Der Linearantrieb ist ein Gerät, das die Drehbewegung eines Motors in eine lineare Bewegung umwandelt und in verschiedenen Automatisierungssystemen weit verbreitet ist. Linearantriebe können jedoch während des Betriebs Fehlfunktionen aufweisen, die die Leistung und Sicherheit des Systems beeinträchtigen. Daher ist die Fehlerdiagnose von Linearantrieben sehr wichtig. In diesem Artikel werden eine datenbasierte Fehlerdiagnosemethode für Linearantriebe und eine auf adaptivem Beobachter basierende Fehlerdiagnosemethode für Linearantriebe vorgestellt.
Ein datenbasiertes Fehlerdiagnoseverfahren für Linearantriebe
Diese Methode nutzt die Strom- und Positionsmessdaten von Linearantrieben, um Merkmale zu extrahieren und Fehlerindikatoren zu konstruieren. Der Vorteil dieser Methode besteht darin, dass sie kein physikalisches Modell oder zusätzliche Sensoren benötigt, sondern nur die bereits in der Steuerung selbst vorhandenen Daten verwendet. Die einzelnen Schritte sind wie folgt:
Extrahieren Sie Merkmale aus aktuellen und Positionsmessdaten. Zu den Merkmalen gehören die dynamischen Eigenschaften des Systems während des stationären und transienten Betriebs, wie z. B. Strommittelwert, Stromspitze, Positionsmittelwert, Positionsspitze, Positionsänderungsrate usw.
Kombinieren Sie Features zu Fehleranzeigen. Die Fehleranzeigemenge ist ein numerischer Wert, der angibt, ob ein Fehler im System vorliegt und wie schwer der Fehler ist. Eine häufig verwendete Methode ist die Verwendung von Support Vector Machine (SVM) zum Klassifizieren von Features und zum Abrufen von Diskriminanzfunktionen für Normal- und Fehlerzustände.
Legen Sie den Schwellenwert für die Fehleranzeige fest. Der Schwellenwert ist ein numerischer Wert, der verwendet wird, um zu bestimmen, ob die Fehleranzeige den normalen Bereich überschreitet. Der Schwellenwert kann auf der Grundlage historischer Daten oder Erfahrungen ermittelt oder dynamisch auf der Grundlage von Echtzeitdaten oder statistischen Methoden angepasst werden.
Führen Sie eine Fehlererkennung und -diagnose basierend auf der Fehleranzeigemenge und dem Schwellenwert durch. Wenn die Fehleranzeige den Schwellenwert überschreitet, wird davon ausgegangen, dass das System eine Fehlfunktion aufweist, und die Art und der Ort des Fehlers werden anhand der Größe und des Trends der Fehleranzeige bestimmt.