沈新剛，呂鎮(zhèn)邦，孫 倩

(航空工業(yè)西安航空計(jì)算技術(shù)研究所，西安，710068)

隨著液壓系統(tǒng)向著質(zhì)量輕、體積小、功率大、壓力高等方向發(fā)展，它在機(jī)械設(shè)備過程控制系統(tǒng)、自動(dòng)化系統(tǒng)及動(dòng)力傳遞系統(tǒng)中的應(yīng)用日趨廣泛。作為復(fù)雜主系統(tǒng)中的子系統(tǒng)，液壓系統(tǒng)對(duì)主系統(tǒng)的功能和效率有著巨大影響，其故障將會(huì)直接導(dǎo)致主系統(tǒng)失效，從而造成嚴(yán)重的經(jīng)濟(jì)損失。因此，對(duì)液壓系統(tǒng)進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷具有重要的意義[1-3]。

近年來，隨著信號(hào)處理技術(shù)、人工智能技術(shù)和控制理論等基礎(chǔ)學(xué)科的迅速發(fā)展，液壓系統(tǒng)故障診斷在國(guó)內(nèi)外得到了廣泛重視并取得了重要進(jìn)展。從學(xué)科發(fā)展方向來分，診斷方法可歸納為3類[4-6]：基于知識(shí)的方法、基于解析模型的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法。文獻(xiàn)[7]采用故障樹分析的方法，查找出液壓系統(tǒng)的故障原因，成功實(shí)現(xiàn)了液壓系統(tǒng)的故障診斷。文獻(xiàn)[8]采用基于模糊的故障診斷方法實(shí)現(xiàn)了液壓伺服系統(tǒng)的檢測(cè)與故障診斷。這類基于知識(shí)的方法一般只能對(duì)系統(tǒng)故障進(jìn)行簡(jiǎn)單的定性分析。文獻(xiàn)[9]使用無味卡爾曼濾波器實(shí)現(xiàn)了液壓系統(tǒng)的實(shí)時(shí)故障識(shí)別。文獻(xiàn)[10]基于擴(kuò)展卡爾曼濾波器實(shí)現(xiàn)了電液伺服驅(qū)動(dòng)系統(tǒng)的故障診斷。這類基于解析模型的方法依賴于精確的數(shù)學(xué)模型，而實(shí)際中由于液壓伺服系統(tǒng)的耦合性、時(shí)變性和非線性等特點(diǎn)，精確的數(shù)學(xué)模型往往難以獲得。在眾多故障診斷方法中，基于數(shù)據(jù)驅(qū)動(dòng)的液壓伺服系統(tǒng)故障診斷方法得到了較為廣泛的應(yīng)用，其中基于神經(jīng)網(wǎng)絡(luò)的方法由于其良好的魯棒性及強(qiáng)非線性映射能力，更是得到了較為深入的研究。文獻(xiàn)[11]利用Elman神經(jīng)網(wǎng)絡(luò)構(gòu)建了液壓伺服系統(tǒng)狀態(tài)觀測(cè)器，有效實(shí)現(xiàn)了液壓伺服系統(tǒng)的故障檢測(cè)。文獻(xiàn)[12]利用粒子群優(yōu)化(PSO)算法結(jié)合BP神經(jīng)網(wǎng)絡(luò)成功地實(shí)現(xiàn)了對(duì)電液調(diào)節(jié)系統(tǒng)的振動(dòng)分析，證實(shí)了神經(jīng)網(wǎng)絡(luò)對(duì)非線性系統(tǒng)良好的魯棒性及故障診斷能力。

盡管液壓系統(tǒng)故障診斷方面的研究工作有很多，但由于液壓系統(tǒng)監(jiān)測(cè)信號(hào)具有很強(qiáng)的非線性，其運(yùn)行工況復(fù)雜、任務(wù)多變，系統(tǒng)在實(shí)際運(yùn)行中其輸入輸出容易受外界干擾影響。目前大多液壓系統(tǒng)故障診斷方法常采用固定閾值對(duì)液壓系統(tǒng)的故障進(jìn)行檢測(cè)。該類方法無法跟隨運(yùn)行工況的改變進(jìn)行自適應(yīng)的閾值調(diào)整，從而使得液壓系統(tǒng)故障誤判率和虛警率高?？紤]到液壓系統(tǒng)的監(jiān)測(cè)信號(hào)及運(yùn)行工況特點(diǎn)，亟需提出一套完整且實(shí)用的從故障檢測(cè)到故障隔離的液壓系統(tǒng)自適應(yīng)故障診斷方法，從而提高方法的工程適用性。

RBF神經(jīng)網(wǎng)絡(luò)是一種新穎有效的前向型神經(jīng)網(wǎng)絡(luò)，具有較高的運(yùn)算速度和外推能力。它通過非線性基函數(shù)的線性組合實(shí)現(xiàn)從輸入空間到輸出空間的非線性轉(zhuǎn)換，對(duì)于非線性系統(tǒng)具有良好的魯棒性。相比于BP等其他神經(jīng)網(wǎng)路，RBF神經(jīng)網(wǎng)路具有更快的學(xué)習(xí)能力，更好的魯棒性，及無局部極小等優(yōu)點(diǎn)。同時(shí)，RBF神經(jīng)網(wǎng)絡(luò)具有任意逼近能力，可以迅速逼近液壓伺服系統(tǒng)模型。當(dāng)系統(tǒng)狀態(tài)發(fā)生改變時(shí)，RBF神經(jīng)網(wǎng)絡(luò)可以通過調(diào)整自身網(wǎng)絡(luò)參數(shù)精確跟蹤系統(tǒng)模型的變化。因此，本文提出了一個(gè)三級(jí)RBF神經(jīng)網(wǎng)絡(luò)模型，以實(shí)現(xiàn)液壓伺服系統(tǒng)的自適應(yīng)故障檢測(cè)與隔離。一級(jí)RBF神經(jīng)網(wǎng)絡(luò)作為觀測(cè)器實(shí)時(shí)跟蹤系統(tǒng)的運(yùn)行狀態(tài)，通過比較觀測(cè)器估計(jì)輸出值與系統(tǒng)實(shí)際輸出值得到殘差信號(hào)；二級(jí)RBF神經(jīng)網(wǎng)絡(luò)產(chǎn)生自適應(yīng)閾值，以降低傳統(tǒng)固定閾值的故障誤報(bào)率及虛警率，實(shí)時(shí)檢測(cè)系統(tǒng)是否發(fā)生了故障；三級(jí)RBF神經(jīng)網(wǎng)絡(luò)作為故障隔離器，提取殘差特征作為網(wǎng)絡(luò)輸入向量，實(shí)現(xiàn)系統(tǒng)的故障分類與隔離。

1 液壓伺服系統(tǒng)功能原理

液壓伺服系統(tǒng)是一種以液壓動(dòng)力機(jī)構(gòu)作為執(zhí)行機(jī)構(gòu)，并具有反饋控制的機(jī)-電-液一體化系統(tǒng)。在這種控制系統(tǒng)中，只要輸入某一規(guī)律的輸入信號(hào)，執(zhí)行元件就能自動(dòng)、快速并準(zhǔn)確地復(fù)現(xiàn)輸入量的變化規(guī)律，并且起到信號(hào)的功率放大作用[13-14]。液壓伺服系統(tǒng)由控制器、電子放大器、電液伺服閥、執(zhí)行機(jī)構(gòu)和位移傳感器組成，如圖1所示。根據(jù)液壓系統(tǒng)故障統(tǒng)計(jì)發(fā)現(xiàn)，液壓伺服系統(tǒng)的故障常發(fā)生在電子放大器、伺服閥和執(zhí)行機(jī)構(gòu)(作動(dòng)筒)中。

圖1 液壓伺服系統(tǒng)組成原理圖

下面針對(duì)這幾個(gè)部分的故障進(jìn)行故障機(jī)理分析。

1.1 電子放大器

電子放大器的作用是將控制器的電壓信號(hào)轉(zhuǎn)化為伺服閥輸入的電流信號(hào)。它的主要故障有電子放大器斷路和電子放大器放大倍數(shù)不正確。本文在電子放大器上設(shè)置了放大倍數(shù)不正確的故障。

電子放大器數(shù)學(xué)模型：

(1)

式中：Kv為電子放大器的放大倍數(shù)。

1.2 電液伺服閥

電液伺服閥是電液伺服系統(tǒng)的控制器件，它用于連接系統(tǒng)的電氣與液壓部分，將輸入的小功率電信號(hào)轉(zhuǎn)變?yōu)殚y的運(yùn)動(dòng)，而閥的運(yùn)動(dòng)會(huì)控制液壓能源的流向、執(zhí)行機(jī)構(gòu)的流量與壓力，實(shí)現(xiàn)電液信號(hào)的轉(zhuǎn)換和放大，以及對(duì)液壓執(zhí)行機(jī)構(gòu)進(jìn)行控制。本文在伺服閥上設(shè)置了卡滯的故障。

伺服閥數(shù)學(xué)模型可以表示為：

(2)

式中：T為伺服閥的時(shí)間常數(shù)；K為伺服閥增益。

1.3 執(zhí)行機(jī)構(gòu)

作動(dòng)筒又稱為液壓缸，是液壓傳動(dòng)系統(tǒng)中常見的一類執(zhí)行元件，是用來實(shí)現(xiàn)工作機(jī)構(gòu)直線往復(fù)運(yùn)動(dòng)或小于360°擺動(dòng)運(yùn)動(dòng)的能量轉(zhuǎn)換裝置，它是液壓伺服系統(tǒng)中的執(zhí)行部分，將液壓能轉(zhuǎn)化為機(jī)械能。作動(dòng)筒的主要故障有泄漏和卡死。本文在作動(dòng)筒上設(shè)置了卡滯故障。

執(zhí)行機(jī)構(gòu)(作動(dòng)筒)數(shù)學(xué)模型可以表示為：

(3)

式中：At為液壓缸活塞面積；ωh為液壓固有頻率；ξh為液壓相對(duì)阻尼系數(shù)。

2 基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)故障檢測(cè)與隔離模型

圖2所示為基于三級(jí)RBF神經(jīng)網(wǎng)絡(luò)的液壓伺服系統(tǒng)自適應(yīng)故障檢測(cè)與隔離原理圖。

圖2 液壓伺服系統(tǒng)自適應(yīng)故障檢測(cè)與隔離原理圖

2.1 RBF神經(jīng)網(wǎng)絡(luò)原理

RBF神將網(wǎng)絡(luò)是一種3層神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱層、輸出層，見圖3[15]。

圖3 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)組成

RBF神經(jīng)網(wǎng)絡(luò)的工作原理可以描述為：對(duì)于n維空間[x1,x2,…,xn]中的第k個(gè)數(shù)據(jù)點(diǎn)，每個(gè)隱含層神經(jīng)元都會(huì)產(chǎn)生一個(gè)響應(yīng)hj,k，網(wǎng)絡(luò)的輸出為這些響應(yīng)的加權(quán)之和。當(dāng)RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)確定以后，網(wǎng)絡(luò)中需要學(xué)習(xí)調(diào)整的參數(shù)包括隱層神經(jīng)元中心、基寬參數(shù)和隱層至輸出層的連接權(quán)值。

RBF神經(jīng)網(wǎng)絡(luò)中的徑向基函數(shù)有以下幾種常用的函數(shù)形式[16]：

1)高斯函數(shù)：

2)立方函數(shù)：

f(x)=(x-c)3

3)多二次函數(shù)：

4)逆多二次函數(shù)：

5)薄板樣條函數(shù)：

f(x)=(x-c)2log2(x-c)

6)線性函數(shù)：

f(x)=x-c

本論文采用高斯函數(shù)作為RBF神經(jīng)網(wǎng)絡(luò)的徑向基函數(shù)。

2.2 一級(jí)RBF神經(jīng)網(wǎng)絡(luò)觀測(cè)器

一級(jí)RBF神經(jīng)網(wǎng)絡(luò)觀測(cè)器是用正常樣本訓(xùn)練的，因此可以精確跟蹤系統(tǒng)的正常狀態(tài)，并用系統(tǒng)的輸入控制信號(hào)及延遲輸出控制信號(hào)實(shí)時(shí)估計(jì)系統(tǒng)的實(shí)際輸出。通過比較RBF觀測(cè)器估計(jì)輸出及系統(tǒng)實(shí)際輸出，可以得到連續(xù)的殘差信號(hào)。

一級(jí)RBF觀測(cè)器訓(xùn)練過程的輸入輸出定義如下：

1)RBF觀測(cè)器輸入：

系統(tǒng)輸入溫度信號(hào)(T=2,3,…,n)；

系統(tǒng)延遲輸出控制信號(hào)(T=1,2,…,n)。

2)RBF觀測(cè)器輸出：

實(shí)際系統(tǒng)輸出控制信號(hào)(T=2,3,…,n)。

系統(tǒng)正常狀態(tài)下，RBF觀測(cè)器估計(jì)輸出與實(shí)際系統(tǒng)輸出相減產(chǎn)生的殘差定義為基準(zhǔn)殘差sta_threshold。

2.3 二級(jí)RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)閾值產(chǎn)生器

對(duì)于非線性系統(tǒng)來說，自適應(yīng)閾值影響因素主要包括系統(tǒng)輸入、輸出、不確定因素(參數(shù)漂移、建模誤差、隨機(jī)噪聲)等。但在實(shí)際系統(tǒng)中，這些不確定性因素難以測(cè)量，定量計(jì)算中通常忽視。尤其上節(jié)中已采用RBF神經(jīng)網(wǎng)絡(luò)構(gòu)造觀測(cè)器，對(duì)于不確定因素具有較好的魯棒性，相當(dāng)于定性兼容。此時(shí)，我們可以近似認(rèn)為閾值主要受到系統(tǒng)輸入輸出的影響，從而可以建立系統(tǒng)輸入、輸出與閾值的映射關(guān)系。自適應(yīng)閾值產(chǎn)生器訓(xùn)練過程原理見圖4。

圖4 自適應(yīng)閾值產(chǎn)生器訓(xùn)練過程原理圖

首先，用系統(tǒng)正常情況下的數(shù)據(jù)訓(xùn)練二級(jí)RBF自適應(yīng)閾值產(chǎn)生器。其訓(xùn)練過程的輸入輸出定義如下：

1)RBF自適應(yīng)閾值產(chǎn)生器輸入：

系統(tǒng)正常情況下輸入控制信號(hào)(T=1,2,…,n)；

系統(tǒng)估計(jì)輸出控制信號(hào)(T=1,2,…,n)。

2)RBF自適應(yīng)閾值產(chǎn)生器輸出：

自適應(yīng)閾值：adap_threshold=sta_threshold+修正因子β。

此處，sta_threshold為一級(jí)RBF網(wǎng)絡(luò)訓(xùn)練中觀測(cè)器所產(chǎn)生的基準(zhǔn)殘差，β是和殘差均方根成一定比例關(guān)系的修正參數(shù)，它能夠適應(yīng)不同工況的變化，通過多次仿真得到，本研究中取β=1.5。

在測(cè)試過程，將實(shí)時(shí)采集到的系統(tǒng)輸入控制信號(hào)和系統(tǒng)延遲輸出控制信號(hào)送入訓(xùn)練好的一級(jí)RBF觀測(cè)器，得到系統(tǒng)估計(jì)輸出信號(hào)。再將系統(tǒng)實(shí)時(shí)輸入控制信號(hào)和系統(tǒng)估計(jì)輸出控制信號(hào)送入訓(xùn)練好的二級(jí)RBF自適應(yīng)閾值產(chǎn)生器，輸出即為自適應(yīng)閾值，如圖2上半部分所示。

2.4 三級(jí)RBF神經(jīng)網(wǎng)絡(luò)故障隔離器

由于一級(jí)RBF神經(jīng)網(wǎng)絡(luò)觀測(cè)器是由正常樣本訓(xùn)練的，因此可以精確跟蹤系統(tǒng)的正常狀態(tài)。觀測(cè)器估計(jì)輸出與系統(tǒng)實(shí)際輸出之間的殘差在系統(tǒng)正常狀態(tài)下接近于0。當(dāng)系統(tǒng)發(fā)生故障時(shí)，殘差將增大，并且在不同的故障情況下，殘差將表現(xiàn)出不同的特征。因此，可以根據(jù)殘差的特征判斷系統(tǒng)是否發(fā)生了故障，并實(shí)現(xiàn)系統(tǒng)的故障隔離。

小波分析具有信號(hào)時(shí)頻局部化的良好特性，能同時(shí)提供非平穩(wěn)信號(hào)時(shí)域和頻域中的局部化信息，已成為故障或異常狀態(tài)特征信號(hào)提取的有力工具。小波包分析(WPA)方法是小波變換的一種改進(jìn)，它在全頻帶進(jìn)行多層次的頻帶劃分，將高頻部分進(jìn)一步分解，并能夠根據(jù)分析信號(hào)的特征，自適應(yīng)地選擇相應(yīng)的頻帶，使之與信號(hào)頻譜相匹配，實(shí)現(xiàn)對(duì)信號(hào)時(shí)頻域任意精確度劃分，從而提高時(shí)頻分辨率[17-18]。一個(gè)n層的小波包分解可以把信號(hào)分解到2n個(gè)頻帶。對(duì)小波包分解的系數(shù)進(jìn)行重構(gòu)，提取各個(gè)頻帶范圍的信號(hào)。通過分析各個(gè)頻帶所包含的能量特征，可以得知系統(tǒng)的運(yùn)行狀況。當(dāng)系統(tǒng)發(fā)生故障時(shí)，相應(yīng)頻帶內(nèi)的殘差能量將增大；并且，在系統(tǒng)發(fā)生不同的故障情況下，相應(yīng)頻帶內(nèi)的殘差能量特征將有所不同。因此，本文將小波包分析(WPA)技術(shù)應(yīng)用到殘差特征提取中，提取各頻帶內(nèi)的殘差信號(hào)能量，形成反映故障信息的特征向量，作為三級(jí)RBF故障隔離器的輸入。由于對(duì)小波包分解層數(shù)選取過低將不能對(duì)殘差信號(hào)進(jìn)行有效地分解，過高則會(huì)增加特征向量的維數(shù)。因此，本文采用三層小波包分解，將殘差信號(hào)分解為8個(gè)頻帶，各頻帶信號(hào)的能量值計(jì)算如下[19]：

為了便于數(shù)據(jù)分析，將各節(jié)點(diǎn)的能量值進(jìn)行歸一化，則可構(gòu)造特征向量如下：

T=[E3,1/E,E3,2/E,E3,3/E,E3,4/E,E3,5/E,E3,6/E,E3,7/E,E3,8/E]

RBF故障隔離器的輸出為系統(tǒng)不同故障模式下對(duì)應(yīng)的網(wǎng)絡(luò)輸出，見表1。

表1 RBF故障隔離器的輸出

3 實(shí)驗(yàn)分析

本文分別對(duì)系統(tǒng)在電子放大器放大倍數(shù)不正確、電液伺服閥卡滯、作動(dòng)筒卡滯3種故障情況下進(jìn)行了仿真與實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)在Matlab Simulink仿真環(huán)境下運(yùn)行，自適應(yīng)閾值仿真階段設(shè)置仿真時(shí)間為6 s，采樣率為0.003 s；故障測(cè)試階段設(shè)置仿真時(shí)間為4 s，采樣率為0.003 s。相應(yīng)故障模式下，液壓伺服系統(tǒng)的仿真參數(shù)見表2。

表2 液壓伺服系統(tǒng)仿真參數(shù)

3.1 自適應(yīng)閾值與固定閾值對(duì)比

在實(shí)際工程應(yīng)用中，由于系統(tǒng)變工況及隨機(jī)擾動(dòng)等因素的影響，使用傳統(tǒng)的固定閾值往往容易引起虛警。而自適應(yīng)閾值可以適應(yīng)系統(tǒng)工況的變化，避免隨機(jī)擾動(dòng)等因素的影響，有效減少虛警的發(fā)生。本實(shí)驗(yàn)以液壓伺服系統(tǒng)伺服閥故障為例，在系統(tǒng)變工況運(yùn)行時(shí)，分別采用自適應(yīng)閾值與固定閾值對(duì)其進(jìn)行了仿真實(shí)驗(yàn)，仿真結(jié)果見圖5。

圖5 自適應(yīng)閾值與固定閾值對(duì)比結(jié)果

RBF觀測(cè)器及RBF自適應(yīng)閾值產(chǎn)生器的訓(xùn)練樣本與測(cè)試樣本各取2 000組。設(shè)置系統(tǒng)輸入前2 s為8sin6πt，后4 s為20sin6πt。在第4 s給系統(tǒng)注入伺服閥卡滯故障。固定閾值設(shè)為1.7。

從圖4中可以看出，雖然固定閾值可以在第4 s以后檢測(cè)出故障，但在系統(tǒng)正常狀態(tài)下工況2會(huì)產(chǎn)生虛警。而自適應(yīng)閾值隨著系統(tǒng)輸入的變化顯示出良好的適應(yīng)性，能夠有效檢測(cè)出故障并避免虛警的發(fā)生。表3為系統(tǒng)在以上工況及工作時(shí)間內(nèi)，分別采用固定閾值與自適應(yīng)閾值時(shí)，系統(tǒng)的虛警百分比。

表3 自適應(yīng)閾值與固定閾值下的虛警百分比

3.2 電子放大器故障自適應(yīng)檢測(cè)與隔離

圖6為系統(tǒng)在變工況情況下工作時(shí)，電子放大器發(fā)生故障的自適應(yīng)閾值仿真結(jié)果。設(shè)置系統(tǒng)輸入前2 s為20sin6πt，后4 s為8sin6πt。在第4 s給系統(tǒng)注入放大器增益故障。從圖5中可以看出，自適應(yīng)閾值隨著系統(tǒng)工況的變化有良好的適應(yīng)能力。注入電子放大器故障之后殘差超過閾值，表明系統(tǒng)出現(xiàn)了故障。

圖6 電子放大器故障自適應(yīng)閾值仿真結(jié)果

對(duì)包含故障信息的第1 400～2 000組樣本，以100組樣本為滑窗長(zhǎng)度，50個(gè)樣本為步長(zhǎng)，進(jìn)行采樣，提取出11組包含故障信息的樣本。分別對(duì)其進(jìn)行三級(jí)小波包分解，得到11組8維能量向量。下述3.3、3.4節(jié)中，系統(tǒng)在電液伺服閥故障及作動(dòng)筒故障的情況下，以相同的方法進(jìn)行故障特征提取，共得到包含故障信息的33組8維故障特征向量，將其作為輸入向量送入三級(jí)RBF神經(jīng)網(wǎng)絡(luò)，訓(xùn)練RBF故障隔離器，網(wǎng)絡(luò)輸出向量分別對(duì)應(yīng)表1中的RBF故障隔離器輸出。

為了驗(yàn)證三級(jí)RBF故障隔離器的故障隔離能力，給系統(tǒng)重新注入故障，采集仿真實(shí)驗(yàn)數(shù)據(jù)。從圖7中可以看出，第2 s以后殘差超過閾值，表明系統(tǒng)發(fā)生了故障。選取100個(gè)故障發(fā)生后的連續(xù)殘差信號(hào)進(jìn)行3層小波包分解，得到8段頻帶能量。將其作為輸入向量送入訓(xùn)練好的三級(jí)RBF故障隔離器，得到故障診斷結(jié)果如表4所示。

圖7 電子放大器故障測(cè)試階段仿真結(jié)果

表4 電子放大器故障診斷結(jié)果

3.3 電液伺服閥故障自適應(yīng)檢測(cè)與隔離

圖8為系統(tǒng)在變工況情況下工作時(shí)，電液伺服閥發(fā)生卡滯故障的自適應(yīng)閾值仿真結(jié)果。系統(tǒng)輸入前2 s為8sin6πt，后4 s為20sin6πt。在第4 s給系統(tǒng)注入電液伺服閥卡滯故障。從圖8中可以看出，在系統(tǒng)正常情況下，自適應(yīng)閾值隨著系統(tǒng)輸入的變化自適應(yīng)地發(fā)生改變，殘差小于閾值；注入電液伺服閥故障后，殘差增大，超過閾值，表明系統(tǒng)發(fā)生了故障。

圖8 電液伺服閥故障自適應(yīng)閾值仿真結(jié)果

表5 電液伺服閥故障診斷結(jié)果

3.4 作動(dòng)筒故障自適應(yīng)檢測(cè)與隔離

圖9為系統(tǒng)在變工況情況下工作時(shí)，作動(dòng)筒發(fā)生卡滯故障的自適應(yīng)閾值仿真結(jié)果。系統(tǒng)輸入前2 s為20sin6πt，后4 s為8sin6πt。在第4 s給系統(tǒng)注入作動(dòng)筒卡滯故障。從圖9可以看出，前4 s系統(tǒng)正常，自適應(yīng)閾值隨著系統(tǒng)輸入的變化自適應(yīng)地發(fā)生改變，殘差小于閾值；第4 s之后，殘差超過閾值，表明系統(tǒng)發(fā)生了故障。

圖9 作動(dòng)筒故障自適應(yīng)閾值仿真結(jié)果

測(cè)試階段，給系統(tǒng)重新注入故障，仿真結(jié)果見圖10。從圖10可以看出，第2 s以后殘差超過閾值，表明系統(tǒng)發(fā)生了故障。按照3.2節(jié)中所述方法對(duì)系統(tǒng)進(jìn)行故障診斷，表6為其故障診斷結(jié)果。

圖10 作動(dòng)筒故障測(cè)試階段仿真結(jié)果

表6 作動(dòng)筒故障診斷結(jié)果

從上述實(shí)驗(yàn)結(jié)果可以看出，當(dāng)液壓伺服系統(tǒng)正常運(yùn)行時(shí)，紅色自適應(yīng)閾值曲線在藍(lán)色殘差曲線上方，代表系統(tǒng)沒有發(fā)生故障，并且在兩種正常運(yùn)行工況下，自適應(yīng)閾值會(huì)隨著工況的變化而自適應(yīng)地發(fā)生改變，說明本文提出的自適應(yīng)閾值構(gòu)建方法具有良好的工況適應(yīng)性。當(dāng)液壓伺服系統(tǒng)發(fā)生故障時(shí)，藍(lán)色殘差曲線超過紅色自適應(yīng)閾值曲線，代表系統(tǒng)狀態(tài)異常，并且在3種不同故障狀態(tài)下，RBF故障隔離器的輸出均與理論輸出接近，表明本文提出的故障隔離方法是十分有效的。

4 結(jié)語

本文提出了一種基于三級(jí)RBF神經(jīng)網(wǎng)絡(luò)的液壓伺服系統(tǒng)自適應(yīng)故障檢測(cè)與隔離方法。在分析了液壓伺服系統(tǒng)的功能原理的基礎(chǔ)上，分別對(duì)系統(tǒng)在電子放大器故障、電液伺服閥故障、作動(dòng)筒故障3種典型故障狀態(tài)下進(jìn)行了仿真與實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)證明，RBF神經(jīng)網(wǎng)絡(luò)觀測(cè)器在系統(tǒng)正常情況下可以很好地跟蹤系統(tǒng)的運(yùn)行狀態(tài)；基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)閾值故障檢測(cè)對(duì)系統(tǒng)輸入輸出有良好的適應(yīng)性，可以有效提高故障檢測(cè)的準(zhǔn)確度；基于殘差特征信息對(duì)液壓伺服系統(tǒng)進(jìn)行故障診斷能夠準(zhǔn)確地對(duì)系統(tǒng)故障進(jìn)行分類與隔離。本文所提出的基于三級(jí)RBF神經(jīng)網(wǎng)絡(luò)的故障診斷方法,有效地實(shí)現(xiàn)了液壓伺服系統(tǒng)的自適應(yīng)故障檢測(cè)與隔離，具有很好的工程意義與實(shí)用價(jià)值。