系统多源融合故障预示方法，其特征在于，包括以下步骤：第一步，对液压制动系统中的油液进行采样，并随机将样本分成两个样本集，分别为训练集和测试集；第二步，对样本进行光谱分析、污染颗粒含量分析、铁含量分析和粘度分析，获得油品的性能数值、磨粒尺寸、形貌、含量和成分信息；第三步，对第二步中各油液分析结果进行多源信息融合，得到油液相关的分析数据，获得全面的油液信息，具体信息包括Fe、Cu、Pb的质量分数，油液粘度，油品性能，油液磨粒尺寸，油液磨粒形貌，油液磨粒成分；第四步，利用遗传算法来对神经网络的初始值进行优化；第五步，将训练集的分析数据用于GA‑BP网络的建模；第六步，将测试集用到训练出来的神经网络中进行测试，直到神经网络的性能测试合格；第七步，利用训练好的GA‑BP神经网络来对液压制动系统状态进行分析，对可能存在的故障进行预示。