淺談液壓系統故障診斷技術發展前景

翟 亮

（蘭州鐵路技師學院，甘肅 蘭州730050）

0 引言

液壓系統故障診斷技術是隨著液壓設備不斷高度自動化和復雜化以及對液壓系統工作可靠性要求越來越高而發展起來的,是針對現代液壓設備需要及時排除液壓故障而提出來的,是將醫療診斷中的基本思想推廣到液壓工程技術而形成的,是建立在液壓控制理論,信息理論和電子技術、傳感器技術、人工智能技術等基礎上的一門綜合性新技術。 回顧液壓系統故障診斷技術的發展,大致經歷了三個發展階段:基于人的主觀診斷法、基于模型診斷法和基于智能技術的診斷法。

1 主觀診斷法

主觀診斷法主要是依靠簡單的診斷儀器,憑借個人的實踐經驗,判別故障發生的部位及其原因。這種方法要求診斷人員掌握豐富的故障機理知識和診斷經驗,需利用系統或元件的結構、模型和功能等方面的知識,綜合分析才能了解。 基于人的主觀診斷法主要包括系統分析法、參數測量法、方框圖分析法、魚刺圖分析法等。

2 模型的診斷法

模型的診斷法是先運用一定的數學手段描述系統某些可測量特征量,這些特征量在幅值、相位、頻率及相關性上與故障源之間存在著聯系,然后通過測量、分析、處理這些特征量信號,來判斷故障源所在。這種方法實質上是以傳感器技術和動態測試技術為手段,以信號處理和建模處理為基礎的診斷技術。基于數學模型與信息處理的故障診斷方法通常有狀態估計方法、參數估計方法、頻譜分析法、小波分析法等。

3 智能診斷技術

液壓系統故障智能診斷技術是人工智能技術在液壓系統故障診斷領域中的應用,它是計算機技術和液壓系統故障診斷技術相互結合與發展進步的結果。 智能診斷的本質特點是模擬人腦的機能,又能比人腦更有效地獲取、傳遞、處理、再生和利用故障信息,成功地識別和預測診斷對象的狀態。 因此,智能診斷技術是液壓系統故障診斷的一個極具生命力的發展方向。目前，智能技術的故障診斷法主要有：故障樹分析的診斷法、模糊邏輯的診斷法、神經網絡的診斷法和專家系統的診斷法等。

3.1 故障樹分析的診斷法

故障樹分析法是一種圖形演繹方法，通過對可能造成系統故障的各種因素進行分析，畫出邏輯框圖(故障樹)，再對系統中發生的故障事件，由總體至部分按樹枝狀逐級細化的分析，其目的就是判明基本故障、確定故障原因、故障影響和發生概率等。故障樹分析診斷法的關鍵是建立故障樹，故障樹完善與否直接影響到分析結果的準確性。因而，需要分析人員對分析系統的設備及運行環境有透徹的理解，將故障癥狀作為樹頂，將發生故障的各種因素逐一排列，然后建立故障樹的數學模型，對故障樹進行定性分析和定量計算，給出分析結果。故障樹分析法具有直觀性和理論性強、邏輯嚴密等特點，對一個系統而言，一切故障診斷都必然要先經過某種程度的故障樹分析，是故障診斷系統的基礎。

3.2 模糊邏輯的診斷法

模糊邏輯的診斷法是借助模糊數學中的模糊隸屬關系提出的一種新的診斷方法， 它將各種故障及其癥狀視為兩類不同的模糊集合，它們之間的關系用一個模糊關系矩陣來描述。由于液壓系統故障既有確定性的，也有模糊性的，表現為同一故障可能由不同的原因造成，同一故障可能會產生不同的故障癥狀，不同的故障也可能引起同樣的故障癥狀，多故障并發時故障癥狀更加復雜。 當確定性故障和模糊性故障相互交織、密切相連時，就需要通過探討液壓系統故障的模糊性，尋找與之相適應的診斷方法， 才能有利于正確描述故障的真實狀態，揭示其本質特征。

3.3 神經網絡的診斷法

神經網絡的診斷法是利用神經網絡具有非線性和自學習以及并行計算能力的特點，對液壓系統的故障進行診斷。它具有的超高維性、強非線性等動力學特性,使其具有原則上容錯、結構拓撲魯棒、聯想、推測、記憶、自適應、自學習、并行和處理復雜模式等功能,帶來了提供最佳診斷性能的潛在可能性,解決了傳統方法在知識表示、獲取和并行推理等問題上的“瓶頸”問題。神經網絡在出現新故障時通過自學習不斷調整權值、閩值,以提高故障正確檢測率,降低漏報率和誤報率。

3.4 專家系統的診斷法

專家系統是一種基于知識的應用軟件系統，從領域專家那里獲得專業知識，用來解決只有專家才能解決的困難問題。它是研究最多、應用最廣的一類智能診斷系統,主要用于那些沒有精確數學模型或很難建立數學模型的復雜系統。 由于在專家系統中,知識通常是系統性、理論性較強的知識,因此求解結果可靠性高,并且由于知識是顯式的,使其具有很好的解釋能力。 然而,專家系統在發展的同時遇到了知識獲取的“瓶頸”、“窄臺階”等困難,使其支持能力受到較大的限制。

4 未來故障診斷技術的發展趨勢

液壓系統故障智能診斷技術是液壓系統故障診斷技術的發展趨勢。 但任何一種診斷方法,不論多么先進,總存在一定的局限性,單一的故障智能診斷方法難以勝任液壓系統的故障診斷。隨著知識工程的發展及數據庫、虛擬現實、神經網絡等技術的日新月異,必然引起智能故障診斷技術在下列幾個方面的不斷發展。

4.1 混合智能故障診斷技術研究

將多種不同的故障診斷技術有效地融合,進一步提高診斷系統的綜合性能,是智能診斷技術發展的必然趨勢。 結合方式主要是基于規則的專家系統與神經網絡的結合,CBR 與基于規則系統和神經網絡的結合,模糊邏輯、神經網絡與專家系統的結合等。 其中模糊邏輯、神經網絡與專家系統結合的診斷模型是最具發展前景的,也是目前人工智能領域的研究熱點之一。

4.2 數據庫技術與人工智能技術相互滲透

人工智能與數據庫技術是計算機科學的兩大重要領域,越來越多的研究成果表明,這兩種技術的相互滲透將會給故障智能診斷系統帶來更廣闊的應用前景。 人工智能技術多年來曲折發展,雖然成果累累,但比起數據庫系統卻相形見絀。其主要原因在于缺乏像數據庫系統那樣較為成熟的理論基礎和實用技術。人工智能技術的進一步應用和發展越來越表明,結合數據技術可以克服人工智能不可跨越的障礙,這也是智能系統成功的關鍵。 對于故障診斷系統來說,知識庫一般比較龐大,因此可以借鑒數據庫關于信息存儲、共享、并發控制和故障恢復技術,改善診斷系統的性能。

4.3 基于internet 的遠程協作診斷技術研究

基于internet 的設備故障遠程協作診斷是將設備診斷技術與計算機網絡技術相結合,用若干臺計算機作為服務器,在液壓系統的關鍵元件上建立狀態監測點,采集設備狀態數據,在技術力量較強的科研院所建立分析診斷中心,為企業提供遠程技術支持和保障。

5 結束語

液壓系統故障具有隱蔽性、復雜性、隨機性、模糊性及分散性等特點,盡管國內外學者對液壓系統故障診斷進行了深入廣泛的研究,但實際診斷過程中仍面臨許多問題。對于今后越來越復雜的液壓系統的故障診斷,最佳途徑是將專家系統與神經網絡有機地結合起來,作為智能診斷的發展方向, 同時融入先進的現代信息技術, 如多媒體技術、internet 技術、信息融合技術、智能傳感器技術等,提高控制系統的開放性、容錯性和實用性,應用前景十分廣闊。

［1］史紀定.液壓系統故障診斷與維修技術[M].北京:機械工業出版社,1990.

［2］劉永健,胡培金.液壓故障診斷分析[M].北京:人民交通出版社,1998.

［3］張兆國,包春江.機械故障診斷與維修[M].北京:中國農業出版社,2003.

［4］聞新，張洪鉞，周露.控制系統的故障診斷和容錯控制[M].北京:機械工業出版社,1998.

［5］黃志堅.液壓設備故障分析與技術改進[M].武漢:華中理工大學出版社,1999.