神經網絡的泵車典型液壓故障診斷系統的分析與設計

杜少華

【摘 ? ?要】隨著現代生產的發展，生產水平的快速提高，人們對故障診斷技術的重視程度越來越高。長期以來，人們對運動學、信號處理等研究較為透徹，但相比之下，液壓系統故障診斷較為淺顯。液壓泵是液壓系統的核心，直接影響著液壓系統的正常運行，決定著整個系統的效率。文主要分析泵車典型液壓故障類型，為更好地進行泵車液壓系統故障診斷，提出基于LabVIEW以及BP網絡神經的診斷方法，進一步完善和提高故障診斷準確度和精確度。

【關鍵詞】神經網絡 ?液壓故障 分析與設計

中圖分類號：G4 ? ? 文獻標識碼：A DOI：10.3969/j.issn.1672-0407.2020.08.146

隨著現代化的快速發展，人們對液壓系統的發展要求也越來越高，液壓系統朝著高精度、快速方向發展，結構也變的越發復雜，工作精度要求也越來越高，致使液壓系統出現故障可能性也逐漸增大。為加快解決泵車典型液壓故障，提高泵車工作效率，本文主要對液壓典型故障進行分析，從而提出基于LabVIEW圖像編輯語言以及BP神經網絡，從軟件方面對泵車典型液壓故障診斷系統進行完善，避免在實際操作中對泵車工作造成較大影響，進一步提高泵車的工作效率以及準確度。

1.泵車典型液壓故障分析及設計

1.1泵車典型液壓故障分析

1.1.1泵車工作原理。

混凝土泵車是一種將用于泵送混凝土的泵送系統和用于布料的臂架系統集成在汽車底盤上的設備，泵送系統利用底盤發動機的動力，將料斗內的混凝土加壓送入管道內，管道附在臂架上，操作人員控制臂架移動，將泵送系統泵出的混凝土直接送到澆注點。

1.1.2常見故障。

（1）臂架自動下沉。

①設備類型所有型號泵車。

②故障現象臂架展開后自動下沉。

③故障分析與診斷臂架下沉有如下幾個原因：

A.臂架油缸中進入空氣，因空氣的壓縮性比較大，臂架在不同的位置負載不同，當負載增加時，因空氣壓縮導致臂架油缸伸縮，臂架下沉。

B.臂架油缸內泄。當油缸受壓時，如圖1所示，若有內泄，則A腔油向B腔泄漏，并在一段時間后達到平衡，這時A、B腔壓強相等，油壓的有效作用面積只相當于活塞桿的橫截面，而負載不變，所以油壓必須升高才能與負載平衡。若活塞桿與活塞橫載面積相差比較大，則油壓有可能性超過平衡閥的設定力，使平衡閥打開，臂架下沉。當油缸受拉時，如下圖所示，則B腔油向A腔泄漏，因B腔有效橫截面積小于A腔，所以B腔油不足以補充A腔，油缸中將產生真空，隨著油缸的下沉，真空度不斷增大。可將臂架收回至極限位置，憋壓、觀察油缸回油腔是否有油液流出。若有，則為油缸內泄。

C.平衡閥內泄。在臂架下沉故障中，平衡閥內泄較常見，目前，泵車上有兩種平衡閥，原理上主要區別在于有無緩沖閥。37m米泵車平衡閥（現37m泵車同45m泵車）泄漏途徑兩條，一條從C2口（接油缸）經單向閥泄漏到V2口（接多路閥A、B口），一條是從C2口經平衡閥到達V2口。如果沒有控制油加在平衡閥的控制活塞上，在正常情況下，這兩條油路都是關閉的。但如果有以下幾條原因，則可能導致泄漏：

（A）平衡閥和單向閥的彈簧永久變形或折斷;（B）主閥芯、單向閥閥芯及控制活塞因污物卡死在開口位置;（C）主閥芯與單向閥芯之間因磨損而產生泄漏;（D）平衡閥設定壓力低于負載壓力。

45m泵車平衡閥泄漏途徑有三條，一條是從C2口（接油缸）經單向閥泄漏到V2口（接多路閥AB口），一條是從C2口經平衡閥到達V2口，一條是從C2口經緩沖閥到達T口，泄漏原因同上。平衡閥是否內泄可在臂架下沉時，拆下C2口觀察有無油液不斷流出，若有則為內泄（實踐時可通過拆開油缸連接軟管與固定鐵管的接頭進行觀察）。在臂架下沉的幾個原因中，平衡閥內泄較為常見，其次是油缸內泄，再其次是進入空氣。應逐步排除。

④故障處理。

平衡閥一般是拆下來清洗，如果有零件損壞，則維修或更換零件，可更換整個平衡閥，油缸內泄，則要先檢查活塞處密封圈是否損壞，若損壞，則更換密封圈，若沒有，則檢查油缸缸筒，是否有劃傷、缸壁脹大等現象，若有條件的可以自己修理，無條件的可以送回總部修理。進入空氣，則可反復憋壓幾次，以排除空氣。

（2）臂架油缸不同步。

①設備類型45m泵車。

②故障現象大臂兩支撐油缸不同步。

③故障分析與診斷。

45m泵車大臂是由兩個油缸支撐，但各有一套平衡閥，理論上講，兩個有效作用面積的油缸，在輸入相同流量的情況下，應能保持同步動作。

④影響油缸同步精度有如下原因：

A.平衡閥開啟壓力，若平衡閥開啟壓力大于負載，則當開啟壓力不同時，開啟壓力小的平衡閥先開啟，對應的油缸先動作，油缸產生不同步動作，當不同步到一定程度時，由于機械方面的限制，使壓力升高，另一油缸才動作。B.油缸本身的摩擦力不同，油缸本身的摩擦力就相當于一個負載，摩擦力相差較大就會引起油缸較嚴重的不同步。C.兩油缸負載偏載，載荷小的油缸先行動作。D.進回油壓力損失不同，由于污物卡住或堵塞，閥芯開口不同，都會引進回油壓力損失一不同，引進油缸不同步動作。

⑤故障處理。

一般情況下，如果不同步現象不嚴重，可以不作處理。嚴重時排除機械故障后，在液壓系統方面也可作些調整。由于開啟比無法調節（需加工節流孔），對于以上故障我們可取調節平衡閥壓力（開啟壓力亦跟隨變化）來作一些處理。如上所述，開啟壓力小的油缸先動作，所以我們只需把先動作的油缸回油腔的平衡閥適當調高，其中，手動泵測試臺，也可用泵車本身液壓泵代替（直接裝車調試）。

（3）液壓油乳化問題。

①設備類型：所有型號泵車。

②故障現象：液壓油乳化。

③故障分析與診斷。

水分是液壓油乳化的直接原因，水分進入液壓系統有以下幾個原因：

A.空氣中的水分因冷熱交替而在油箱中凝結，變成水珠落入油中;B.因焊縫、法蘭等密封不嚴，油箱上的雨水滲入油箱;C.因泵送油缸損壞、水分被活塞桿帶入油中;D.清洗、換油、維修過程中帶入水分;

試驗證明，當混入水分占0.05%～0.1%時，油的透明度便明顯變差，形狀成混濁狀，若混入水分占0.2%～0.5%時，油變成乳白色。如果油本身的抗乳化性較差，即使靜置一段時間，水分也不會分離。當油中有高溫氧化物時，高溫氧化物會充當乳化劑，加速油的乳化。

④故障處理。

防止油液乳化，首先就要防止水分進入液壓系統，這就要求我們在使用和維修中，采取一些防水措施：

A.及時排水，建議每次工作前開放水閥放一次水;B.盡量避免在雨天換油，如果在雨天換油，應采取措施防止雨水進入油箱;C.雨天維修時，要做好防水措施。

另外，在條件允許的情況下，在油溫過高時，可往泵送油缸封閉腔和冷卻器上澆水，降低油溫，防止高溫氧化物產生，在征得技術部門和用戶同意的情況下，可采取減少油泵排量的方式降低系統溫度。

1.2診斷系統設計

（1）神經網絡結構簡單，速度快，網絡間干擾小;（2）提高神經網絡的解釋功能;（3）提高診斷系統靈活性，降低系統升級難度。

在設計診斷系統時，采用專家系統的結構，并采取神經網絡方法監理系統推理機，即將傳統專家系統中基于符號的推理方式改為神經網絡中基于數值運算的推力方式，使得診斷系統的效率有大幅度提高，同時解決了諸多困難。構建基于神經網絡的泵車典型液壓故障診斷系統結構圖。

2.基于LabVIEW的泵車故障診斷軟件開發

2.1.LabVIEW軟件介紹

LabVIEW是一種圖形化編輯語言，產生的程序是框圖形式。優勢：可充分發揮計算機的能力，有強大的數據處理功能，可以創造出功能更強的儀器;用戶可以根據自己的需要定義和制造各種儀器。

2.2軟件設計及主要跟程序

本論文主要采用LabVIEW軟件為設計平臺，在MATLAB以及Access數據庫軟件配合下，按錯診斷系統的軟件設計與開發。通過LabVIEW建立人機界面，利用LabVIEW中的VISA模塊及硬件等，采集數據信號，并對不同信號進行相應的數據處理，對故障特征信息進行提取。除此之外，利用LabVIEW中LabSQL模塊對建立的Access故障庫的數據進行訪問、調用以及存儲。

3.泵車典型液壓故障診斷BP網絡設計

3.1 BP神經網絡

BP（Back Propagation）神經網絡，即誤差反傳誤差反向傳播算法的學習過程，由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經元負責接收來自外界的輸入信息，并傳遞給中間層各神經元;中間層是內部信息處理層，負責信息變換，根據信息變化能力的需求，中間層可以設計為單隱層或者多隱層結構;最后一個隱層傳遞到輸出層各神經元的信息，經進一步處理后，完成一次學習的正向傳播處理過程，由輸出層向外界輸出信息處理結果。當實際輸出與期望輸出不符時，進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權值，向隱層、輸入層逐層反傳。

多層前向BP網絡是目前應用最多的一種神經網絡形式，它具備神經網絡的普遍優點，但它也不是非常完美的，為了更好的理解應用神經網絡進行問題求解，這里對它的優缺點展開一些討論。

3.2 BP神經網絡優點

（1）非線性映射能力。

BP神經網絡，其實質就是實現了從輸入到輸出的映射，其神經網絡層之間可以以任意精度逼近非線性連續函數。

（2）自學習和自適應能力。

當處于BP網絡神經訓練過程中，其系統能夠將自動提取輸出、輸出數據間的規則，以及學習內容記錄在網絡權值中。即具有較強的學習性及適應能力。

（3）容錯能力。

BP神經網絡當其局部或部分神經元受到破壞或發生故障時，其不會對系統整體的訓練造成較大的影響。即就是，神經網絡個神經元之間神經網絡在其局部的或者部分的神經元受到破壞后對全局的訓練結果不會造成很大的影響，也就是說即使系統在受到局部損傷時還是可以正常工作的。即BP神經網絡具有一定的容錯能力。

利用BP神經網絡優點，國內外已經進行大量研究，但隨著其被廣泛應用，BP神經網絡缺點和不足也一一暴露出來。比如：

①局部極小化問題。在解決復雜的非線性問題時，通過局部改善的方法對網絡權值進行改善，因此使得算法陷入局部極值，從而導致網絡訓練不能正常進行。另外，BP神經網絡對初始網絡權重及其敏感，對于不同權重在進行網絡初始化時，其最終收斂的局部極小各不相同，導致最終的訓練結果各不相同。②BP神經網絡樣本依賴性問題。網絡模型逼近及推廣和樣本的典型性密切相連，因此，從問題中選取典型樣本組成是咧及其困難。

3.3泵車診斷BP網絡構建

BP神經網絡有較強的非線性映射能力，被廣泛應用于診斷領域。實現BP神經網絡診斷故障時，主要為三個步驟：

（1）神經網絡的輸入、輸出樣本的獲取。（2）對構建的診斷神經網絡進行檢驗。（3）獲取現場故障信號信息的故障特征向量。

4.軟件測試與驗證

4.1測試目的

軟件實驗測試，一方面可以檢驗泵車故障診斷系統軟件是否達到標準，即檢驗軟件程序是否能夠實現硬軟件之間的信號通訊及處理，更好地配合技術人員對泵車故障的診斷排查;另一方面，檢測軟件可靠性與穩定性。

4.2測試方法

測試方法主要分仿真測試和實車測試。仿真測試，即將測試硬件、系統以及測試軟件共建為一體，通過仿真運行時軟件的運行狀況對軟件的性能進行檢測。實車測試前，先進行大量仿真測試，調試軟件程序，從而避免實車測試過程中，對實車造成不良影響。

實車測試，是通過對實車故障的檢測來檢測故障診斷系統軟件的測試。

5.總結

隨著建筑行業的快速發展以及混凝土泵車的廣泛使用，對其質量、性能等要求也越來越高，泵車的故障診斷也得到廣泛重視。人工智能信息處理技術是推進泵車故障診斷技術發展的重要動力。本文主要就泵車液壓典型故障進行性分析，提出基于LabVIEW以及BP神經網絡診斷軟件開發。不僅能夠使得系統可以有機地收集數據、處理數據信號等，還可以成功解決故障征兆信號的數據采集及分析。從而，提高了泵車故障診斷的時效性以及準確性。

參考文獻

[1]劉登攀.基于BP算法的XRF光譜法測定酸溶鋁含量的方法研究[D].哈爾濱工程大學，2013年.

[2]唐梁.基于神經網絡的泵車典型液壓故障診斷系統的分析與設計[D].江蘇大學，2012年.

[3]婁敏華.混凝土泵車調試裝備的研究[D].長安大學，2010年.