氣動執行器系統的故障診斷分析

陳聰 陳久恩 張洪建 朱良鴻

摘要：當前我國工業自動化程度不斷加深最直接的表現就是氣動執行器，該儀器系統在工業流程中具有重要的作用。本文首先研究了氣動執行器系統的常見故障，接著重點研究了氣動執行器系統的故障診斷方法，旨在保證氣動執行器系統的運行安全，進而為自動化流程工業的運轉提供一個穩定的環境。

關鍵詞：氣動執行器系統;故障;診斷

引言：當前我國工業飛速發展，各種先進技術得到了充分應用。氣動技術具有無污染、成本低、操作簡單等優點，在工業領域得到了廣泛應用。氣動執行器系統很容易出現各類故障，因此必須加強對故障診斷方法的探究，減少故障發生率、提高故障維修效率，保證氣動技術的運用水平，保證工業自動化發展。

1.氣動執行器系統的常見故障

1.1電氣轉換器堵塞

電氣轉換器的供氣噴嘴如果清理不及時，很容易造成各類雜質的堆積，噴嘴會遭到堵塞，供氣氣壓無法通過噴嘴進入薄膜氣室當中，無法為氣動執行器系統中的各個部件提供運行動力;同時電氣轉換器的堵塞也很可能導致所供氣體受到污染，所攜帶的污染物如果通過噴嘴，很有可能會導致系統中其他部件的故障。

1.2位置反饋信號傳感器故障

當閥門定位器中的反饋桿發生扭曲時，反饋桿的位置很可能會發生改變，這就導致傳感器無法正確地反饋出閥桿位移情況，影響反饋的準確性。該故障是長期逐漸發生的，主要發生原因是反饋桿長期受到外力或內力壓迫，進而產生形變。形變嚴重時，反饋桿將完全失去測量閥桿位移狀況的作用，傳感器也無法顯示出位移數據。

1.3供氣氣壓故障

供氣氣壓故障的發生往往比較突然。當負責供氣的氣泵產生故障后，就會導致供氣氣壓不足，最終導致供氣無法推動閥桿進行運動，影響閥桿的運行情況;氣泵與閥門定位器之間導管破裂造成的漏氣也會導致這一故障發生[1]。供氣氣壓故障嚴重時，供氣氣壓會完全消失，閥桿也會完全停止運轉，會造成氣動執行器系統當中嚴重的能源浪費現象。

1.4閥體堵塞

閥體堵塞故障主要是指閥桿卡死造成的氣流完全堵死的現象，是氣動執行系統中比較嚴重的故障現象。閥體堵塞故障的成因主要有三種：一是調節閥的流體介質當中存在直徑過大的顆粒物;二是閥桿本身產生故障，失去移動能力;三是閥座表面存在沉積物，影響了閥桿的運動。除去上述四種故障現象，氣動執行器系統中還存在多種故障，都會影響系統的正常運行。

2.氣動執行器系統的故障診斷方法

2.1基于信號進行故障診斷

基于信號對故障進行診斷，主要是通過信號的外在表現和相關數據，例如頻譜、小波變換、函數等，對氣動執行器系統中各個部位的運行狀況進行判斷。例如，系統中旋轉機械的軸承出現故障時，振動信號就會發生一定變化，相關管理人員就可以通過信號的變化判斷軸承的具體故障情況。當前基于信號的故障診斷方法主要可以分為三種：主元分析法、小波變換法、算子與信息準則基礎上的檢測方法。主元分析法主要通過對信號信息正常時的設備運行狀態建立模型，通過將實際信號與模型進行比對，如果發現沖突現象，就說明氣動執行器系統中出現了故障。小波變換法需要對信號頻率進行多次分析，對信號進行連續多次的小波變換，能夠發現信號比較微小的變化。最后一種故障診斷方法主要是通過δ算子和相關信息準則推導出信號變化波形，通過測量信號與波形的誤差判斷故障現象。基于信號的故障診斷方法較為傳統，正在逐步被其他故障診斷方法所取代，但在一些并非十分復雜的故障診斷工作當中仍能發揮出有效作用，同時也能節約故障診斷成本，目前仍然具有一定應用空間。

2.2基于解析模型進行故障診斷

解析模型方法是指使用辨識技術建立數學模型，數學模型的變化可以反映出氣動執行器系統在輸入和輸出方面的變化，方便相關管理人員判斷是否存在故障。解析模型基礎上的故障診斷方法又可以被分為狀態估計法與參數估計法。其中狀態估計法注重構建氣動執行器的運行狀態，通過計算實測數據與預構建狀態之間的差距，可以得出殘差序列;管理人員通過殘差序列的實際數值變化程度，就可以判斷出氣動執行器系統是否出現故障。參數估計法則更加注重研究參數的變化情況，主要通過預構建模型的參數表現來判斷氣動執行器系統的輸入輸出狀況，以判明系統的故障情況[2]。解析模型基礎上的故障診斷方法重點在于數學模型的建立，要重點注意數學模型的科學性與準確性;同時也要對殘差值所代表的意義進行明確，避免出現對故障判斷出現錯誤的現象，影響氣動執行器系統的正常運行。解析模型基礎上的故障診斷方法具有獨特的優勢，但由于其殘差判斷和模型建立可能具有主觀性，其準確性往往得不到充分的保障，但仍然能夠對故障的生成起到基礎的提示作用，能發揮出優秀效果。

2.3基于知識進行故障診斷

基于知識的故障診斷方法在當前的氣動執行器系統故障診斷工作當中越來越常用，正處于不斷發展的過程當中。該診斷方法主要依托專家系統、神經網絡與模糊邏輯等理論進行。其中專家系統是指包含長時間跨度內大量專家知識的智能計算機系統，主要依靠知識的長時間積累而形成，能夠解決一些數學方法難以解決的故障問題，通過經驗對故障做出診斷。神經網絡是指儲存了大量氣動執行器系統故障診斷方法的大型網絡結構，相比專家系統具有更強的自主運算能力，能夠幫助相關工作人員選用出最佳的診斷方案;其中BP神經網絡由于其強大的運算能力和多層次的網絡結構，已經成為當前使用最廣泛的氣動執行器系統故障診斷方法之一。模糊邏輯是指通過內部知識結構對于狀況難以得到具體表達的故障現象進行分析的診斷系統。該系統可以對故障現象進行合理推理，幫助工作人員理解故障現象的診斷結果。在實際診斷過程中，為了保證診斷的全面性，三種方法往往是混合使用的。知識基礎上的故障診斷方法應用最為廣泛，但也存在誤差較大、學習速率有一定局限性的缺陷，仍然需要得到進一步加強。

結語：綜上所述，我國工業自動化進程中的氣動執行器系統運用水平仍然有提高空間，因此需要充分對故障診斷技術進行探索，使氣動技術的優勢能夠得到足夠發揮。當前我國越來越重視工業自動化進程中各類儀表的發展，只有提高氣動執行器的運用水平，才能保證工業自動化的發展程度，促進工業發展。

參考文獻：

[1]齊亮，安娜.氣動執行器灰鑄鐵支架斷裂失效分析[J].石油化工設備，2021，03：76-79

[2]王正陶.氣動執行器柔順控制及其應用的研究[D].哈爾濱：哈爾濱工業大學，2019.