液壓系統故障智能診斷技術研究

王淑嬌　李琳琳

摘 要：分析了神經網絡診斷技術、專家系統診斷技術和小波分析診斷技術等智能故障診斷技術在液壓系統故障診斷中的應用現狀，指出了智能故障診斷技術今后的研究方向。

關鍵詞：液壓系統；智能；故障診斷；神經網絡

液壓系統是結構復雜的機電液綜合系統，具有機電液耦合，結構時變性、非線性等特性，液壓裝置對污染敏感，容易產生各種故障，且故障形式多樣，難于檢測和判斷。智能診斷技術在知識層次上實現了辨證邏輯與數理邏輯的集成、符號邏輯與數值處理的統一、推理過程與算法過程的統一、知識庫與數據庫的交互等功能，為構建智能化的液壓故障診斷系統提供了堅實的基礎。本文對液壓系統的智能故障診斷技術現狀進行了分析，并提出了今后的研究方向。

1.基于神經網絡的液壓系統智能診斷方法

1982年美國物理學家J. J. Hopfield提出了HNN神經網絡模型，使神經網絡的研究有了突破性進展。在液壓系統的故障診斷中，廣泛應用的是多層前向神經網絡及反向傳播算法。

基于神經網絡系統的診斷基本原則是：把領域專家的經驗輸入網絡，通過對故障實例和診斷經驗的訓練學習，依據一定的訓練算法，使網絡的實際輸出在某種數學意義下是理想輸出的最佳接近，對應于特定的輸入征兆，產生一故障輸出模式，可以模仿人類專家的直覺、聯想、記憶等能力，能較好地解決知識不完全性或不確定情況下的故障診斷問題。

文獻[1]以軸向柱塞泵外殼的振動加速度信號為依據，采用3層神經網絡，運用BP訓練算法（通過誤差反向傳播修正權重，使網絡的實際輸出與期望輸出之差的平方和達到極小），用C語言在微機上建立了泵的故障信號采集、預處理及神經網絡的故障診斷框架。經實際檢驗，證明了神經網絡診斷法的有效性。

基于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，使其在液壓系統故障診斷方而具有很大的優勢。其具體應用方式有：從模式識別角度應用神經網絡作為分類器進行液壓系統故障診斷；從故障預測角度應用神經網絡作為動態模型進行液壓系統故障預測；從檢測故障的角度應用神經網絡得到殘差進行液壓系統故障檢測。

2.基于小波變換的液壓系統智能診斷方法

小波分析是1986年以來由于Y. Meyer 和S. Mallat及I. Daubechies等的奠基工作而迅速發展起來的一門新興學科。小波分析的另一個作用是通過不同尺度的小波變換，得到典型頻率下的系統信號，以此分析系統的技術性能，判斷系統故障所在。

潘宏等[2]研究了基于小波分析的液壓系統泄漏檢測方法。通過壓力傳感器檢測出容腔的壓力變化曲線，對壓力信號進行Morlet小波變換。通過基本小波尺度的伸縮和平移計算得到的小波系數，在壓力信號的多個帶寬范圍內能辨識信號特征。

3.基于專家系統的液壓系統智能診斷方法

專家系統實質上是一種計算機程序，它能夠以人類專家的水平完成液壓傳動與控制領域的故障診斷任務。專家系統由許多收集的規則組成，它清楚地表示了知識和結果。一般的專家故障診斷系統由三部分組成，即知識庫、推理機制、決策機制。目前專家故障診斷技術與其它診斷技術的結合是發展方向。

總之，智能診斷法還有許多種，但其還處在探索和發展階段，由于液壓系統故障的特征、原因普遍存在模糊性，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特征，不同的故障也可能引起相同的故障特征，多種故障并發時故障特征就更加復雜，因

此，各種智能方法互相取長補短結合運用，是今后液壓系統故障診斷發展的重要趨勢。

4.液壓系統故障智能診斷的發展方向

隨著近些年來人工智能技術的發展，智能診斷的研究也在逐步深入，并在某些領域己經取得了一定的成效。在液壓系統故障診斷方面，文獻[3]用BP神經網絡對液壓泵的振動信號進行信息融合，提出了液壓泵的神經網絡在線狀態監測及故障診斷系統。顯然液壓系統的在線故障診斷與預測能提高大型液壓設備的可靠性和利用率，今后的研究重點主要是以下三個方面：

（1）深入研究復雜液壓系統故障的智能診斷方法。目前大多數論文是應用BP神經網絡或專家系統對單個液壓元件如液壓泵、液壓馬達、液壓缸的故障或系統的泄漏進行故障診斷。

（2）加強傳感器等硬件的研究。神經網絡診斷方法，專家系統診斷方法都需要采集大量的數據進行分析，因此傳感器的高精度和高可靠性是實現智能故障診斷的前提，開展智能傳感器的研究是智能故障診斷的技術保證。

（3）開展液壓系統智能故障診斷通用軟件的研究。開發可靠性高、信息傳輸標準化的傳感器以及開發液壓系統故障診斷專家系統通用工具軟件，使不同液壓系統能使用相同的軟件進行故障診斷，從而實現軟件的大面積推廣應用和降低開發成本的目的。

當前，液壓系統故障診斷技術的發展己經融合了多學科的技術，其發展趨勢必將是多種智能診斷方法相互混合，相互取長補短為主，與多媒體技術、網絡技術、信息融合技術、虛擬現實技術等相互融合，對液壓系統故障進行綜合評判和診斷。

參考文獻：

[1]祝海林.人工智能在液壓系統故障診斷中的應用.液壓與氣動，1995 （5）

[2]潘宏，傅周東，陳章位.基于小波分析的液壓系統泄漏檢測.機械科學與技術，1998，17（4）

[3]董選明，等.基于BP算法的液壓泵在線狀態檢測及故障診斷（J）.北京航空航天大學學報， 1997（3）