陳俊翔, 蔣昕航, 楊曉東, 王 虎, 孔祥東, 艾 超

(1.燕山大學(xué) 機(jī)械工程學(xué)院, 河北 秦皇島 066004; 2.華德液壓工業(yè)集團(tuán)有限責(zé)任公司, 北京 102600)

引言

故障診斷最早始于機(jī)械設(shè)備,隨著科學(xué)技術(shù)和智能信息技術(shù)的高速發(fā)展,已成為提高系統(tǒng)可靠性不可缺少的工具[1-3]。在工程機(jī)械液壓系統(tǒng)中,多路閥是核心控制元件,其可靠性和控制性能直接影響工程進(jìn)度或造成大的經(jīng)濟(jì)損失[4-5]。據(jù)調(diào)研,閥磨損引起的故障占20%,磨損類型主要有刃邊磨損、徑向?yàn)V芯磨損和閥口沖蝕磨損[6]等,在磨損條件下導(dǎo)致配合間隙過大,進(jìn)一步導(dǎo)致泄漏增加、系統(tǒng)壓力下降等問題。因此,對(duì)工程機(jī)械用多路閥閥芯磨損進(jìn)行智能故障診斷研究具有重要現(xiàn)實(shí)意義。

SVM在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)[7-8],實(shí)際應(yīng)用中, 故障樣本難以獲取, 所以該方法多用于液壓元件故障診斷。故障診斷技術(shù)可分為三個(gè)階段:傳統(tǒng)故障診斷、現(xiàn)代故障診斷、智能故障診斷[9],在智能故障診斷發(fā)展中,SVM理論有望使制約故障診斷向智能化方向發(fā)展的問題得到解決[10]。

近年來,有不少學(xué)者使用此理論對(duì)液壓元件進(jìn)行了故障診斷分析,對(duì)于液壓系統(tǒng)的故障診斷起源于20世紀(jì)70年代并且快速發(fā)展。JANSSENS O等[11]使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)旋轉(zhuǎn)機(jī)械中外圈滾道故障和潤(rùn)滑性能退化進(jìn)行故障診斷并診斷成功。聞巖等[12]針對(duì)緩沖平衡閥故障診斷中故障類型復(fù)雜多變、早期微弱故障特征難以提取等問題,提出了一種基于全連接神經(jīng)網(wǎng)絡(luò)的故障診斷方法,實(shí)現(xiàn)對(duì)平衡閥的故障診斷。賈春玉等[13]構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)相結(jié)合的電液伺服閥故障預(yù)測(cè)模型,取代人工特征選擇和提取,解決故障預(yù)測(cè)的時(shí)序問題,實(shí)現(xiàn)了電液伺服閥閥芯磨損和阻尼孔堵塞的故障診斷。師沖等[14]針對(duì)電液換向閥內(nèi)泄漏故障的振動(dòng)信號(hào)具有非平穩(wěn)性、非線性等特點(diǎn),利用經(jīng)驗(yàn)?zāi)Ｊ椒纸夂鸵痪S密集連接卷積網(wǎng)絡(luò)對(duì)其進(jìn)行故障診斷分析。

本研究針對(duì)雙閥芯電液多路閥提出一種基于SVM的磨損故障識(shí)別方法。通過對(duì)閥芯在不同磨損情況下壓力特性曲線的理論分析,并搭建AMESim仿真模型,在此基礎(chǔ)上進(jìn)行故障研究,并通過實(shí)驗(yàn)的方法進(jìn)一步去驗(yàn)證結(jié)果正確性。

1 雙閥芯電液閥結(jié)構(gòu)原理分析

雙閥芯閥口獨(dú)立控制電液閥工作結(jié)構(gòu)原理圖如圖1所示。

圖1 雙閥芯電液閥結(jié)構(gòu)原理圖Fig.1 Double spool electro-hydraulic valve structure schematic

由圖1可知,工作聯(lián)由兩個(gè)三位四通高頻響比例先導(dǎo)閥與兩個(gè)三位三通主閥組成,可實(shí)現(xiàn)單雙閥芯獨(dú)立控制。泵口出油一部分經(jīng)減壓閥供給先導(dǎo)閥,其余油液全部供給主閥。先導(dǎo)閥與主閥控制腔相連,兩根先導(dǎo)閥芯分別控制兩根主閥芯,其中兩根主閥芯分為高壓閥芯與低壓閥芯,高壓閥芯用于進(jìn)油控制,低壓閥芯用于回油控制。主閥芯上安裝位移傳感器、負(fù)載口安裝溫度壓力傳感器,從而實(shí)現(xiàn)雙閥芯電液閥的精確控制。

2 雙閥芯電液主閥芯壓力特性數(shù)學(xué)建模

雙閥芯電液主閥芯U形閥口結(jié)構(gòu)簡(jiǎn)圖如圖2所示。

圖2 U形閥口結(jié)構(gòu)簡(jiǎn)圖Fig.2 Schematic diagram of U-shaped valve port structure

1) 當(dāng)xk

(1)

2) 當(dāng)xk≥R時(shí),

(2)

式中,xk—— 閥口開度

R—— 節(jié)流槽加工半徑

H—— 節(jié)流槽深度

A1—— 半圓槽面積

A2—— 等截面面積

閥芯與閥套間存在徑向間隙r時(shí),將閥芯磨損量定義為Δr,則在磨損下閥口過流面積A為:

(3)

在存在閥芯磨損情況下,小縫隙的流量公式為:

(4)

式中,W—— 主閥閥口面積梯度

μ—— 油液動(dòng)力黏度

Δp—— 節(jié)流口兩邊壓差

在層流狀態(tài)下,零位泄漏流量為:

(5)

式中,qc—— 泄漏流量

qs—— 供油流量

ps—— 供油壓力

恒壓源下,可利用中位泄漏流量曲線來表示電液閥零位流量-壓力系數(shù),即:

(6)

式中,Kc—— 流量-壓力系數(shù)

qL—— 負(fù)載流量

pL—— 負(fù)載壓力

由式(5)、式(6)可得實(shí)際零位流量-壓力系數(shù)為:

(7)

零位流量增益為:

(8)

式中,Cd—— 流量系數(shù)

ρ—— 油液密度

由式(7)、式(8)可求得零位壓力增益為:

(9)

由式(9)可知,電液閥主閥口零位壓力增益主要取決于電液閥徑向間隙值,間隙越大,壓力增益越小,壓力特性曲線越平緩。

3 仿真分析

3.1 雙閥芯電液閥仿真建模

結(jié)合雙閥芯電液閥的結(jié)構(gòu)原理搭建AMESim仿真模型如圖3所示。該模型主要由液壓源、減壓閥、先導(dǎo)閥和主閥等部分組成。按實(shí)際的物理結(jié)構(gòu)設(shè)置主要元件參數(shù),如表1所示。

表1 雙閥芯電液閥主要參數(shù)Tab.1 Main parameters of electro-hydraulic valve with double spool

圖3 雙閥芯電液閥仿真模型Fig.3 Simulation model of double spool electro-hydraulic valve

3.2 閥芯磨損仿真分析

閥芯磨損程度會(huì)受到工作環(huán)境和工作介質(zhì)清潔度的影響,閥芯在長(zhǎng)期污染的油液中運(yùn)動(dòng),長(zhǎng)時(shí)間徑向半徑變小,導(dǎo)致內(nèi)泄漏增大,伴隨著零偏現(xiàn)象, 壓力增益出現(xiàn)非線性變化。

設(shè)置供油壓力為20 MPa,給定階躍輸入信號(hào),將壓力變化曲線和電流變化曲線進(jìn)行擬合,得到電流-壓力特性曲線,如圖4所示。

圖4 電流-壓力特性曲線Fig.4 Current-pressure characteristic curve

多路閥徑向間隙一般為0.002～0.005 mm,根據(jù)磨損程度不同,在AMESim中分別設(shè)置徑向間隙為0.03, 0.06, 0.10 mm下進(jìn)行仿真, 得到磨損后的電流-壓力曲線如圖5、圖6所示。

圖5 磨損后的電流-壓力特性曲線

圖6 電流壓力特性曲線局部放大圖Fig.6 Partial magnification of current pressure characteristics

由圖5、圖6可知,三組曲線的壓力值均在短時(shí)間內(nèi)從2 MPa階躍至20 MPa,當(dāng)徑向間隙從0.03 mm增大到0.1 mm時(shí),壓力變化速率越來越慢,隨著徑向間隙變大,內(nèi)泄漏增加,壓力變化速度變慢,壓力特性曲線離正常值越來越遠(yuǎn)。

4 基于SVM的閥芯磨損故障診斷分析

4.1 支持向量機(jī)原理

目前,支持向量機(jī)主要應(yīng)用于回歸估計(jì)、模式識(shí)別等領(lǐng)域,其可以很好解決小樣本、非線性和高維模式識(shí)別問題。SVM最優(yōu)分類超平面原理[15]如圖7所示。

圖7 線性可分下的最優(yōu)分類面Fig.7 Optimal classification surface under linear separability

其中,假設(shè)樣本集(xi,yi),i=1,2,…,n,xi∈Rn,yi∈{+1,-1}能夠正確的分開,B1和B2是樣本邊界,兩者之間的距離稱為分類間隔。假設(shè)某一超平面B:ω·x+b=0,為了使支持向量距離最優(yōu)分類面之間距離最大,得到如下約束問題:

(10)

其中,懲罰因子C(C>0),松弛變量ξi≥0。

在訓(xùn)練樣本可分時(shí),無需引入懲罰因子和松弛變量。通過定義拉格朗日函數(shù),最優(yōu)分類超平面求解問題轉(zhuǎn)化成求解二次規(guī)劃尋優(yōu)的對(duì)偶問題,如下所示:

(11)

其中,αi為拉格朗日乘子。

求得上述問題最終的決策函數(shù)為:

(12)

針對(duì)非線性問題的處理,通過核函數(shù)將非線性樣本空間映射到線性高維空間,在高維空間中求解超平面。對(duì)于線性不可分的問題,引入核函數(shù),核空間的原理如圖8所示。

圖8 核空間的基本原理Fig.8 Fundamentals of nuclear space

將非線性映射φ(x)稱為核函數(shù),其一般表示為K(x,y),其實(shí)是兩個(gè)數(shù)據(jù)點(diǎn)的內(nèi)積,即K(x,y)=[φ(x)·φ(y)],其是希爾伯特空間上的內(nèi)積。

根據(jù)滿足Mercer條件不同的核函數(shù),目前應(yīng)用較多的四種核函數(shù)為線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯徑向基函數(shù)和Sigmoid核函數(shù),其中多項(xiàng)式核函數(shù)和高斯徑向基函數(shù)應(yīng)用的最多,因其從低維到高維的映射能力更好。如果對(duì)樣本分布不清楚時(shí),可以選擇高斯徑向基函數(shù),在軟件里通常會(huì)把其當(dāng)作默認(rèn)項(xiàng)。那么超平面最優(yōu)化問題將變成:

(13)

決策函數(shù)變成:

(14)

因此,SVM故障診斷步驟如下:

(1) 根據(jù)數(shù)據(jù)訓(xùn)練樣本集;

(2) 選擇合適的核函數(shù)以及相關(guān)參數(shù);

(3) 對(duì)樣本進(jìn)行歸一化;

(4) 求解優(yōu)化方程,找到支持向量,求解分類超平面系數(shù)b;

(5) 根據(jù)決策函數(shù),得到類別輸出值。

4.2 閥芯磨損故障診斷

磨損故障診斷是模式識(shí)別分類問題,利用SVM解決該類問題關(guān)鍵的是訓(xùn)練分類器。通過AMESim軟件仿真可以得到電流-壓力特性曲線,對(duì)三種不同磨損程度的特征曲線進(jìn)行分析,得到3組數(shù)據(jù),去偽存真處理后,每組數(shù)據(jù)由150個(gè)點(diǎn)的壓力值組成,然后在MATLAB里面利用Libsvm工具箱來訓(xùn)練模型以解決分類問題,主要有三個(gè)函數(shù)svmscale.exe,svmtrain.exe,svmpredict.exe,這里只簡(jiǎn)述第一個(gè)函數(shù)。svmscale.exe用來對(duì)數(shù)據(jù)集進(jìn)行縮放,防止一些特征值范圍過大或過小,避免計(jì)算內(nèi)積時(shí)數(shù)值計(jì)算的困難。因此,通常將數(shù)據(jù)縮放到[-1,1]或者是[0,1]之間。

設(shè)置狀態(tài)標(biāo)號(hào)1表示磨損率0.03 mm,狀態(tài)標(biāo)號(hào)2表示磨損率0.06 mm,狀態(tài)標(biāo)號(hào)3表示0.1 mm,特征值是壓力特性曲線中提取的壓力值,歸一化后訓(xùn)練樣本數(shù)據(jù)如表2所示。

表2 訓(xùn)練樣本數(shù)據(jù)Tab.2 Data of training samples

兩兩配對(duì),一共得到三個(gè)分類器,選擇高斯徑向基函數(shù),把數(shù)據(jù)放入訓(xùn)練函數(shù),最后訓(xùn)練完成。將磨損率為0.058 mm和0.062 mm的數(shù)據(jù)當(dāng)作測(cè)試集,測(cè)試樣本數(shù)據(jù)如表3所示。

表3 測(cè)試樣本數(shù)據(jù)Tab.3 Data of testing samples

根據(jù)訓(xùn)練模型和測(cè)試函數(shù),對(duì)測(cè)試樣本進(jìn)行測(cè)試,最終輸出的結(jié)果均為類別2,這說明SVM判定其磨損率是0.06 mm,如圖9所示。

圖9 SVM預(yù)測(cè)結(jié)果Fig.9 SVM prediction result

通過診斷結(jié)果分析可看出,從磨損故障仿真中提取壓力特征參數(shù)的時(shí)域特征值作為支持向量機(jī)故障診斷的訓(xùn)練樣本和測(cè)試樣本,在訓(xùn)練樣本很少的情況下就能得到滿意的診斷效果。

5 實(shí)驗(yàn)驗(yàn)證

利用多路閥綜合試驗(yàn)臺(tái)獲取雙閥芯電液閥壓力特性曲線,如圖10所示。

圖10 雙閥芯電液閥實(shí)驗(yàn)測(cè)試Fig.10 Experimental test of electro-hydraulic valve with double spool

本次實(shí)驗(yàn)選用的是同一閥芯的兩種狀態(tài),即新閥芯和人為磨損閥芯,新閥芯的直徑為16 mm,人為磨損閥芯的磨損量為0.08 mm,如圖11所示。

圖11 實(shí)驗(yàn)測(cè)試不同閥芯Fig.11 Experimental test of different spool

如圖12是兩種情況下測(cè)得的壓力特性曲線圖。

圖12 閥芯磨損前后壓力特性曲線Fig.12 Pressure characteristic curves of spool before and after wear

由圖12可以看出,壓力特性曲線隨閥芯磨損程度變化而變化,磨損程度越高,壓力特性曲線斜率越小。

設(shè)置狀態(tài)編號(hào)1表示新閥芯,設(shè)置狀態(tài)標(biāo)號(hào)2表示人為磨損的閥芯,根據(jù)實(shí)驗(yàn)所測(cè)的壓力特性曲線,去偽存真,每組選取500個(gè)壓力值,一共2組。訓(xùn)練樣本如表4所示。

表4 實(shí)驗(yàn)訓(xùn)練樣本數(shù)據(jù)Tab.4 Experimental training sample data

通過交叉驗(yàn)證,得出懲罰因子C為0.000977,核函數(shù)取高斯徑向基函數(shù),使用訓(xùn)練函數(shù)進(jìn)行訓(xùn)練。測(cè)試樣本數(shù)據(jù)與訓(xùn)練樣本數(shù)據(jù)選取原則相同,分別在兩個(gè)狀態(tài)下,根據(jù)壓力特性曲線,選擇其中的壓力值作為測(cè)試數(shù)據(jù),每組同樣是500個(gè),共2組。測(cè)試樣本如表5所示。

表5 實(shí)驗(yàn)測(cè)試樣本數(shù)據(jù)Tab.5 Experimental testing sample data

類別1代表新閥芯,類別2代表人為磨損的閥芯,SVM診斷結(jié)果如圖13所示。

圖13 SVM診斷結(jié)果Fig.13 SVM diagnosis result

通過圖13診斷結(jié)果可以看出,從正確率角度分析可以達(dá)到預(yù)期效果。結(jié)合實(shí)驗(yàn)和仿真的結(jié)果可知,少量的訓(xùn)練樣本也可得到很好的診斷效果,為閥芯磨損故障診斷領(lǐng)域提供了一種新的智能診斷方法。

6 結(jié)論

針對(duì)工程機(jī)械用多路閥磨損故障頻率高,故障類型不易診斷的問題,理論分析雙閥芯電液閥不同磨損下對(duì)零位壓力增益的影響,在AMESim中搭建仿真模型并模擬不同磨損情況下的壓力特性進(jìn)行仿真分析,基于SVM進(jìn)行故障診斷,對(duì)不同磨損情況的仿真數(shù)據(jù)進(jìn)行故障特征提取,將歸一化后的數(shù)據(jù)代入SVM模型進(jìn)行訓(xùn)練和測(cè)試,完成對(duì)各磨損閥芯的故障診斷。通過仿真和實(shí)驗(yàn)可知,雙閥芯電液閥的壓力增益隨著磨損程度增加而減小,支持向量機(jī)具有較好的診斷效果。