王淑嬌　李琳琳

摘 要：分析了神經(jīng)網(wǎng)絡診斷技術、專家系統(tǒng)診斷技術和小波分析診斷技術等智能故障診斷技術在液壓系統(tǒng)故障診斷中的應用現(xiàn)狀，指出了智能故障診斷技術今后的研究方向。

關鍵詞：液壓系統(tǒng)；智能；故障診斷；神經(jīng)網(wǎng)絡

液壓系統(tǒng)是結構復雜的機電液綜合系統(tǒng)，具有機電液耦合，結構時變性、非線性等特性，液壓裝置對污染敏感，容易產(chǎn)生各種故障，且故障形式多樣，難于檢測和判斷。智能診斷技術在知識層次上實現(xiàn)了辨證邏輯與數(shù)理邏輯的集成、符號邏輯與數(shù)值處理的統(tǒng)一、推理過程與算法過程的統(tǒng)一、知識庫與數(shù)據(jù)庫的交互等功能，為構建智能化的液壓故障診斷系統(tǒng)提供了堅實的基礎。本文對液壓系統(tǒng)的智能故障診斷技術現(xiàn)狀進行了分析，并提出了今后的研究方向。

1.基于神經(jīng)網(wǎng)絡的液壓系統(tǒng)智能診斷方法

1982年美國物理學家J. J. Hopfield提出了HNN神經(jīng)網(wǎng)絡模型，使神經(jīng)網(wǎng)絡的研究有了突破性進展。在液壓系統(tǒng)的故障診斷中，廣泛應用的是多層前向神經(jīng)網(wǎng)絡及反向傳播算法。

基于神經(jīng)網(wǎng)絡系統(tǒng)的診斷基本原則是：把領域專家的經(jīng)驗輸入網(wǎng)絡，通過對故障實例和診斷經(jīng)驗的訓練學習，依據(jù)一定的訓練算法，使網(wǎng)絡的實際輸出在某種數(shù)學意義下是理想輸出的最佳接近，對應于特定的輸入征兆，產(chǎn)生一故障輸出模式，可以模仿人類專家的直覺、聯(lián)想、記憶等能力，能較好地解決知識不完全性或不確定情況下的故障診斷問題。

文獻[1]以軸向柱塞泵外殼的振動加速度信號為依據(jù)，采用3層神經(jīng)網(wǎng)絡，運用BP訓練算法（通過誤差反向傳播修正權重，使網(wǎng)絡的實際輸出與期望輸出之差的平方和達到極小），用C語言在微機上建立了泵的故障信號采集、預處理及神經(jīng)網(wǎng)絡的故障診斷框架。經(jīng)實際檢驗，證明了神經(jīng)網(wǎng)絡診斷法的有效性。

基于神經(jīng)網(wǎng)絡的診斷法是利用神經(jīng)網(wǎng)絡具有非線性和自學習以及并行計算能力，使其在液壓系統(tǒng)故障診斷方而具有很大的優(yōu)勢。其具體應用方式有：從模式識別角度應用神經(jīng)網(wǎng)絡作為分類器進行液壓系統(tǒng)故障診斷；從故障預測角度應用神經(jīng)網(wǎng)絡作為動態(tài)模型進行液壓系統(tǒng)故障預測；從檢測故障的角度應用神經(jīng)網(wǎng)絡得到殘差進行液壓系統(tǒng)故障檢測。

2.基于小波變換的液壓系統(tǒng)智能診斷方法

小波分析是1986年以來由于Y. Meyer 和S. Mallat及I. Daubechies等的奠基工作而迅速發(fā)展起來的一門新興學科。小波分析的另一個作用是通過不同尺度的小波變換，得到典型頻率下的系統(tǒng)信號，以此分析系統(tǒng)的技術性能，判斷系統(tǒng)故障所在。

潘宏等[2]研究了基于小波分析的液壓系統(tǒng)泄漏檢測方法。通過壓力傳感器檢測出容腔的壓力變化曲線，對壓力信號進行Morlet小波變換。通過基本小波尺度的伸縮和平移計算得到的小波系數(shù)，在壓力信號的多個帶寬范圍內(nèi)能辨識信號特征。

3.基于專家系統(tǒng)的液壓系統(tǒng)智能診斷方法

專家系統(tǒng)實質上是一種計算機程序，它能夠以人類專家的水平完成液壓傳動與控制領域的故障診斷任務。專家系統(tǒng)由許多收集的規(guī)則組成，它清楚地表示了知識和結果。一般的專家故障診斷系統(tǒng)由三部分組成，即知識庫、推理機制、決策機制。目前專家故障診斷技術與其它診斷技術的結合是發(fā)展方向。

總之，智能診斷法還有許多種，但其還處在探索和發(fā)展階段，由于液壓系統(tǒng)故障的特征、原因普遍存在模糊性，同一故障可能由不同的原因造成，同一故障可能會產(chǎn)生不同的故障特征，不同的故障也可能引起相同的故障特征，多種故障并發(fā)時故障特征就更加復雜，因

此，各種智能方法互相取長補短結合運用，是今后液壓系統(tǒng)故障診斷發(fā)展的重要趨勢。

4.液壓系統(tǒng)故障智能診斷的發(fā)展方向

隨著近些年來人工智能技術的發(fā)展，智能診斷的研究也在逐步深入，并在某些領域己經(jīng)取得了一定的成效。在液壓系統(tǒng)故障診斷方面，文獻[3]用BP神經(jīng)網(wǎng)絡對液壓泵的振動信號進行信息融合，提出了液壓泵的神經(jīng)網(wǎng)絡在線狀態(tài)監(jiān)測及故障診斷系統(tǒng)。顯然液壓系統(tǒng)的在線故障診斷與預測能提高大型液壓設備的可靠性和利用率，今后的研究重點主要是以下三個方面：

（1）深入研究復雜液壓系統(tǒng)故障的智能診斷方法。目前大多數(shù)論文是應用BP神經(jīng)網(wǎng)絡或專家系統(tǒng)對單個液壓元件如液壓泵、液壓馬達、液壓缸的故障或系統(tǒng)的泄漏進行故障診斷。

（2）加強傳感器等硬件的研究。神經(jīng)網(wǎng)絡診斷方法，專家系統(tǒng)診斷方法都需要采集大量的數(shù)據(jù)進行分析，因此傳感器的高精度和高可靠性是實現(xiàn)智能故障診斷的前提，開展智能傳感器的研究是智能故障診斷的技術保證。

（3）開展液壓系統(tǒng)智能故障診斷通用軟件的研究。開發(fā)可靠性高、信息傳輸標準化的傳感器以及開發(fā)液壓系統(tǒng)故障診斷專家系統(tǒng)通用工具軟件，使不同液壓系統(tǒng)能使用相同的軟件進行故障診斷，從而實現(xiàn)軟件的大面積推廣應用和降低開發(fā)成本的目的。

當前，液壓系統(tǒng)故障診斷技術的發(fā)展己經(jīng)融合了多學科的技術，其發(fā)展趨勢必將是多種智能診斷方法相互混合，相互取長補短為主，與多媒體技術、網(wǎng)絡技術、信息融合技術、虛擬現(xiàn)實技術等相互融合，對液壓系統(tǒng)故障進行綜合評判和診斷。

參考文獻：

[1]祝海林.人工智能在液壓系統(tǒng)故障診斷中的應用.液壓與氣動，1995 （5）

[2]潘宏，傅周東，陳章位.基于小波分析的液壓系統(tǒng)泄漏檢測.機械科學與技術，1998，17（4）

[3]董選明，等.基于BP算法的液壓泵在線狀態(tài)檢測及故障診斷（J）.北京航空航天大學學報， 1997（3）