基于灰色關聯度分析某型空壓機故障診斷*

秦福星 劉地清 王 龍 趙 亮

(海軍蚌埠士官學校機電系 蚌埠 233012)

1 引言

灰色系統理論是由我國的鄧聚龍教授于1982年創建的。灰色系統理論認為,客觀世界是信息的世界,把已知的確定的信息稱為白色信息,未知的不確定的信息稱為黑色信息,既含有未知信息又含有已知信息的系統稱為灰色系統。灰色系統理論著重研究“部分信息明確,部分信息不知”的貧信息的不確定性系統,在工業、農業、經濟和軍事等領域都得到了廣泛的應用。灰色系統理論包括灰色預測、灰色關聯度分析、灰色聚類和灰色決策等內容[1～3]。灰色關聯度分析的基本任務是基于行為因子序列的幾何接近,以分析和確定因子間的影響程度或者因子對主行為的測度關系[4]。灰色關聯度分析是灰色系統分析和處理隨機量的一種方法,代表了不同研究對象(灰色因數)之間的關聯程度,是一種數據到數據的“映射”。對于級差式空壓機來說,由于多級壓縮缸互相串聯工作,各級缸之間互相影響,故障狀態更是難以診斷和定位,使得空壓機的測量數據存在著模糊和不確定的信息,空壓機故障與故障征兆之間并不是一一對應的關系,沒有確定的映射關系,因此可將級差式空壓機看作是一個復雜的灰色系統。而灰色關聯度分析在處理此種不確定信息方面有著獨到的優勢。

2 診斷原理

2.1 灰色關聯度診斷算法[5～7]

評價系統因子之間關聯程度的指標稱為灰色關聯度。令 x0表示參考序列,xi表示比較序列,其中,k=1,2,…,m;i=1,2,…,n。那么,參考序列與比較序列之間在k點的關聯系數ξ(k)可由式(1)得出。

在式(1)中,ρ為分辨系數,0＜ρ＜1,一般情況下取0.5。

這樣一來,參考序列 x0和比較序列 xi之間的關聯度可由式(2)得出。

由此可見,利用灰色關聯度分析對級差式空壓機進行故障診斷時,需要確定參考序列和比較序列。在空壓機故障診斷時,一般情況下可以將空壓機的實測數據作為參考序列,而將空壓機的故障仿真數據看作比較序列。比較序列可以看作診斷的標準,因此,獲取足夠多和足夠精確的仿真數據是測量的關鍵之一。因此必須正確地選定空壓機的測試點。測試點的選擇一般需要遵循以下兩條原則[1]:

1)可測試點盡可能多。測試點越多,對空壓機的描述就越清楚,獲取的信息量就越大,診斷結果就越準確。

2)合理選擇可測試點,使其能夠盡可能多的暴露空壓機故障模式。

上述兩大原則只是在一般意義上成立,尤其對第一條來說,測試點越多,意味著測試工作量就越大。因此,在確定測試點數量時,必須同時考慮工作量和空壓機描述的精度,在保證滿足空壓機描述精度的前提下,盡可能的降低工作量。

2.2 診斷步驟

1)選擇空壓機若干個狀態模式向量。

2)通過對空壓機正常狀態樣本的仿真計算,建立標準正常狀態模式向量;通過對空壓機各種故障狀態下樣本的仿真計算,建立標準故障狀態模式向量。最終得到空壓機標準狀態模式向量—標準狀態矩陣x0,作為參考矩陣。

3)通過對實際故障空壓機進行測量計算,確定故障空壓機的狀態模式向量—實際故障狀態模式矩陣xi,作為比較矩陣。

4)利用式(1)分別計算故障狀態模式向量和標準狀態模式向量之間的關聯度系數。關聯度系數為ζ(k),ζ(k)表示待測狀態模式向量xi對標準狀態模式向量x0在k點的關聯度系數。ζ(k)在[0,1]之間取值,ζ(k)越大,表示兩種模式向量更接近。

5)由于關聯系數的數值很多,信息過于分散,不便于比較,因此利用式(2)計算關聯度,作為診斷系統所處的狀態的參數Yi。Yi表示xi和x0的關聯程度。Yi越大說明關聯程度越高。

6)根據關聯度大小判斷故障空壓機故障狀態的實際情況。計算空壓機故障狀態模式與標準狀態模式向量之間的關聯程度,按關聯度的大小判斷待測模式與哪個標準狀態模式更接近,則空壓機故障模式與那個標準狀態模式更接近,從而實現空壓機故障狀態的識別。

3 在級差式空壓機故障診斷中的應用

3.1 標準特征數據系列的確定

1)特征參數的選擇

對于150型艦用級差式空壓機,由于各級缸進排氣溫度變化可通過各級缸的壓縮指數和膨脹指數反映出來,而且中間冷卻系統的冷卻性能也會對進排氣溫度產生影響,因此各級缸特征參數可選擇:壓縮指數m,膨脹指數n,名義排氣壓力P,氣缸最高壓力Pmax,氣缸最低壓力Pmin。

2)標準故障模式

150型艦用差式空壓機的故障主要有進排氣閥卡滯或泄漏、缸間串氣、缸套磨損、空氣濾清器堵塞等,以V級缸為例,主要故障模式如表1。

3)標準特征數據系列的確定

由于150型艦用空壓機是分五級壓縮的。激勵源眾多,其特征參數通常處于一定的變化范圍之中的。設第i級缸第j種狀態第k個觀測指標的變化范圍的中值為Xij(k):

Xij即為關聯度分析法故障診斷用標準特征向量,有:

表1 150型艦用空壓機V級缸主要故障模式

根據空壓機設計參數,結合故障狀態試驗,可將式(7)中向量集的各元素用數據代替,得標準故障狀態特征數據系列。以V級缸為例。如表2所示。

表2 V級缸標準故障狀態特征參數值

3.2 故障特征數據的確定

對檢測到的某時刻狀態特征數據向量:

3.3 關聯度分析

計算關聯系數和關聯度計算:

顯然,Y02最大,所以觀測狀態與第3個標準狀態最接近。即空壓機當前狀態最接近V級缸活塞環斷裂或咬死故障狀態。

4 結語

灰色關聯度診斷法進行空壓機的故障診斷,具有計算簡單,結論客觀全面等特點。通過正確選定空壓機測試點,在保證一定工作量前提下,獲取足夠多和精確的仿真數據,建立合理的標準故障狀態模式,就可以獲得較高的診斷精度,成功解決空壓機的故障診斷問題。

[1]賀曉,劉景寧,李淑霞,等.基于灰色關聯理論的案例推理在故障智能診斷系統中的應用[J].中國機械工程,2004,15(22):2022～2026

[2]鄧聚龍.灰色系統基本方法[M].武漢:華中理工大學出版社,1987

[3]Liu Gousheng,Yu Jianguo.Gray Correlation Analy-sis and Prediction Models of Living Refuse Generation in Shanghai City[J].Waste Management,2006,19:1～7

[4]Zhu Chihui,Li NianPing,Re Di,et al.Uncertainty in Indoor Air Quality and Grey System Method[J].Building and Environment,2007,42(4):1711～1717

[5]Chian Ko Tag,Chang Fu Ping,Tsai Te Chang.Optimum Design Parameters of Pin-fin Heat Sink Using the Grey-fuzzy Logic Based on the Orthogo-nal Arrays[J].International Communications inHeat and Mass Transfer,2006,33:744～752

[6]Chan J W K,Tong T K L.Multi-criteria Material Selections and End-of-life Product Strategy:Grey Relational Analysis Approach[J].Materials and Desing,2007,28(5):1539～1546

[7]張利萍,李宏光.灰色神經網絡預測算法在DMF回收過程中的應用[J].微計算機信息,2005(1):183～184