[发明专利]一种动力换挡变速箱先导式溢流阀的故障诊断方法

权利要求书

1.一种动力换挡变速箱先导式溢流阀的故障诊断方法，其特征在于，包括：

通过AMESim软件建立动力换挡变速箱先导式溢流阀的系统仿真模型；

利用所述动力换挡变速箱先导式溢流阀的系统仿真模型进行先导式溢流阀的故障分析；

根据先导式溢流阀的故障分析结果建立先导式溢流阀的故障注入模型；所述故障注入模型包括正常参数模型和故障参数模型，具体包括：

将所述先导式溢流阀的故障注入模型中的正常参数模型中油路的正常阻尼孔和故障阻尼孔分别设置为两个；

将所述先导式溢流阀的故障注入模型中的正常参数模型中先导式溢流阀的质量块设置为两个，分别是正常质量块和故障质量块；

将所述先导式溢流阀的故障注入模型中的正常参数模型中先导式溢流阀的导阀的弹簧设置为两个，分别是正常弹簧和故障弹簧，综合所述油路的正常阻尼孔和故障阻尼孔、质量块、导阀的弹簧的设置情况获得先导式溢流阀的故障注入模型；

利用所述故障注入模型对先导式溢流阀进行故障仿真模拟得到故障注入矩阵，利用所述故障注入模型和所述故障注入矩阵对BP神经网络算法进行训练优化得到故障诊断算法，通过所述故障诊断算法对先导式溢流阀进行实际故障诊断；具体包括：

将故障注入模拟时的元件交互信号的所对应的物理信号作为故障数据，根据所述故障注入模型采用小波分析法确定出所述故障数据的故障特征向量，采用组合信息法建立所述故障注入矩阵；

搭建一个3层的BP神经网络结构，设置BP神经网络算法的参数初始值，所述参数初始值包括：学习速率、输入节点的数量、隐含层节点的数量、输出节点的数量、训练的最大次数和训练集的组数，确定BP神经网络算法的输入层和输出层节点数；

将所述故障特征向量作为BP神经网络的输入数据，随机选择75%的故障特征向量作为训练集，利用训练集对BP神经网络算法进行训练优化，得到故障诊断算法，并利用所述故障注入矩阵中的元素数据对所述故障诊断算法进行测试和诊断，得到优化后的故障诊断算法；

所述的利用所述故障注入模型对先导式溢流阀进行故障仿真模拟得到故障注入矩阵，包括：

在AMESim软件中打开先导式溢流阀的故障注入模型，点击set the run parameters按钮，仿真模式设置为定步长，仿真时间设置为100s，仿真步长设置为0.01s；

将先导式溢流阀的主阀、导阀和阻尼孔的故障发生类型通过故障注入模型进行注入，注入故障时，通过PXIe系统将故障以实际的物理信号模拟生成出来，并将故障的实际物理信号进行保存；

注入故障时，根据故障注入时的顺序、模式建立故障注入矩阵。

2.根据权利要求1所述的方法，其特征在于，所述的通过AMESim软件建立动力换挡变速箱先导式溢流阀的系统仿真模型，包括：

进入AMESim软件，新建模型，点击草图模式按钮sketch model，在草图模式下添加库内元件搭建系统草图；

在子模型模式，给每个动力换挡变速箱先导式溢流阀的元件匹配子模型，点击参数模式按钮parameter model，在参数模式下设置相关元件参数；

点击set the run parameters按钮，仿真模式设置为定步长，仿真时间设置为100s,仿真步长设置为0.01s，完成正常的动力换挡变速箱先导式溢流阀仿真模型的搭建。

3.根据权利要求2所述的方法，其特征在于，所述的利用所述动力换挡变速箱先导式溢流阀的系统仿真模型进行先导式溢流阀的故障分析，包括：

对所述正常的动力换挡变速箱先导式溢流阀仿真模型的液压系统和机械系统进行结构分析，建立先导式溢流阀的各元件之间的逻辑关系；

根据所述先导式溢流阀的各元件之间的逻辑关系，对先导式溢流阀的主阀进行失效模式和影响分析FMEA分析；

根据所述先导式溢流阀的各元件之间的逻辑关系，对先导式溢流阀的先导式溢流阀进行FMEA分析；

根据所述先导式溢流阀的各元件之间的逻辑关系，对先导式溢流阀的阻尼孔进行FMEA分析；

综合所有FMEA分析的结果获取先导式溢流阀的故障特征和故障原因。

4.根据权利要求1所述的方法，其特征在于，所述的通过所述故障诊断算法对先导式溢流阀进行实际故障诊断，包括：

将优化后的故障诊断算法转化为可执行代码下载到变速箱控制器中，将动力换挡变速箱先导式溢流阀的模拟物理故障信号输入到变速箱控制器中，利用变速箱控制器中优化后的故障诊断算法完成故障诊断。