基于AMESim的齒輪泵內(nèi)泄漏故障預(yù)測技術(shù)研究

趙　鵬，龍　江

(中國民用航空飛行學(xué)院 航空工程學(xué)院，四川 廣漢 618307)

?

基于AMESim的齒輪泵內(nèi)泄漏故障預(yù)測技術(shù)研究

趙鵬，龍江

(中國民用航空飛行學(xué)院 航空工程學(xué)院，四川 廣漢 618307)

采用AMESim軟件構(gòu)建了齒輪泵內(nèi)泄漏故障仿真平臺(tái)，通過運(yùn)行仿真平臺(tái)得到齒輪泵泄漏的故障仿真數(shù)據(jù)。運(yùn)用故障仿真數(shù)據(jù)，采取基于支持向量機(jī)的故障預(yù)測方法，在Matlab中建立了故障預(yù)測模型，將預(yù)測數(shù)據(jù)與仿真數(shù)據(jù)進(jìn)行對(duì)比，計(jì)算出預(yù)測的誤差，并對(duì)該模型的故障預(yù)測精度進(jìn)行了評(píng)估驗(yàn)證。討論了基于不同數(shù)量樣本建模對(duì)故障預(yù)測精度的影響，為選擇合理的樣本數(shù)量構(gòu)建預(yù)測模型提供了參考。結(jié)果表明：建模數(shù)據(jù)的量越大，預(yù)測的誤差越小，對(duì)齒輪泵的故障預(yù)測具有很好的應(yīng)用價(jià)值。提出的思路和方法對(duì)齒輪泵內(nèi)泄漏故障預(yù)測技術(shù)應(yīng)用具有一定的參考價(jià)值。

齒輪泵；MATLAB；AMESim；支持向量機(jī)；故障預(yù)測

0　引言

齒輪泵是一種常見的液壓泵，和其他類型的泵相比，齒輪泵具有結(jié)構(gòu)簡單、體積小、重量輕、工作可靠、便于維修、對(duì)油液污染不敏感及價(jià)格低廉等優(yōu)點(diǎn)[1]，大多數(shù)通用飛機(jī)都采用齒輪泵作為液壓系統(tǒng)的動(dòng)力元件，例如TB20等。齒輪泵是一種能量轉(zhuǎn)換裝置，它的作用是把機(jī)械能轉(zhuǎn)換成液壓能。齒輪泵的狀態(tài)與設(shè)備液壓系統(tǒng)工作息息相關(guān)，如果齒輪泵故障，齒輪泵的流量、壓力以及功率等都會(huì)受到影響。對(duì)于通用飛機(jī)而言，如果齒輪泵泄漏，不僅會(huì)使液壓系統(tǒng)受到影響，導(dǎo)致工作壓力不穩(wěn)定，甚至影響飛行安全，導(dǎo)致飛機(jī)飛行任務(wù)受到直接的影響。因此，只要能夠?qū)X輪泵進(jìn)行監(jiān)測，及時(shí)對(duì)它的工作狀態(tài)進(jìn)行預(yù)測，就可以預(yù)測齒輪泵可能出現(xiàn)的情況。故障預(yù)測是基于視情維修(CBM,condition based maintenance)思想而孕育出的一種研究方法，它根據(jù)歷史數(shù)據(jù)和當(dāng)前狀態(tài)數(shù)據(jù)，在相關(guān)理論和方法的指導(dǎo)下，分析和推斷研究對(duì)象未來的發(fā)展?fàn)顟B(tài)和趨勢[2]。在齒輪泵實(shí)際工作中，能夠得到齒輪泵流量和壓力等相關(guān)參數(shù)，就可以通過故障預(yù)測的方法對(duì)齒輪泵的這些數(shù)據(jù)進(jìn)行預(yù)測，根據(jù)當(dāng)前的狀態(tài)預(yù)測出齒輪泵未來的狀態(tài)，從而可以提前安排設(shè)備工作任務(wù)，合理地利用設(shè)備，提高設(shè)備的利用率。

1　影響齒輪泵內(nèi)泄漏故障的因素

齒輪泵工作中可能出現(xiàn)故障現(xiàn)象有流量小、不吸油、壓力不足、噪聲大、油液泄漏、過熱、油泵運(yùn)轉(zhuǎn)不正常或咬死等。而齒輪泵的油液泄漏故障有內(nèi)泄漏和外泄漏兩種。油液從各密封不嚴(yán)的間隙處泄漏至油泵外面,叫做外泄漏。泵內(nèi)部油液從高壓區(qū)向低壓區(qū)泄漏叫做內(nèi)泄漏。本文選擇油液內(nèi)泄漏作為研究對(duì)象，分析內(nèi)泄漏對(duì)流量與壓力的影響。齒輪泵的內(nèi)泄漏與齒輪泵的間隙、進(jìn)出口壓力差和油液的粘度有關(guān)。齒輪泵的內(nèi)泄漏途徑主要有：(1)兩齒輪嚙合點(diǎn)處存在間隙；(2)齒頂與齒輪泵殼體內(nèi)孔間存在徑向間隙；(3)齒輪端面與軸套端面存在軸向間隙[3]。對(duì)齒輪泵泄漏量而言，進(jìn)出口壓力差越大，齒輪泵內(nèi)泄漏的泄漏量越大。泄漏量還與其粘度有關(guān)，粘度越低，流過間隙的阻力越小，泄流量會(huì)增大。內(nèi)泄漏會(huì)導(dǎo)致齒輪泵的效率下降，使得輸出流量和壓力減小，從而影響齒輪泵的容積效率[4]。本文主要研究齒輪泵的泄漏與間隙之間的關(guān)系。

2　建立齒輪泵故障仿真模型

AMESim(Advanced Modeling Environment of Per-forming Simulation of engineering systems)是法國Imagine公司于1995年推出的基于鍵合圖的液壓/機(jī)械系統(tǒng)建模、仿真及動(dòng)力學(xué)分析軟件[5-7]。AMESim軟件能夠建立液壓系統(tǒng)的仿真平臺(tái)，模擬液壓系統(tǒng)的運(yùn)行。相較于物理故障模擬平臺(tái)，用AMESim建立齒輪泵模擬平臺(tái)能很輕易地改變間隙獲得故障數(shù)據(jù)，建立模型的成本低，代價(jià)小[8]。為模擬液壓元件的內(nèi)泄漏,采用在元件進(jìn)出口并聯(lián)一個(gè)節(jié)流孔的辦法[9-10]。本文通過AMESim建立齒輪泵液壓系統(tǒng)仿真平臺(tái)，模擬齒輪泵的內(nèi)泄漏,在齒輪泵進(jìn)出口并聯(lián)一個(gè)節(jié)流孔,如圖1所示,通過設(shè)置節(jié)流孔的不同大小來模擬齒輪泵泄漏程度。

圖1　齒輪泵內(nèi)泄漏故障仿真平臺(tái)

通過查閱文獻(xiàn)，齒輪泵的流量范圍為q=2.5L/min至750L/min，轉(zhuǎn)速范圍為1300r/min至4000r/min，壓力范圍為1MPa至31.5MPa[1]。參考上面的數(shù)據(jù)范圍，主要設(shè)置參數(shù)如表1，并對(duì)仿真平臺(tái)上建立的液壓系統(tǒng)進(jìn)行模擬仿真，測量出齒輪泵的輸出壓力與流量。

表1　AMESim中主要設(shè)置參數(shù)

本文基于AMESim軟件，分別模擬節(jié)流孔徑從0.1mm增大到10mm(每次增大0.1mm)的100組故障數(shù)據(jù)，每組數(shù)據(jù)包括齒輪泵出口的壓力與流量，壓力、流量與節(jié)流孔間隙對(duì)應(yīng)的關(guān)系如圖2、圖3所示。

圖2　出口壓力圖

圖3　出口流量圖

3　基于支持向量機(jī)方法的故障預(yù)測

支持向量機(jī)像多層感知器神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)網(wǎng)絡(luò)一樣，可用于模式識(shí)別和非線性回歸[11]。支持向量機(jī)將故障數(shù)據(jù)通過核函數(shù)的變換，最后得到理想的輸出，本文選擇的核函數(shù)為徑向基核函數(shù)，通過LIBSVM實(shí)現(xiàn)支持向量機(jī)在MATLAB上的故障預(yù)測[12]。LIBSVM是臺(tái)灣大學(xué)林智仁教授等設(shè)計(jì)開發(fā)的SVM模式識(shí)別與回歸的軟件包，編寫好程序就可以調(diào)用相關(guān)程序包[13]。本文首先用前70組數(shù)據(jù)建立預(yù)測的模型，再預(yù)測后30組數(shù)據(jù)，計(jì)算出預(yù)測的誤差。然后，在100組數(shù)據(jù)中分別用前60組數(shù)據(jù)、前70組數(shù)據(jù)、前80組數(shù)據(jù)和前90組數(shù)據(jù)，分別建立預(yù)測模型，并通過建立的預(yù)測模型預(yù)測后40組、后30組、后20組和后10組數(shù)據(jù)。通過不同的數(shù)據(jù)組合，得出預(yù)測的精度與不同數(shù)據(jù)組合的關(guān)系。

通過在AMESim仿真平臺(tái)模擬出來的齒輪泵內(nèi)泄漏的故障數(shù)據(jù)，在MATLAB中編寫程序，運(yùn)用支持向量機(jī)故障預(yù)測方法[14]，對(duì)仿真平臺(tái)模擬出來的齒輪泵內(nèi)泄漏故障數(shù)據(jù)進(jìn)行歸一化處理，用前70組數(shù)據(jù)在MATLAB中建立齒輪泵的故障預(yù)測模型，并計(jì)算建立的模型的平方相關(guān)系數(shù)，相關(guān)系數(shù)越高,模型能更好的反映數(shù)據(jù)的變化規(guī)律。再用建立的模型對(duì)后30組數(shù)進(jìn)行預(yù)測，整個(gè)故障預(yù)測的流程圖[15-16]如圖4所示。

圖4　故障預(yù)測流程圖

預(yù)測步驟為:

(1)對(duì)仿真出的數(shù)據(jù)進(jìn)行歸一化處理。

(2)編寫程序，建立齒輪泵故障預(yù)測模型。

(3)優(yōu)化模型建立的參數(shù)，并計(jì)算出誤差和平方相關(guān)系數(shù)。

(4)對(duì)后30組數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測的數(shù)據(jù)。

(5)判斷模型是否滿足相對(duì)誤差大于5%(工程誤差一般允許5%以內(nèi))，優(yōu)化預(yù)測模型。

4　預(yù)測結(jié)果的分析與說明

在MTLAB軟件上對(duì)數(shù)據(jù)進(jìn)行建模后，得到預(yù)測數(shù)據(jù)，再將預(yù)測出的數(shù)據(jù)與在AMESim仿真中的故障數(shù)據(jù)進(jìn)行對(duì)比[17]。

對(duì)齒輪泵出口壓力進(jìn)行分析，用前70組數(shù)據(jù)建模，圖5為前70組數(shù)據(jù)與預(yù)測模型回歸數(shù)據(jù)對(duì)比圖，圖6為前70組數(shù)據(jù)與回歸數(shù)據(jù)的相對(duì)誤差。

通過圖5分析，前70組數(shù)據(jù)與在MATLAB上建立模型的回歸數(shù)據(jù)變化趨勢相同，計(jì)算出預(yù)測的平方相關(guān)系數(shù)為0.999639，回歸數(shù)據(jù)很好的擬合了前70組原數(shù)據(jù)。

圖6可以看出這70組建模數(shù)據(jù)與回歸數(shù)據(jù)相對(duì)誤差小，相對(duì)誤差最大為3×10-5，滿足工程上5%的誤差范圍。

圖5　前70組數(shù)據(jù)與回歸數(shù)據(jù)對(duì)比圖

圖6　前70組數(shù)據(jù)與回歸數(shù)據(jù)的相對(duì)誤差圖

圖7　后30組數(shù)據(jù)與預(yù)測數(shù)據(jù)對(duì)比圖

圖8　后30組數(shù)據(jù)與預(yù)測數(shù)據(jù)的相對(duì)誤差圖

運(yùn)用在MATLAB上建立的故障預(yù)測模型對(duì)齒輪泵出口壓力后30組仿真出的數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測數(shù)據(jù)。圖7為后30組數(shù)據(jù)與預(yù)測數(shù)據(jù)對(duì)比圖，圖8為后30組數(shù)據(jù)與預(yù)測數(shù)據(jù)的相對(duì)誤差。

通過對(duì)圖7分析，可以看出后30組數(shù)據(jù)與預(yù)測數(shù)據(jù)的變化趨勢是相同的。圖8顯示，隨著預(yù)測數(shù)據(jù)的增多，預(yù)測的誤差漸漸增大，相對(duì)誤差最大為4.8×10-4，滿足要求。

通過相似的預(yù)測方法，對(duì)齒輪泵出口的流量進(jìn)行預(yù)測分析，出口流量建立的故障模型的平方相關(guān)系數(shù)0.999578，預(yù)測出的數(shù)據(jù)誤差最大為0.68，滿足要求。

為了研究不同數(shù)量樣本建模對(duì)故障預(yù)測精度的影響，本文用不同數(shù)量的仿真數(shù)據(jù)建立建模并預(yù)測，表2為不同數(shù)量樣本建模對(duì)故障預(yù)測精度計(jì)算結(jié)果影響的匯總表。通過對(duì)比，建模的數(shù)據(jù)越多，模型的平方相關(guān)系數(shù)越高，預(yù)測出數(shù)據(jù)的均方誤差越小。當(dāng)樣本數(shù)量有限時(shí),這種方法能夠?yàn)檫x擇采用不同的數(shù)量建立故障模型提供參考。

表2　各項(xiàng)數(shù)據(jù)預(yù)測的計(jì)算結(jié)果

5　結(jié)論

(1)基于支持向量機(jī)的故障預(yù)測方法能夠較好地預(yù)測在仿真平臺(tái)下的齒輪泵內(nèi)泄漏程度。

(2)建立預(yù)測模型的數(shù)據(jù)越多，預(yù)測模型的精度就越高，而預(yù)測的誤差就越小。

(3)當(dāng)數(shù)據(jù)有限時(shí)，本文能夠?yàn)檫x擇合理的數(shù)據(jù)建立齒輪泵故障預(yù)測模型提供理論依據(jù)，從而提高預(yù)測的適用性以及工作的合理性。

[1] 簡引霞.航空液壓與氣動(dòng)技術(shù)[M].北京:國防工業(yè)出版社,2008:45.

[2] 曾聲奎,Pecht M G,吳際.故障預(yù)測與健康管理(PHM)技術(shù)的現(xiàn)狀與發(fā)展[J].航空學(xué)報(bào),2005,26(5):626-632.

[3] 畢新勝.液壓系統(tǒng)齒輪泵泄漏原因分析[J].農(nóng)業(yè)機(jī)械,1999(9):44.

[4] 宋靜波.飛機(jī)構(gòu)造基礎(chǔ)[M].2版.北京:航空工業(yè)出版社,2011:178-179.

[5] 梁全,蘇齊瑩.液壓系統(tǒng)AMESim計(jì)算機(jī)仿真指南[M].北京:機(jī)械工業(yè)出版社,2014：24-28.

[6] 蘇東海,于江華.液壓仿真新技術(shù)AMESim及應(yīng)用[J].機(jī)械,2006,33(11):35-37.

[7] 王繼努,李天富,段方亮,等.AMESim在液壓元件仿真中的應(yīng)用研究[J].液壓氣動(dòng)與密封,2011,31(3):1-3.

[8] 尚澤譯,龍江.基于AMESim的柱塞泵內(nèi)泄漏故障注入研究[J].西安航空學(xué)院學(xué)報(bào),2016,34(1):24-29.

[9] 周小軍.基于AMESim 液壓系統(tǒng)泄漏仿真與故障診斷研究[D].長沙:國防科技大學(xué),2012.

[10] 彭國朋,黃海濤.雷達(dá)天線車液壓故障分析及其動(dòng)態(tài)仿真[J].火控雷達(dá)技術(shù),2009，38(2):34-37.

[11] 丁世飛,齊丙娟,譚紅艷.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報(bào),2011,40(1):2-10.

[12] 郭明瑋,趙宇宙,項(xiàng)俊平,等.基于支持向量機(jī)的目標(biāo)檢測算法綜述[J].控制與決策,2014,29(2):193-200.

[13] 王小川,史峰,郁磊,等.MATLAB神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M].北京:北京航空航天大學(xué)出版社,2013:138-143.

[14] 韓東,許葆華.基于支持向量機(jī)的電動(dòng)機(jī)構(gòu)故障預(yù)測研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2011,32(1):297-300.

[15] 豐世林,吳江.基于區(qū)間灰色預(yù)測模型的飛機(jī)輪胎磨損預(yù)測技術(shù)研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2016,46(4):97-101.

[16] 曾波,孟偉.面向特殊序列的灰色預(yù)測建模方法[M].重慶:重慶大學(xué)出版社,2011:32-84.

[17] 吳瑞.航空發(fā)動(dòng)機(jī)狀態(tài)預(yù)測與健康管理中的氣路數(shù)據(jù)挖掘方法研究[D].廣漢:中國民用航空飛行學(xué)院,2015.

[責(zé)任編輯、校對(duì)：東艷]

Research on the Gear Pump Fault Prediction Based on AMESim Simulation Platform

ZHAOPeng,LONGJiang

(Aviation Engineering Institute,Civil Aviation Flight University of China,Guanghan 618307,China)

Firstly,the gear pump internal leakage fault simulation platform is constructed by the AMESim software,and the fault simulation data can be obtained through the simulation platform.With the fault prediction method based on support vector machine (SVM),a fault prediction model is set up in Matlab,and the fault simulation data are predicted by the fault prediction model.Then,the predicted data are acquired,and the fault prediction precision validation of the model is evaluated through the simulation data.In addition,the paper also elaborates the influence on the fault prediction accuracy by modeling based on different numbers of samples,thus offering the reference for selecting the reasonable number of samples.The findings indicate that the high quantity of modeling data is,the lower error of the prediction is,which is of the significant application value for fault prediction of gear pumps.The idea and method presented serve as the reference for the application of the pump gear leakage failure prediction technology.

gear pump;MATLAB;AMESim;support vector machine (SVM);fault prediction

2016-06-07

四川省教育廳科研重點(diǎn)項(xiàng)目(16ZA0020)；中國民用航空飛行學(xué)院研究生創(chuàng)新項(xiàng)目(X2015-10)

趙鵬(1989-),男,四川廣漢人，碩士研究生,主要從事故障診斷與預(yù)測方向的研究。

TH137.51

A

1008-9233(2016)05-0034-05