孫文理，袁宇浩，袁 野

(南京工業(yè)大學(xué) 電氣工程與控制科學(xué)學(xué)院，江蘇 南京 211816)

0 引 言

電液伺服系統(tǒng)由電信號(hào)處理元件和液壓動(dòng)力結(jié)構(gòu)構(gòu)成，是一個(gè)兼具液壓和電氣兩方面技術(shù)優(yōu)勢(shì)的反饋控制系統(tǒng)。因其控制準(zhǔn)度高、反應(yīng)速率快等優(yōu)勢(shì)，被廣泛應(yīng)用于航天航空、船舶作業(yè)系統(tǒng)以及鋼鐵制造裝備等科學(xué)技術(shù)領(lǐng)域[1]。

隨著現(xiàn)代工業(yè)的發(fā)展，大型機(jī)電系統(tǒng)是否能夠安全可靠地以最佳狀態(tài)運(yùn)行，對(duì)于提高企業(yè)生產(chǎn)能力，確保生產(chǎn)安全具有十分重要的意義。如果系統(tǒng)的某個(gè)單元發(fā)生了故障，很容易產(chǎn)生連鎖反應(yīng)，引起系統(tǒng)的其它部位也發(fā)生不同程度的故障，這些故障不僅會(huì)造成嚴(yán)重的經(jīng)濟(jì)損失，甚至還會(huì)危及人的生命安全[2-4]。為了從根本上解決系統(tǒng)的故障診斷和修復(fù)，研究人員不斷地對(duì)常規(guī)方法進(jìn)行改進(jìn)，并提出新思路。故障智能自愈思想就是在這樣的大環(huán)境下應(yīng)運(yùn)而生[5-7]。

1 電液伺服系統(tǒng)的建模及故障分析

1.1 電液伺服系統(tǒng)的組成及工作原理

電液伺服系統(tǒng)主要包括以下基本元件：指令元件、檢測(cè)元件、比較元件、液壓控制元件、執(zhí)行元件、控制對(duì)象以及液壓能源裝置等[8]，如圖1所示。

圖1 電液伺服控制系統(tǒng)

系統(tǒng)的工作原理可簡(jiǎn)述為：指令元件發(fā)出的電信號(hào)作為輸入，與檢測(cè)元件反饋的電信號(hào)進(jìn)行比較。將給出的誤差信號(hào)進(jìn)行放大、轉(zhuǎn)換成液壓信號(hào)傳給執(zhí)行元件。執(zhí)行元件負(fù)責(zé)實(shí)現(xiàn)調(diào)節(jié)動(dòng)作，滿(mǎn)足控制對(duì)象的調(diào)節(jié)要求[9]。

1.2 基于HCD庫(kù)的電液伺服系統(tǒng)建模

在AMESim(advanced modeling environment of simulation)中，預(yù)先提供了眾多的數(shù)學(xué)模型。將這些數(shù)學(xué)模型進(jìn)行歸類(lèi)，使其成為仿真模型“庫(kù)”。AMESim軟件中還包含了一個(gè)HCD庫(kù)，如果在軟件自帶的模塊中找不到需要的模型，可以利用HCD庫(kù)搭建出需要的各種模型。HCD庫(kù)的理念是能夠讓使用者以最少的子模型數(shù)，去構(gòu)建最多的液壓元部件模型[10]。

液壓缸的HCD模型如圖2所示。子模型BAP11和BAP12代表了活塞兩側(cè)的腔體。左右兩側(cè)的壓力分別由所屬子模型處理，壓力作用的方向由BAP11和BAP12內(nèi)箭頭所示。子模型BHC11是與兩個(gè)“半活塞”相連的液壓腔(ch)，用于模擬壓力的動(dòng)態(tài)性。壓力的動(dòng)態(tài)特性只與缸體內(nèi)部的流體體積有關(guān)，該體積隨活塞位置的不同而改變。將基于HCD庫(kù)設(shè)計(jì)的液壓缸模型用于電液伺服系統(tǒng)的模型搭建，如圖3所示。

圖2 液壓缸的HCD模型

圖3 基于HCD庫(kù)設(shè)計(jì)的電液伺服系統(tǒng)

比較原液壓缸標(biāo)準(zhǔn)子模型與HCD優(yōu)化后的子模型仿真圖像，驗(yàn)證了HCD構(gòu)建模型的準(zhǔn)確性，且發(fā)現(xiàn)經(jīng)過(guò)HCD庫(kù)優(yōu)化設(shè)計(jì)的模型，在系統(tǒng)響應(yīng)速度上更快、更穩(wěn)定，并且波動(dòng)更小，如圖4所示。

圖4 液壓缸活塞速度比較

1.3 電液伺服系統(tǒng)故障仿真及分析

電液伺服系統(tǒng)故障大多是由系統(tǒng)元件的重要特性或運(yùn)行參數(shù)的變化引起的，也有可能是系統(tǒng)硬件部分損壞導(dǎo)致的。當(dāng)系統(tǒng)發(fā)生故障時(shí)，系統(tǒng)的運(yùn)行狀態(tài)會(huì)受到影響，也可能導(dǎo)致系統(tǒng)無(wú)法完成正常的功能[11,12]。本文主要針對(duì)放大器故障進(jìn)行仿真分析，為電液伺服系統(tǒng)的故障自愈奠定基礎(chǔ)。

放大器中的放大器增益kp是引起電液伺服系統(tǒng)放大器故障的主要因素。標(biāo)準(zhǔn)運(yùn)行中，系統(tǒng)放大器的增益kp設(shè)為300。利用故障注入的方法，將不同的kp值賦值給系統(tǒng)，研究分析其故障現(xiàn)象。液壓缸活塞速度圖像如圖5所示。由圖5(a)、(b)比較可以看出，當(dāng)kp為100小于標(biāo)準(zhǔn)值時(shí)，液壓缸活塞速度達(dá)到最快速度時(shí)間更長(zhǎng)，其響應(yīng)速度較慢。但當(dāng)kp為500后，液壓缸活塞速度開(kāi)始出現(xiàn)明顯震蕩波動(dòng)，且隨著kp增大，其震蕩波動(dòng)程度加劇。

圖5 液壓缸活塞速度

2 電液伺服系統(tǒng)故障自愈設(shè)計(jì)

2.1 基于人工免疫的自愈原理

自然界的生物免疫系統(tǒng)所擁有的多層保護(hù)、自診斷、自匹配策略等免疫機(jī)制為故障自愈系統(tǒng)的設(shè)計(jì)提供了思路和方法。免疫系統(tǒng)能識(shí)別抗原并對(duì)抗原進(jìn)行免疫應(yīng)答，這種識(shí)別不需要精確匹配，是通過(guò)免疫系統(tǒng)中抗原與抗體的識(shí)別機(jī)制來(lái)完成的[13]。系統(tǒng)在進(jìn)行自愈調(diào)控時(shí)通常包括3個(gè)階段：正常運(yùn)行階段、故障產(chǎn)生階段和故障后階段。這3個(gè)階段都是在無(wú)人干預(yù)的情況下系統(tǒng)自己維持穩(wěn)定有序的運(yùn)行。

結(jié)合系統(tǒng)故障自愈調(diào)控的3個(gè)階段，從完成系統(tǒng)既定功能角度，把故障自愈系統(tǒng)結(jié)構(gòu)分作自愈決策層、自愈執(zhí)行層和免疫自愈層。自愈決策層：通過(guò)比對(duì)系統(tǒng)自身信息庫(kù)中的事實(shí)和數(shù)據(jù)，實(shí)時(shí)評(píng)估系統(tǒng)運(yùn)行狀態(tài)，判斷各個(gè)故障自愈請(qǐng)求，并尋找出最優(yōu)方案。自愈執(zhí)行層：執(zhí)行相關(guān)系統(tǒng)指令。免疫自愈層：處理整合自愈系統(tǒng)各模塊的狀態(tài)信息，制定各個(gè)自愈策略。

2.2 系統(tǒng)故障自愈的功能模塊設(shè)計(jì)

基于人工免疫的自愈原理，本文設(shè)計(jì)了能夠?qū)崿F(xiàn)故障自愈的電液伺服系統(tǒng)，其工作流程如圖6所示。電液伺服系統(tǒng)運(yùn)行過(guò)程中信息處理模塊對(duì)系統(tǒng)運(yùn)行特征量進(jìn)行特征提取與特征編碼。自己/非己識(shí)別模塊進(jìn)行故障判斷識(shí)別，并劃分異常危險(xiǎn)等級(jí)。若為已知抗原，固有免疫模塊進(jìn)行抗原-抗體匹配，執(zhí)行對(duì)應(yīng)自愈策略，系統(tǒng)狀態(tài)評(píng)估為正常運(yùn)行后，結(jié)束自愈流程；若為未知抗原，進(jìn)行適應(yīng)性免疫應(yīng)答，進(jìn)行免疫學(xué)習(xí)、記憶，更新系統(tǒng)數(shù)據(jù)信息庫(kù)。

圖6 故障自愈系統(tǒng)流程

(1)數(shù)據(jù)采集及特征量提取與編碼

本設(shè)計(jì)中的信息處理模塊，目的是采集、提取電液伺服系統(tǒng)運(yùn)行過(guò)程中的狀態(tài)參數(shù)，并且對(duì)狀態(tài)特征量進(jìn)行有效編碼。選取系統(tǒng)運(yùn)行時(shí)的液壓缸桿位移、液壓缸活塞速度、液壓缸1和2端口壓力差、傳感器輸出信號(hào)作為狀態(tài)特征量，分別表示為n1、n2、n3、n4，狀態(tài)特征編碼表示為s=(n1,n2,n3,n4)。

(2)故障異常識(shí)別

自己/非己識(shí)別模塊需要識(shí)別區(qū)分出故障異常，通過(guò)電液伺服系統(tǒng)故障分析，采用二進(jìn)制對(duì)電液伺服系統(tǒng)的正常與異常狀態(tài)進(jìn)行編碼，見(jiàn)表1。

自己/非己識(shí)別模塊需要通過(guò)已知數(shù)據(jù)生成檢測(cè)器集來(lái)識(shí)別自己、非己。在AMESim軟件搭建的電液伺服系統(tǒng)仿真實(shí)驗(yàn)?zāi)Ｐ椭校杉玫搅讼到y(tǒng)的故障數(shù)據(jù)，見(jiàn)表2。

表1 電液伺服系統(tǒng)狀態(tài)編碼

表2 放大器故障樣本

利用系統(tǒng)可接受閾值，劃分α的取值，對(duì)系統(tǒng)的現(xiàn)有故障進(jìn)行故障等級(jí)劃分。

放大器故障等級(jí)劃分見(jiàn)表3。

表3 放大器故障等級(jí)劃分

(3)數(shù)據(jù)信息庫(kù)設(shè)計(jì)

故障自愈系統(tǒng)結(jié)構(gòu)圖和系統(tǒng)故障自愈工作流程圖的設(shè)計(jì)，需要有關(guān)于已知故障的抗原庫(kù)，以及包含相應(yīng)自愈策略的抗體庫(kù)。依據(jù)故障的嚴(yán)重等級(jí)劃分，定義系統(tǒng)衰退度的編碼為001、010、011、100。根據(jù)免疫應(yīng)答模塊中抗體的編碼方式，記憶抗體的二進(jìn)制編碼為：類(lèi)型碼，衰退碼，抗體編碼。其中類(lèi)型碼用來(lái)匹配抗原中的故障類(lèi)型，衰退碼為衰退度的編碼?？贵w編碼形式為：碼段1，碼段2，…，碼段n?？贵w編碼作用是生成與調(diào)取相應(yīng)的自愈策略，每個(gè)段碼對(duì)應(yīng)一個(gè)自愈策略。

3 實(shí)驗(yàn)仿真及分析

在AMESim-Matlab的聯(lián)合仿真操作系統(tǒng)環(huán)境中，驗(yàn)證了故障自愈模型的可行性。在系統(tǒng)穩(wěn)定運(yùn)行后，用故障注入的方法引入故障進(jìn)行仿真實(shí)驗(yàn)：維持其余運(yùn)行條件不變，在500～600之間任意調(diào)節(jié)參數(shù)kp。

系統(tǒng)監(jiān)測(cè)采集出的各狀態(tài)特征量經(jīng)過(guò)信息處理后，得到了檢測(cè)的數(shù)據(jù)樣本。放大器故障的監(jiān)測(cè)狀態(tài)量為(0.15000.66640.69430.31830.2049)。在Matlab/Si-mulink中，s函數(shù)用于調(diào)用故障自愈模型各模塊的功能算法以及已設(shè)計(jì)好的各個(gè)數(shù)據(jù)庫(kù)。通過(guò)液壓缸活塞速度狀態(tài)特征量，診斷出放大器故障，故障程度是較嚴(yán)重故障Ⅲ；其中抗原編碼為(01 011 0.15000.66640.69430.31830.2049)；抗體編碼為(01 011 01)。

通過(guò)匹配抗原與抗體的編碼，調(diào)用抗體庫(kù)中相應(yīng)的自愈策略，實(shí)現(xiàn)電液伺服系統(tǒng)的故障自愈。圖7是故障恢復(fù)后的曲線(xiàn)。液壓缸桿位移跟隨系統(tǒng)的給定輸入信號(hào)，因二者間存在一定的時(shí)間滯后性(允許范圍內(nèi))，二者的誤差值較小，并最終為0。液壓缸活塞速度曲線(xiàn)穩(wěn)定，未出現(xiàn)明顯震蕩波動(dòng)，系統(tǒng)運(yùn)行狀態(tài)較為穩(wěn)定，系統(tǒng)液壓缸桿位移最終穩(wěn)定在0.2 m。

經(jīng)過(guò)仿真實(shí)驗(yàn)驗(yàn)證，本文提出的基于免疫理論的故障自愈模型，在電液伺服系統(tǒng)的運(yùn)行過(guò)程中能夠完成對(duì)系統(tǒng)自己、非己的判斷，并對(duì)可恢復(fù)故障實(shí)施相應(yīng)的自愈調(diào)節(jié)動(dòng)作，完成故障自愈。

4 結(jié)束語(yǔ)

本文主要研究了基于人工免疫理論的電液伺服系統(tǒng)故障識(shí)別與故障自愈調(diào)節(jié)，實(shí)現(xiàn)了放大器故障的識(shí)別與恢復(fù)。仿真實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的電液伺服系統(tǒng)的故障自愈模型的可行性和有效性。系統(tǒng)在無(wú)外界介入干預(yù)的情況下，自行準(zhǔn)確地識(shí)別故障類(lèi)型及嚴(yán)重程度，并調(diào)用適當(dāng)?shù)淖杂呗?，使系統(tǒng)從故障狀態(tài)恢復(fù)到正常運(yùn)行狀態(tài)。其原理可以推廣到相關(guān)機(jī)電裝備的設(shè)計(jì)、制造與維修中，具有一定的理論價(jià)值和工程意義。

參考文獻(xiàn)：

[1]Zhu Y,Jiang W L,Kong X D,et al.Study on nonlinear dynamics characteristics of electrohydraulic servo system[J].Nonlinear Dynamics,2015,80(1-2):723-737.

[2]Jiang W,Wei B,Xie C,et al.An evidential sensor fusion method in fault diagnosis[J].Advances in Mechanical Engineering,2016,8(3):1-7.

[3]Li Z,Peng T,Zhang P F,et al.Fault diagnosis and fault-to-lerant control of photovoltaic micro-inverter[J].Journal of Central South University,2016,23(9):2284-2295.

[4]Gao Z,Cecati C,Ding S X.A survey of fault diagnosis and fault-tolerant techniques—Part I:Fault diagnosis with model-based and signal-based approaches[J].IEEE Transactions on Industrial Electronics,2015,62(6):3757-3767.

[5]Tanha M,Hashim F,Subramaniam S.Secure and self-healing control centers of critical infrastructures using intrusion tole-rance[J].International Journal of Network Security,2015,17(4):365-382.

[6]Schneider C,Barker A,Dobson S.Evaluating unsupervised fault detection in self-healing systems using stochastic primitives[J].EAI Endorsed Transactions on Self-Adaptive Systems,2015,1(1):e3.

[7]Yuan L,Man M,Chang X.Principles of electromagnetic protection bionics and research of fault self-recovery mechanism[J].Engineering,2014,12(3):83-96.

[8]FENG Yongbao,LIU Jie,LI Rong,et al.Research on mo-deling and simulation of vectoring nozzle electro-hydraulic servo system based on AMESim /MATLAB co-simulation[J].MATLAB Machine Tool and Hydraulic Technology,2015,43(4):118-121(in Chinese).[馮永保,劉杰,李榮,等.基于AMESim與MATLAB的矢量噴管電液伺服系統(tǒng)建模與仿真研究[J].機(jī)床與液壓,2015,43(4):118-121.]

[9]LI Bo,CHEN Jun,ZHANG Weiming,et al.Research status of electro-hydraulic servo system modeling, identification and control[J].Machine Tool and Hydraulics,2016,44(13):168-172(in Chinese).[黎波,陳軍,張偉明,等.電液伺服系統(tǒng)建模、辨識(shí)與控制的研究現(xiàn)狀[J].機(jī)床與液壓,2016,44(13):168-172.]

[10]Grossschmidt G,Harf M.Multi-pole modeling and simulation of an electro-hydraulic servo-system in an intelligent programming environment[J].International Journal of Fluid Power,2015,17(1):1-13.

[11]Liu H,Liu D,Lu C,et al.Fault diagnosis of hydraulic servo system using the unscented Kalman filter[J].Asian Journal of Control,2015,16(6):1713-1725.

[12]MI Shuangshan,FU Jiuchang,HAN Cui’e.Application of AMESim in hydraulic system fault simulation[J].Machine Tool and Hydraulics,2013,41(11):183-186(in Chinese).[米雙山,付久長(zhǎng),韓翠娥.AMESim在液壓系統(tǒng)故障仿真中的應(yīng)用[J].機(jī)床與液壓,2013,41(11):183-186.]

[13]SUN Jingjie,ZHAO Jianjun,YANG Libin,et al.Application of an artificial immune classifying method in fault diagnosis[J].Computer Engineering,2013,39(8):208-214(in Chinese).[孫靖杰,趙建軍,楊利斌,等.一種人工免疫分類(lèi)方法在故障診斷中的應(yīng)用[J].計(jì)算機(jī)工程,2013,39(8):208-214.]