電液伺服系統故障診斷技術研究

冶玉清

（國投新疆羅布泊鉀鹽有限責任公司，新疆哈密 839000）

隨著機械工程、電氣工程、控制技術、液壓傳動等現代工業技術的快速發展，電液伺服系統無論是基礎研究還是應用實踐都在逐漸完善，并還擴展到輕工業機械、紡織機械、化工機械、采礦機械、建筑機械、國防工業等各個領域，給故障排除技術帶來一個又一個的難題，同時也給故障排除技術的發展前景帶來了生機。當前，大量的研究團隊在許多方面都取得了重大進展，但要最終滿足實際應用的需求，還有很長的路要走。

1 電液伺服控制系統研究綜述

電液伺服控制系統是連接大型旋轉機械設備，連接工作器械和液壓器械的中介，是一種集機械、電氣和液壓于一體的復雜控制系統，有著控制精度高、響應速度快、信號處理靈活、結構緊湊、重量輕等優點。

電液伺服系統的故障檢測技術在20世紀70年代初開始進入大眾眼中，至今為止經歷了兩三次大型改變。初期的檢測手段是傳統診斷階段，基于感官、個人經驗以及專家和維護人員的判斷。然后開始利用傳感器和動態測試技術、信號分析和建模過程等現代診斷手段。如今，電液伺服系統的故障檢測較多地融合了知識處理技術和計算機信息技術等智能診斷手段。

2 故障原因分析

2.1 電液伺服系統的工作機理

電液伺服系統由伺服控制器、伺服閥、伺服油缸、閥位傳感器等組成。控制原理如下：伺服控制器比較可編程邏輯控制器（PLC）輸出的與閥位反饋的電流信號，放大為±10V的電壓信號，并傳送到比例閥，以此驅動油缸活塞帶動閥門開關上下運動。如輸入與輸出相同，則控制器不進行任何輸出，伺服閥的控制閥芯在中間位置，伺服油缸的活塞停止，閥門不動。當PLC輸出大于閥位反饋時，經放大后變為正值，伺服閥的主閥芯從中位向上或下一側移動，閥門在伺服缸活塞的作用下開啟，閥位處在新位置，相反，伺服缸活塞關閉，移向關閉方位。對于大型伺服控制系統，控制器的比例、積分和微分參數應根據專家的經驗來進行設置，實現快速跟蹤，減少偏差。

2.2 電液伺服系統故障原因分析

大型旋轉機械的電液伺服控制系統可分為動力油系統、執行器以及執行機構三部分。對于動力油系統，油泵是液壓系統中一個非常不穩定的元素。執行器包含伺服控制器和PLC、執行機構閥門和液壓缸等組件。

2.2.1 動力油系統

動力油的能源通常來自動力油泵。油泵常見的故障包括配合件磨損、承重件變形或損壞、密封件磨損、老化等。液壓系統中存在的流量和壓力異常以及液壓泵發出噪音，液壓泵的泵殼升溫，嚴重時無流量輸出是較為常見的損壞表現。

2.2.2 執行器

執行器損壞的原因包括內置變壓器燒毀，造成閥門快開、伺服放大器損壞、電路元器件板劣化、檢測反饋元件的質量下降等，使得放大系數變小，從而導致整個系統工作異常，控制誤差大。此外，伺服控制器接線松動、信號丟失、零點漂移和外部干擾也是引起故障的因素。

2.2.3 執行機構

液壓缸的損壞通常表現為密封失效或伸出桿形變等。大部分液壓系統故障都是由于油液污染造成的。液壓閥由閥體和閥芯組成；閥體內部有流路，由閥芯控制連接或阻斷；而液壓閥故障包括閥芯損壞、線圈故障等，表現為液壓系統的執行機構反應不靈敏，系統中的溫度升高以及執行機構無反應。

3 電液伺服系統故障診斷技術分析

3.1 基于主觀判斷的故障診斷方法

基于主觀直接判斷的故障診斷法是指診斷人員根據個人的實踐經驗，通過“望、聞、問、切”來找出機械毛病，識別系統錯誤。直接判斷法有時會借助簡單的儀器來查找問題的位置和原因。這種方法需要進行系統或組件的結構、模型和功能等各項知識綜合分析和評估，因此，對工作人員有兩個要求，一是能掌握各種系統錯誤的機理知識，二是要具有豐富的診斷經驗。常用的分析方法包括感官診斷、圖紙分析等。

3.2 測量參數診斷方法

當液壓系統正常運行時，其相關運行參數也處于正常范圍。如果運行參數值不處于正常范圍，則意味著系統的某個組件或整體運行出現了問題。當系統出現故障時，壓力、溫度、油流量、旋轉速度、運動速度、扭矩等參數都會相應地呈現異常。而引入太多參數會使診斷過程變得復雜，因此通常選擇代表工作參數信息最多的壓力、油液流量和油液污染水平來作為診斷參數。

3.3 故障樹分析方法

故障樹分析直觀地繪制了系統錯誤以及導致它們的各種因素，直觀地反映了組件故障、系統異常及其原因之間的關系。采用故障樹分析方法要具有大量的故障原因的知識。診斷過程從系統的故障表現入手，依次解釋所有情況發生的原因，由下到上繪制故障樹，并利用系統的動態實時數據進行故障推理，最終找出故障原因。故障樹的繪制過程是按照故障發生的概率來進行排序的，但這對于實際電液伺服系統的故障是不切實際的。①因為系統元件損壞的可能性不確定，②同一元件的檢測難度和成本也有所不同，檢測所獲取的信息量也不同。因此，在確定概率最低的損壞事件時，要考慮檢測成本以及損壞概率，充分發揮所有信息的效果。

3.4 信息綜合評估診斷方法

通常，由于電液伺服系統的工作環境較為惡劣，檢測信號容易受到作業現場的干擾。從單個傳感器中提取到的特征信息往往非常模糊，如果用傳統的信號處理方法，將難以有效改善故障檢查效果，而廣泛使用從多個方面獲得的同一對象的多維故障信息，則可以對系統進行更可靠、更準確地監控和診斷。基于大量融合信息的綜合評估利用從多個傳感器收集到的不同類型故障信息，與故障樹分析方法的數據層、特征層或決策層相結合，獲得對系統錯誤的一致性描述，有效防止個別檢測錯誤導致的誤診，提高診斷結果的可靠性。

3.5 專家系統診斷方法

專家系統故障診斷是一種智能推理軟件，由知識庫、數據庫、推理引擎、解釋引擎組成。專家系統的知識庫包括系統知識和規則庫。系統知識是反映系統結構和運行原理的知識，規則庫是錯誤因果關系。實際發生錯誤時識別的數據或者人為識別錯誤都可以作為樣本數據。專家系統在知識庫和數據庫的輔助下進行工作，通過人機交互檢索到必要的信息后，推理引擎廣泛使用不同規則，調用各種相關的應用程序來執行一系列的推理。通常，只需要輸入一個錯誤、原因或者損壞組件，便可以通過復雜的自動化程序給出完整的維修報告。

3.6 基于人工智能的故障診斷法

人工智能故障診斷系統如同人腦的神經網絡，由許多高度并行、互連的非線性處理單元組成。它具有一定大腦的基本特性，如學習、記憶等，具有強大的數學思維、模擬能力。憑借先進的并行分布式處理、聯想記憶、自組織、自學習能力，這個“大腦”有著容錯、拓撲的特性，在故障診斷領域中有著多樣化的應用視角。電液伺服系統是較為經典的非線性動態系統，可以由人工智能系統來進行檢測。部署系統時，應建立動態關系，處理相關的動態信息，形成延時網絡或者循環網絡。

3.7 龍伯格（Luenberger）觀測器診斷法

根據電流狀態觀測的故障診斷方法是電液伺服系統故障診斷中研究最多、使用最有效的方法。該方法的基本理念是估計觀測系統的性能，通過將估計的輸出值與實際測量值進行比較，生成殘差，對殘差進行定量分析進而對故障進行分析。如果根據歷史數據進行診斷，電動液壓伺服系統將不可避免地受到諸如時間變化、建模誤差、干擾等因素的影響，使得診斷無法有效地分離伺服閥泄漏、傳感器輸出異常及其他不確定因素對殘差的影響。為此，龍伯格觀測器是最好的解決方式，其設計目標是最小化不確定因素對殘差的影響，最大化系統故障對殘差的影響，具體形式有龍伯格殘差的生成和龍伯格殘差的評估。

3.8 支持向量機（SVM）的故障排除方法

SVM應用結構風險最小化原則和萬普尼克-澤范蘭杰斯理論來自動學習模型結構，根據有限的樣本信息計算模型復雜度，并計算最佳的學習能力，以達到最佳泛化能力。SVM最初用于模式識別，現在已經覆蓋到逆問題推理以及回歸估計等其他領域，它也是非線性系統建模的最佳理想方法。

3.9 卡爾曼濾波器診斷方法

卡爾曼濾波器的一個特點是可以有效衰減任意噪聲對機械檢測信息的影響。如果干擾噪聲值呈正態分布，則卡爾曼濾波器可以提供最小方差的估計；如果干擾噪聲值并非隨機變量，則提供線性最小方差的估計。卡爾曼濾波器通常應用于線性系統的監測，當用于非線性系統時，應考慮擴展相應的監測范圍，應用線性化系統模型來計算濾波器的協方差矩陣和增益矩陣，將非線性系統線性化。

4 結束語

電液伺服系統的故障診斷是一個非常活躍的研究領域，通過引入新技術和新理論，可以不斷地對其進行開發和改進。①各種智能故障診斷方法可以進行整合、相互補充，充分發揮各種診斷方法的作用，以提高故障診斷的整體性能。②可以結合先進信號處理技術、虛擬技術，進行大型便攜式診斷技術的開發。③故障排除策略更加強力。應用新的理論和方法來制定有效且穩健的故障排除策略，是診斷電液伺服系統的一個具有挑戰性的課題，科學研究人員將會不斷地對其進行挑戰。④故障診斷將是多維性的，也就是多重診斷系統，考慮在有限輸出設計下利用具有不同誤差敏感度的殘差，實現多誤差診斷。⑤目前，SVM在電液伺服系統誤差診斷領域的應用還處于測試實驗階段，未來將會有更多的研究。⑥將使用更多的微處理器控制。微處理器可將傳感器從單一功能轉換為自動校正、檢測、報警等多種功能，實現對傳感器的自動控制，將診斷工作進一步細化。總之，可以預見到的未來，電液伺服系統的故障診斷一定會具有一片非常繁華的景象，更加科學、更加高效。