鄧明達(dá)

（湖南省湘潭鳳凰中學(xué) 411228）

液壓系統(tǒng)故障診斷技術(shù)的更新

鄧明達(dá)

（湖南省湘潭鳳凰中學(xué) 411228）

液壓系統(tǒng)屬于機(jī)電液一體化系統(tǒng)，具有非線行、機(jī)電液耦合、時變性的特征，其故障的診斷非常復(fù)雜。本文主要針對液壓系統(tǒng)幾種常用的故障診斷技術(shù)進(jìn)行闡述。

液壓系統(tǒng)故障；診斷技術(shù)；類別；應(yīng)用

經(jīng)過幾十年的發(fā)展，液壓系統(tǒng)的功能越加完善，同時液壓系統(tǒng)的結(jié)構(gòu)越加復(fù)雜，由于液壓系統(tǒng)通過封閉管道內(nèi)的受壓介質(zhì)實現(xiàn)能量的轉(zhuǎn)換和傳遞，不如電力傳動和機(jī)械傳動那樣直觀、易于觀察，使得液壓系統(tǒng)的運行狀態(tài)不易觀察。當(dāng)代液壓系統(tǒng)的發(fā)展迅速、機(jī)能高、功率大，新型技術(shù)的應(yīng)用有效提升了系統(tǒng)的安全可利用性，但是，系統(tǒng)在運行的過程中難免出現(xiàn)故障，且故障問題方位、故障問題的判斷也十分困難。當(dāng)前液壓系統(tǒng)多使用單一的診斷方法，存在限制，為此，有必要研究一種新型的液壓系統(tǒng)故障診斷技術(shù)。

1 人工神經(jīng)網(wǎng)絡(luò)與解析容災(zāi)儲備聯(lián)合診斷法

解析容災(zāi)儲備法分為兩種，其一是立足于形態(tài)推測的方法，還有一種是立足于參數(shù)推測的方法，該種方式不利于故障問題的分離和多種故障的聯(lián)合診斷是形態(tài)推測，但是可以得出正確的參數(shù)推測。而舵機(jī)液壓系統(tǒng)的頻分雙工問題在故障檢測濾波器法的應(yīng)用中存在幾個難題：①辨認(rèn)最佳閾值問題；②魯棒性檢驗問題；③可分離檢測性問題，于是就限制了它的使用。液壓系統(tǒng)有著經(jīng)典的非線性表現(xiàn)如：全溶、無活角、變增益、摩擦、游隙，除此之外，還有極高非線性因素即伺服閥的壓力性質(zhì)，所以它的性質(zhì)本質(zhì)為非線性系統(tǒng)。

傳統(tǒng)的解析容災(zāi)儲備法可以應(yīng)用于辨別由變化工作點引起的，還是因故障問題引起的系統(tǒng)參數(shù)的轉(zhuǎn)變。利用人工神經(jīng)網(wǎng)絡(luò)（ANN）法進(jìn)行處理可以有效提升工作效率，快速找出故障。它的方法有：①將非線性系統(tǒng)針對不一樣的工作點、不同的故障或平常環(huán)境的線性進(jìn)行測量，利用混合神經(jīng)系統(tǒng)即HNN同時推測體制模參數(shù)，用模糊樣式辨識技術(shù)實現(xiàn)故障診斷。②系統(tǒng)在任何時刻的模型參數(shù)，任意選擇參考工作點，根據(jù)徑向基函數(shù)（RBFNN）實現(xiàn)推測，與體制在參考工作點平時情況下工作時的模型參數(shù)相比較，實現(xiàn)故障診斷。對于非線性系統(tǒng)——液壓系統(tǒng)，解析容儲操作系統(tǒng)（DOS）法里的奉獻(xiàn)觀測器的組織不好實現(xiàn)，便可用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)靠近非線性映射的技能，借用反向神經(jīng)網(wǎng)絡(luò)（BPNN）組織提升觀測結(jié)果的準(zhǔn)確性。

因為液壓系統(tǒng)的非線性不確定體系，實現(xiàn)精確建模是比較難的，其是在假設(shè)、簡略、相近下所獲有的現(xiàn)存模型，解析容儲方法的魯棒性相對較差。哪怕結(jié)合了ANN的好處，這一缺陷也無法得到解決。目前，魯棒性觀測數(shù)據(jù)的后向頻分雙工（FDD）法成為現(xiàn)在的研究熱點。

2 小波分析、模糊邏輯及ANN聯(lián)合診斷法

小波分析的好處在于可以對信號的時頻進(jìn)行局部解析，可用小波改變模最大值檢測出信號異樣點并顯示它的組成，所以非常適合應(yīng)用于突發(fā)故障的診斷中。這一技術(shù)可以對突發(fā)信號的異樣性實行定量概括，解決伺服閥多問題，故障發(fā)生時其值大小的定量分析可用Lipschitz指數(shù)實現(xiàn)。另外，合理選擇小波尺度，可以在合理尺度的小波基上對信號實行重新組織，除去噪聲頻率段內(nèi)的小波尺度，確保重新組織的信號僅僅涵蓋體系信息及故障信息，只要提升ANN技術(shù)性，就可以對噪聲擾亂魯棒性使用小波變換實行預(yù)處理。

ANN有兩大類，即模式辨認(rèn)與知識處理。為提升正確率，減少少報和錯報率，ANN在新故障顯現(xiàn)時會調(diào)換權(quán)值、閾值。ANN在故障判斷中有絕對性，與現(xiàn)實不盡符合。如果把模糊邏輯與ANN相互聯(lián)合，就能盡可能的突出兩者優(yōu)勢。模糊人工神經(jīng)網(wǎng)絡(luò)（FNN）的準(zhǔn)確性也非常高，可同時處理語義方式的輸入，適宜應(yīng)用于模糊屬性的數(shù)據(jù)數(shù)據(jù)，其診斷結(jié)果會是多類故障的錄屬度，如此就解決了ANN傳統(tǒng)診斷的絕對性。

3 ES與ANN聯(lián)合診斷法

在ES中引進(jìn)FT和模糊數(shù)學(xué)的方法，借助“故障問題率”和“故障問題可查率”的處理觀念，可以自動生成FT，用啟發(fā)形式的方法指引進(jìn)程故障問題的判斷，可以有效提升診斷效率，ES推理中的連合爆炸問題如此也可以完美的解決。在液壓體系問題診斷ES時，套用研究各式的定性模型也十分靈活。在電液伺服體系問題診斷時，難以實現(xiàn)的是單立足于規(guī)則的啟發(fā)式體系，因為它的機(jī)制極其復(fù)雜。雙層診斷體系模型，克服傳統(tǒng)診斷的弊端，立足于人工智能的模型，全方位提升了局部診斷問題的效率。

4 結(jié)束語

在液壓系統(tǒng)故障診斷技術(shù)中，有發(fā)展前途的研究和應(yīng)用領(lǐng)域分別為遺傳算法、模擬退火算法、混沌神經(jīng)網(wǎng)絡(luò)及混沌預(yù)測、故障樹自動建造法。相信在技術(shù)水平的發(fā)展下，液壓系統(tǒng)故障診斷技術(shù)會日益完善。

[1]范士娟，楊超.液壓系統(tǒng)故障智能診斷技術(shù)現(xiàn)狀與發(fā)展趨勢[J].液壓與氣動，2010（03）.

[2]胡方偉.工程機(jī)械液壓系統(tǒng)故障診斷技術(shù)的發(fā)展[J].科學(xué)咨詢（科技管理），2010（07）.

[3]陸躍平，常德華，劉軍.基于RBF神經(jīng)網(wǎng)絡(luò)的液壓系統(tǒng)模糊故障診斷研究[J].液壓與氣動，2009（02）.

[4]趙亮培.基于故障樹分析的液壓系統(tǒng)故障診斷研究[J].機(jī)床與液壓，2009（02）.

TH137

A

1004-7344（2016）36-0298-01

2016-12-11