基于PCA-RF-BP的液压系统异常状态诊断策略

简介

液压系统状态监测信号受回路特性与泵机组运行工况影响,呈现复杂非线性且异常状态难以准确识别与诊断。为此,提出了一种基于主成分分析与随机森林BP神经网络(PCA-RF-BP)的液压系统异常状态诊断策略,用于提高设备监测系统的诊断效率。首先,基于状态监测数据进行主成分分析以降低数据维度,同时计算T 2和SPE统计量进行过程状态的实时异常检测;其次,采用随机森林BP神经网络对异常样本进行预测分类。实验结果表明,所提方法能够有效地诊断液压系统泄漏状态,检测延迟至多5个样本点,预测分类精度达到99.88%,相较于现有方法平均提高了4.63%。