液压系统故障诊断技术 液压系统一般故障诊断

液压系统故障诊断技术

军事交通学院 王海兰 齐继东 王富强

摘 要:介绍液压系统故障主观诊断技术、数学模型诊断技术和智能诊断技术, 以及各种具体故障诊断方法的特点及应用, 指出专家系统与神经网络的有机结合成为智能故障诊断技术的发展方向。 关键词:液压系统; 故障诊断; 信号处理与建模; 专家系统; 神经网络

Abstract:This paper covers subjective diagnosi s technology, mathematical model diagnosis technology and intelligent diag -nosis technology. Various diagnosis methods and their application in hydraulic systems are discussed. It i s concluded that fu ture in telligent diagnosis technology is combining of expert system, neural network and information technology. Keywords:

hydraulic system; fault diagnosis; signal processing and modeling; e xpert syste m; neural

network

液压设备的自动化程度越高、功能越多、结构越复杂, 发生故障的几率随之增多, 故障造成的危害和损失也越加严重。由于液压系统各元件在封闭的油路内工作, 液压装置的损坏与失效, 往往发生在内部, 隐蔽性强。故障的症状与原因之间存在着重叠与交叉, 因果关系复杂, 再加上在运行过程中随机性因素的影响, 能够正确而果断地判断出发生故障的部位, 迅速排除故障尤为重要。

(泵源、控制传动部分或执行器部分) 。增加参数检测点, 如可在泵出口、执行元件进出口安装双球阀三通,

缩小故障发生区域。

1 液压故障的主观诊断技术

液压系统的故障有压力不足、流量不足、爬行、发热、噪声、振动、泄漏等。所谓主观诊断法, 是指依靠简单的诊断仪器, 凭借个人的实践经验, 分析判断故障产生的原因和部位。常用的方法有:

四觉诊断法 检修人员运用触觉、视觉、听觉和嗅觉来分析判断系统故障。

逻辑分析法(见图1) 根据液压系统的基本原理, 进行逻辑分析, 减少怀疑对象, 逐渐逼近, 找出故障发生部位。

参数测量法 通过测得液压系统回路中所需任意点处工作参数, 将其与系统工作的正常值比较判断, 可进行在线监测、定量预报和诊断潜在故障。图2所示为一种简单实用的检测回路[3]。检测回路与被检测回路并联, 在被测点设置如图2所示的双球阀三通接头, 用于对系统进行不拆卸检测。不需任何传感器, 可同时检测系统中的压力、流量、温度3个参数, 并立即诊断出故障所在的大致范围

5图1 故障逻辑分析基本步骤

此外, 还有故障树分析、方框图分析、鱼刺分析法等, 主观诊断法方便快捷, 但由于人的感觉不同、判断能力和实践经验有差异, 对客观情况的分析也不同, 所以一般只用于对故障进行简单的定性。

2 液压故障的数学模型诊断技术

数学模型诊断技术, 首先用一定的数学手段描述系统某些可测量特征量在幅值、相位、频率及相关性上与故障源之间的联系, 然后通过测量、分析、处理这些信号来判断故障源部位。这种方法实质上是以传感器技术和动态测试技术为手段, 以信号处理和建模处理为基础的诊断技术。主要有:

)

压和电流容易检测, 而且故障多样, 成因复杂。随着计算机技术的发展, 故障诊断技术与之相结合, 人工智能诊断技术应运而生。其本质特点是模拟人脑的机能, 有效地获取、传递、处理、再生和利用故障信息, 运用大量独特的专家经验和诊断策略, 成功地识别和预测诊断对象的状态。人工智能是智能诊断技术的核心, 为液压系统故障诊断向智能化方向发展提供新的技术手段与理论方法, 目前研究最活跃的2个分支是专家系统和神经网络。311 液压故障诊断专家系统

用专家系统诊断液压系统故障的一般过程是通

图2 参数测量检测回路

1、2. 截止球阀 3、8. 软管 4. 压力表5. 流量计 6. 温度计 7. 溢流阀

过用户接口将故障现象输入计算机, 由计算机根据输入的故障现象及知识库中的知识, 按推理机中存放的推理方法, 推理出故障原因并报告用户, 提出维修和预防措施。

(1) 知识库

知识库是故障诊断专家系统的基础, 如何建立有效的知识库是诊断系统的重要环节, 知识库的模型不仅要符合专家诊断推理的思维, 同时还要具备不断自我充实的能力, 以提高专家系统的性能。

知识库中存放各种故障现象、引起故障的原因及原因和现象间的关系, 知识包括领域专家的启发性知识和液压系统的结构原理性知识。前者源于领域专家在长期实践中的知识积累, 后者来自于对液压系统结构、原理和性能的深层次研究。通过对液压系统结构、功能和故障机理特征的分析可将其各部分的隶属关系描述成一种树状结构, 如系统级、子系统级、部件级和元件级等若干层次。

(2) 推理机

推理机是专家系统的核心, 实际上是计算机的控制模块, 根据输入的设备症状, 利用知识库中存贮的专家知识, 按一定的推理策略解决诊断问题。通常采用的推理策略有正向推理、反向推理、正反向混合推理; 常用的知识表达方式有产生式规则、框架、谓词逻辑等。

文献[2]以QLY-16T 型轮胎式起重机为例, 用产生式规则来表达与存贮知识, 知识库中的知识用GCLisp 语言汇编, 通过规则的递归调用及与用户的交互, 采用反向推理与启发式推理相结合的方法进行推断, 形成了液压系统故障诊断的专家系统软件, 达到模仿人类专家诊断故障的目的。

在液压故障模糊推理诊断过程中, 一般坚持以

铁谱记录诊断法 分析铁粉图谱, 根据铁粉记录图片上的磨损粉末、大小和颜色等方面信息, 可以准确得到液压系统的磨损与腐蚀的程度和部位。为经济起见, 往往采用简便方法监测油液中所含污染颗粒的数量, 仅在发现有异常情况时再对设备特定部位取样, 用铁谱记录分析技术查明异常部位和原因。

信号时) 频域诊断技术 采用信号时频分布分析技术, 从信号的时间) 频率获得诊断对象特征信息, 而且基于时变信号的分析技术更适合于实际应用。目前较为流行Wigner 分布、小波分析等方法对非平稳信号的特征信息抽取具有独特优点。随机信号频率响应法 在液压伺服控制信号上施加微弱的白噪声, 通过测量控制系统响应特性并且与初始值(正常值) 的传递特性比较, 确定系统状态以及发生异常的原因与部位。因为附加信号很微弱, 所以可在生产设备运行中在线诊断, 关键是附加的随机信号不能影响系统控制精度, 又要激励出系统特性, 对机械系统、电气系统可以很容易地分开诊断。根据各部分实际响应曲线与正常曲线的比较分析, 推断异常部位和异常原因。

文献[4]为一典型液压轧钢机系统, 通过对系统叠加随机信号, 得出正常状态下伺服阀系统频率响应和异常状态(如内部滤芯堵塞) 下的响应曲线, 分析得到液压系统对应部件的状态。

3 液压故障的智能诊断技术

液压系统的压力和流量显然不象电气系统的电

下原则:分层分段诊断, 逐步深入原则、假设与验证相结合原则、综合评判原则、获取信息原则、通过对外在性能的考证来判断系统内部结构的劣化原则、对比判别确定原则、找出最严重的故障点原则等。

(3) 专家系统的实现

根据知识库模型和知识推断处理方法, 专家系统的实现主要由图3

所示的几个模块组成。

专家系统和人工神经网络作为人工智能诊断的2个分支, 其应用前景十分广阔。专家系统可以有效地模拟人类专家的逻辑思维, 利用专家经验和启发式经验; 人工神经网络能有效地模拟人的形象思维, 从历史事件中总结过滤, 尤其是那些难以描述的类型与故障信号之间的逻辑关系。2类诊断方法各有侧重, 当要求快速诊断时, 往往采用经验性较强的形象思维方式, 但对于重要设备和精密仪器, 还是要通过症状和故障之间的逻辑关系的分析和运算最终给出严密、准确的解。

4 结束语

目前大多凭经验管理的液压设备都已过渡到以预防性为主的维护管理, 这是提高劳动生产率、提

图3 液压系统故障诊断专家系统结构图

高设备使用效率的重要途径, 因此就必须要求在生产实践中研究与应用多种液压系统的诊断技术。对于今后越来越复杂的液压系统的故障诊断, 最佳途径是将专家系统与神经网络有机地结合起来, 作为智能诊断的发展方向, 同时融入先进的现代信息技术, 如多媒体技术、interne t 技术、信息融合技术、智能传感器技术等, 提高控制系统的开放性、容错性和实用性, 应用前景十分广阔。

参 考 文 献

1 石红1液压设备故障诊断技术的研究1液压与气动, 2000(2)

2 祝海林1人工智能在液压系统故障诊断中的应用1液压与气动, 1995(5)

3 乔文刚1液压系统故障诊断的实用方法探析1液压与气动, 1999(1)

4 陈章位1液压设备状态监测和故障诊断技术1液压与气动, 1995(2)

5 张荣沂1液压系统故障诊断专家系统1工程机械, 2002(7)

6 湛从昌1液压系统故障的模糊诊断方法1液压与气动, 1994(6)

312 液压故障诊断神经网络系统

然而专家系统在发展中会遇到知识获取/瓶颈0问题, 知识库过于庞大和非结构性、求解方法单一等困难, 使其支持能力受限。而人工神经网络为液压系统的智能诊断开辟了新的空间。人工神经网络是利用神经网络具有的容错能力、学习功能、联想记忆功能、分布式并行信息处理功能等, 较好地解决了传统方法在知识表达、获取和并行推理等问题上的/瓶颈0问题, 特别是它不需要进行树搜索, 使系统开发周期大大减少而提高求解效率。基于神经网络系统的诊断基本原则是:把领域专家的经验输入网络, 通过对故障实例和诊断经验的训练学习, 依据一定的训练算法, 使网络的实际输出在某种数学意义下是理想输出的最佳接近, 对应于特定的输入征兆, 产生一故障输出模式, 可以模仿人类专家的直觉、联想、记忆等能力, 能较好地解决知识不完全性或不确定情况下的故障诊断问题。

文献[2]以轴向柱塞泵外壳的振动加速度信号为依据, 采用3层神经网络, 运用BP 训练算法(通过误差反向传播修正权重, 使网络的实际输出与期望输出之差的平方和达到极小) , 用C 语言在微机上建立了泵的故障信号采集、预处理及神经网络的故障诊断框架。经实际检验, 证明了神经网络诊断法的有效性。

5作 者:王海兰

地 址:天津军事交通学院机电控制工程教研室邮 编:300161收稿日期:2004-04-01

)