基于工程機(jī)械液壓裝置故障診斷的仿真研究

王穎嫻

摘 要： 針對(duì)工程機(jī)械液壓系統(tǒng)，在分析了機(jī)械液壓裝置故障診斷現(xiàn)狀的基礎(chǔ)上，提出了一種基于多網(wǎng)絡(luò)模型的故障診斷方法。應(yīng)用該方法時(shí)需先針對(duì)多個(gè)目標(biāo)故障建立對(duì)應(yīng)動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)目標(biāo)故障模型，并得出各目標(biāo)故障模型的檢測(cè)閾值，在此基礎(chǔ)上將測(cè)試故障樣本代入各目標(biāo)故障模型中，最終故障類型根據(jù)其殘差平方所在閾值范圍確定。為進(jìn)一步完善診斷與維護(hù)工程機(jī)械液壓故障提供參考。

關(guān)鍵詞： 工程機(jī)械液壓系統(tǒng); 故障診斷; 廣義回歸神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)： TU 603 ? ? ?文獻(xiàn)標(biāo)志碼： A

Abstract： Based on the analysis of the status quo of mechanical hydraulic equipment fault diagnosis， this paper proposes a fault diagnosis method based on multi-network model. When this method is applied， it is necessary to complete the corresponding dynamic regression for multiple target faults. A neural network target failure model is established， and the detection thresholds of each target failure model are obtained. On this basis， the test failure samples are substituted into each target failure model， and the final fault type is determined according to the threshold range in which the residual square is located. The test result provides a reference for further improving the diagnosis and maintenance of engineering machinery hydraulic faults.

Key words： engineering machinery hydraulic system; fault diagnosis; generalized regression neural network

0 引言

各種大型的機(jī)械設(shè)備在建筑行業(yè)中的應(yīng)用范圍不斷擴(kuò)大，維護(hù)及檢測(cè)這些設(shè)備是確保設(shè)備正常運(yùn)轉(zhuǎn)使用并產(chǎn)生經(jīng)濟(jì)價(jià)值的重要環(huán)節(jié)，隨著工程施工規(guī)模及復(fù)雜程度的不斷提升，對(duì)工程機(jī)械的要求也不斷提高，工程機(jī)械使大量繁重的人力勞動(dòng)過程被有效替代，在降低施工企業(yè)施工成本的同時(shí)提升了施工的整體效率。由于液壓傳動(dòng)系統(tǒng)是大部分工程機(jī)械所采用的動(dòng)力系統(tǒng)，整個(gè)機(jī)械系統(tǒng)能否安全穩(wěn)定的運(yùn)行在很大程度上取決于液壓系統(tǒng)的運(yùn)轉(zhuǎn)情況，提升工程機(jī)械液壓系統(tǒng)性能已成為施工企業(yè)提升市場(chǎng)競(jìng)爭(zhēng)力的有效方式之一。作為一個(gè)復(fù)雜整體，液壓系統(tǒng)具有多元件有機(jī)密切聯(lián)系的特點(diǎn)，其所表現(xiàn)出的故障現(xiàn)象往往難以同具體的故障原因一一對(duì)應(yīng)，具備系統(tǒng)性和綜合性特點(diǎn)的液壓故障問題極大的增加了診斷故障的難度，目前施工過程對(duì)液壓系統(tǒng)的要求不斷提高，傳統(tǒng)的機(jī)械故障診斷方法已經(jīng)難以滿足現(xiàn)代液壓系統(tǒng)維修需求。

1 現(xiàn)狀分析

工程機(jī)械在基礎(chǔ)設(shè)施建設(shè)中起到重要作用，是一種重要的施工生產(chǎn)裝備，而工程機(jī)械的關(guān)鍵構(gòu)成部分即為液壓系統(tǒng)，診斷與預(yù)報(bào)液壓系統(tǒng)故障的技術(shù)仍然是工程機(jī)械領(lǐng)域的研究重點(diǎn)之一，在實(shí)際施工過程中負(fù)載變動(dòng)大的工程機(jī)械通常需持續(xù)工作較長(zhǎng)時(shí)間且面臨著惡劣的工作環(huán)境，導(dǎo)致液壓系統(tǒng)故障的發(fā)生概率顯著增加。傳統(tǒng)機(jī)械液壓故障診斷大多重點(diǎn)針對(duì)某一工程機(jī)械類型或某類故障模式，并且缺少準(zhǔn)確的分析過程，通常只能對(duì)較為明顯的故障現(xiàn)象及特征完成故障的準(zhǔn)確診斷，降低了故障診斷結(jié)果的準(zhǔn)確率同時(shí)限制了故障診斷應(yīng)用范圍。目前工程機(jī)械液壓故障診斷研究雖然取得了一定的進(jìn)展，但仍需從理論和實(shí)際應(yīng)用上進(jìn)一步提高故障診斷水平。研究不斷深入的多模型自適應(yīng)控制理論在故障診斷領(lǐng)域的應(yīng)用范圍不斷擴(kuò)大。根據(jù)液壓系統(tǒng)故障機(jī)理，發(fā)生機(jī)械液壓故障過程大多涉及到系統(tǒng)物理或數(shù)學(xué)模型參數(shù)的改變過程。根據(jù)實(shí)際多模型故障診斷研究過程，大都為線性的解析型的數(shù)學(xué)模型（如狀態(tài)方程）是限制模型選擇的主要因素，基于神經(jīng)網(wǎng)絡(luò)的多模型故障診斷方法研究有待進(jìn)一步完善[1]。為此本文基于動(dòng)態(tài) GRNN 模型提出了一種多網(wǎng)絡(luò)模型故障診斷方法，在廣義回歸神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，通過全局遞歸反饋機(jī)制的引入完成了動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建，以期優(yōu)化工程機(jī)械液壓故障診斷過程。

2 動(dòng)態(tài) GRNN 網(wǎng)絡(luò)模型

考慮到GRNN不具備全局動(dòng)態(tài)遞歸能力，通過在動(dòng)態(tài)網(wǎng)絡(luò)中引入全局反饋功能后，即可適用于系統(tǒng)故障診斷建模，可有效提高辨識(shí)非線性動(dòng)態(tài)系統(tǒng)建模的能力，在實(shí)際維護(hù)工程機(jī)械液壓系統(tǒng)裝置過程中會(huì)受到不同施工環(huán)境及技術(shù)上的限制，為確保不同的機(jī)械問題和隱患能夠被及時(shí)發(fā)現(xiàn)，本文將全局遞歸反饋機(jī)制融入到廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN 模型中完成了動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建，該模型在繼承了GRNN模型優(yōu)勢(shì)的同時(shí)可更加有效的完成動(dòng)態(tài)數(shù)據(jù)處理過程。針對(duì)處于某種故障狀態(tài)的液壓系統(tǒng)建立故障模型，N 種目標(biāo)故障則對(duì)應(yīng)建立N 個(gè)目標(biāo)故障模型 ，再通過檢測(cè)故障模型完成故障診斷過程。

2.1 廣義回歸網(wǎng)絡(luò)

4 實(shí)驗(yàn)測(cè)試與結(jié)果分析

為檢測(cè)本文所設(shè)計(jì)的工程機(jī)械液壓故障檢測(cè)模型及方法的有效性，以SWE50 型挖掘機(jī)作為實(shí)驗(yàn)平臺(tái)進(jìn)行試驗(yàn)測(cè)試，該挖掘機(jī)液壓系統(tǒng)以工作裝置驅(qū)動(dòng)油缸、變量液壓泵（帶負(fù)載敏感系統(tǒng)）、多路換向閥、行走及回轉(zhuǎn)液壓馬達(dá)等作為主要構(gòu)成，本實(shí)驗(yàn)中以液壓系統(tǒng)的壓力和流量作為主要實(shí)驗(yàn)測(cè)量信號(hào)，使用的包括6 通道手持式測(cè)量?jī)x、高性能壓力及流量傳感器在內(nèi)的測(cè)量?jī)x器為工程機(jī)械液壓系統(tǒng)專用儀器，以確保實(shí)驗(yàn)測(cè)量的可靠性和精準(zhǔn)度。考慮到最終實(shí)驗(yàn)結(jié)果受到故障設(shè)置情況的影響較大，本文通過單一故障的設(shè)置以確保實(shí)驗(yàn)同實(shí)際故障間的一致性，具體故障類型及設(shè)置方式為：F1為正常無故障;F2為活塞磨損，在活塞密封圈表面開一個(gè)寬x高為2 mm×1 mm的小槽;F3表示閥芯運(yùn)動(dòng)不到位，將3 mm厚的圓形鐵片固定于閥芯頂端;F4表示閥芯磨損，使用磨床將正常閥芯直徑通過研磨減小 0.1 mm;F5表示球頭松動(dòng)，將正常部件替換為結(jié)合部磨損較為嚴(yán)重的柱塞與滑靴;F6表示配油盤磨損故障。實(shí)驗(yàn)以包括柱塞泵出口流量及出口壓力（分別由QP、pP表示）、鏟斗液壓缸無桿腔壓力及有桿腔壓力（分別由pA和pB表示）在內(nèi)的4 個(gè)信號(hào)變量作為主要測(cè)量對(duì)象，先完成 1 次加載和卸載的動(dòng)作（通過操縱鏟斗油缸控制手柄），加卸載間的切換時(shí)間需超過1 s，然后對(duì)QP、pP、pA及pB的變化情況進(jìn)行記錄，在 20 s的采樣時(shí)間內(nèi)，以5 ms作為采樣間隔，完成1次采樣后在Multi-System 存儲(chǔ)器中保存命名后的樣本。各種故障均重復(fù)上述操作5次（各獲取5組樣本），完成共30組采集樣本的獲取。

某個(gè)樣本使用多模型故障診斷方法時(shí)產(chǎn)生屬于一個(gè)或多個(gè)故障的可能性較大，如第8個(gè)測(cè)試樣本對(duì)應(yīng)ΓF5和ΓF6的殘差平方和小于對(duì)應(yīng)的閾值（0.113<0.208，0.195<0.205），由于0.113<0.195將該故障確定為F5，第9個(gè)測(cè)試樣本的故障同樣為F5，綜合20組測(cè)試樣本，測(cè)試采集故障樣本結(jié)果表明該診斷方法的準(zhǔn)確率基本可達(dá)到100%，驗(yàn)證了本文所設(shè)計(jì)的故障診斷方法在工程機(jī)械液壓診斷過程中的有效性。

5 總結(jié)

為有效滿足現(xiàn)代工程機(jī)械液壓系統(tǒng)故障檢測(cè)需求，本文完成了基于多網(wǎng)絡(luò)模型的故障診斷方法的設(shè)計(jì)過程，根據(jù)液壓系統(tǒng)的不同目標(biāo)故障完成同等數(shù)量的動(dòng)態(tài)GRNN模型的構(gòu)建，通過檢測(cè)這些目標(biāo)故障模型的故障完成機(jī)械液壓故障的最終診斷過程。通過在挖掘機(jī)（SWE50 型）液壓系統(tǒng)上設(shè)置6類典型實(shí)驗(yàn)故障作為實(shí)驗(yàn)故障樣本，對(duì)本文所設(shè)計(jì)的診斷機(jī)械液壓故障方法的有效性進(jìn)行驗(yàn)證，該診斷方法具有較高的準(zhǔn)確率，使機(jī)械液壓故障的檢測(cè)及診斷質(zhì)量和效率得以顯著提升，證明該動(dòng)態(tài)GRNN模型具有較高的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 許建偉.工程機(jī)械液壓系統(tǒng)的現(xiàn)場(chǎng)故障診斷與維修技術(shù)研究[J].自動(dòng)化與儀器儀表，2018（10）：54-56.

[2] 鄂東辰，張立杰. 基于分塊多向主成分分析的翻車機(jī)液壓系統(tǒng)故障診斷[J].中國(guó)機(jī)械工程，2018（8）：958-964.

[3] 周奇才，黃克，趙炯，等. 基于改進(jìn)型滑動(dòng)窗主元分析的盾構(gòu)液壓系統(tǒng)故障診斷研究[J].中國(guó)機(jī)械工程，2017（5）：638-643.

（收稿日期： 2019.06.12）