伸縮臂式履帶起重機液壓故障診斷方法研究

摘要：為實現對伸縮臂式履帶起重機液壓故障的診斷，設計前對履帶起重機液壓負荷進行感知。引進小波包算法，利用小波包Shannon熵，對起重機液壓運行過程中的小波包信號進行分解、重建，通過獲得起重機液壓運行各個頻帶區段的信號，實現對起重機液壓小波包異常信號特征的提取。參照故障形式，建立起重機液壓診斷模型，劃分故障診斷對應，完成起重機故障診斷方法的設計。對比實驗結果證明：設計的故障診斷方法實際應用效果良好，該方法可以在精準識別起重機液壓故障原因的同時，提高故障診斷結果的準確率，實現對設備故障的快速、精準排查。

關鍵詞：伸縮臂；起重機；負荷感知；診斷方法；液壓故障

0 " 引言

起重機械作業時，液壓系統需要具有較強的提升力、較快的提升速度，同時，提升部件需要保持穩定，尤其在吊裝作業時，應避免因貨物自身的質量造成超速下降現象[1]。在此過程中，考慮到起重機液壓吊桿在下降過程中，其負荷方向與液壓運動方向基本一致，并有加速的趨勢，所以必須對液壓系統進行限速控制。

盡管目前工程機械單位已投入了大量資金用于開展相關起重機液壓控制方面的研究，但根據工程方的反饋可知，起重機在運行中其液壓系統仍經常出現故障。為了能使技術人員快速排查起重機液壓系統的故障，本文以伸縮臂式履帶起重機為例，設計一種針對液壓系統的故障全新診斷方法。

1 " 伸縮臂式履帶起重機液壓負荷感知

為實現對伸縮臂式履帶起重機液壓故障的診斷，設計方法前，對履帶起重機液壓負荷進行感知。在此過程中，應明確起重機液壓運行中的主泵采用斜盤式軸向泵塞控制變量，控制過程中，液壓泵具有一定的負向反饋功能。

起重機發動前，泵斜盤擺角的角度較大[2]。驅動發動機后，液壓裝置將出現流量瞬時缺失現象。此時液壓泵的擺角將在瞬時回縮到一個較小位置，并保證液壓泵出口壓力處于一個較大值。當節流口處于開啟狀態時，傳感機構將主動改變起重機液壓泵排量，從而控制液壓輸出流量的大小，使節流兩端的壓差位置在一個相對固定的數值。在此種條件下，可以參照液壓驅動過程中的流體力學原理，感知伸縮臂式履帶起重機液壓負荷[3]。計算公式如下。

（1）

公式（1）中：Q表示伸縮臂式履帶起重機液壓負荷，K表示負載流量，A表示過流面積，△p表示起重機液壓端設定的恒定值。△p的取值為一個相對恒定值，因此Q與A兩者之間存在一定的線性關系，A的取值越大，說明液壓泵的輸出流量越多。

根據起重機液壓泵的運行原理，液壓主泵將根據起重機液壓端的需求流量，進行負載流量的供應。為此Q的數值與負載壓力無關，起重機在運行過程中，只要無多余的流量溢出，則可說明液壓溢流不存在損失[4]。按照上述方式，實現對伸縮臂式履帶起重機液壓負荷的感知。

2 " 起重機液壓小波包異常信號特征提取

完成起重機液壓負荷的感知后，引進小波包算法，設計起重機液壓小波包異常信號特征的提取。在此過程中，利用小波包Shannon熵，對起重機液壓運行過程中的小波包信號進行分解、重建，從而獲得起重機液壓運行各個頻帶區段的信號。

將信號在單波段上迭代，即可反映出各個頻帶的能量。根據能量的有效區段，實現對異常信號特征的辨識[5]。采集起重機液壓作業信號，按照下述公式，對其進行分解。

（2）

公式（2）中：d表示起重機液壓作業信號的分解，a表示小波包基，k表示共軛濾波器系數，j表示分解系數。對分解后的信號進行重構，此過程按如下計算公式計算：

（3）

公式（3）中：d1表示分解后信號的重構，h表示頻帶函數，g表示頻帶。在上述內容的基礎上，計算第i個節點位置的Shannon值，計算公式如下。

（4）

公式（4）中：Ei表示第i個節點位置的Shannon值；x表示采樣點數。對計算的能量值進行歸一化處理，定義信號段能量，提取異常區段的能量值，按照上述方式，實現對起重機液壓小波包異常信號特征的提取。

3 " 起重機液壓故障診斷

完成上述研究后，根據起重機液壓小波包異常信號特征，對伸縮臂式履帶起重機液壓故障現象與故障形式進行描述[6]。參照故障形式，建立起重機液壓診斷模型，劃分故障診斷對應。以液壓泵軸承為例，當確定故障診斷對象為軸承時，可采用構建故障樹的方式，細化造成軸承故障的多種原因，將故障節點劃分為內圈、外圈、球[7-8]。在此基礎上，提取起重機在運行中的異常振動數據，根據已知數據，計算特征數據的方差、削度、均方根、斜度、峰值。

在此基礎上，將前端上傳的實時監控數據以頁面形式顯示，將顯示結果與后臺故障診斷模型進行交互，通過此種方式，為管理終端提供對模型各部件的診斷選擇。按照上述方式，實現對起重機液壓工程機械故障的診斷，完成伸縮臂式履帶起重機液壓故障診斷方法的設計。

4 " 對比實驗

本文以伸縮臂式履帶起重機為例，設計一種針對液壓系統的故障診斷方法。為實現對該方法故障診斷效果的檢驗，以某機械工程生產單位為例，采用設計對比實驗的方式，對設計的方法展開測試。

在對此單位進行現場勘察時發現，上月此單位CS6T型伸縮臂式履帶起重機外出施工，起重機在作業一段時間后，現場司機反饋液壓主泵異常聲響突然增大。現場檢查后發現，起重機液壓油箱中含有大量的氣泡。考慮到起重機液壓主泵是去年后半年度檢修更換的，因此現場作業的機務人員誤認為，是主泵吸油管線密封性較差，導致油箱產生氣泡。

為排除故障，技術人員指導司機，拆下吸油管檢查后重新安裝，并在軟管接頭上涂抹油脂，將吸油器的吸油器也取下來重裝。但經過一系列的處理后，重機液壓故障并未得到有效處理。在與現場工作人員綜合商議后，決定使用本文設計的方法，對伸縮臂式履帶起重機液壓故障進行診斷。

為確保診斷結果的真實性與客觀性，診斷前，明確伸縮臂式履帶起重機液壓主泵屬于變量斜軸式。在此基礎上，對起重機運行中的基礎參數進行分析。相關內容如表1所示。

掌握伸縮臂式履帶起重機技術參數后，使用本文設計的方法，對其進行液壓故障診斷。診斷過程中，先進行伸縮臂式履帶起重機液壓負荷感知。在此基礎上，引進小波包分析技術，設計起重機液壓在作業過程中小波包異常信號特征的提取，通過對起重機工程機械故障的診斷，完成基于本文方法對機械設備故障的診斷。

在上述設計內容的基礎上，引進基于T-S模糊故障樹的診斷方法，與基于VMD改進MDE算法的故障診斷方法，將提出的兩種方法作為傳統方法1與傳統方法2。伸縮臂式履帶起重機液壓故障包括G1、G2、G3、G4、G5，已知CS6T型號起重機的故障原因為G2，使用3種方法，對起重機進行故障診斷，提取3種方法故障診斷過程中識別的異常信號種類與數量，其結果如圖1所示。

從圖1所示的實驗結果可以看出，本文方法識別的異常信號為G2，基本沒有識別到G1、G3、G4、G5等其他異常信號。在此基礎上，對圖1中傳統方法1的故障診斷結果進行分析，發現該方法不僅識別到了起重機液壓裝置存在G2異常信號，還識別到了起重機存在G1、G3等異常信號，與已知起重機的故障原因不匹配。

對傳統方法2的故障診斷結果分析發現，該方法未能識別到有效的起重機液壓故障信號。在完成上述實驗后，初步得到如下結論：相比傳統的故障診斷方法，本文設計的方法可以更加精準地識別到伸縮臂式履帶起重機液壓故障。在此基礎上，統計3種方法對G1、G2、G3、G4、G5故障形式的診斷準確率，診斷結果如表2所示。

從表2統計的實驗結果中可以看出，3種方法中，本文方法對伸縮臂式履帶起重機液壓故障現象診斷的準確率在98%以上，而兩種傳統方法的故障診斷結果準確率相對較低。

綜合圖1與表2，得到本次對比實驗的最終結論：相比傳統方法，本文設計的伸縮臂式履帶起重機液壓故障診斷方法實際應用效果良好。該方法可以在精準識別起重機液壓故障原因的同時，提高故障診斷結果的準確率，實現對工程機械設備故障的快速、精準排查。以此種方式，有利于發揮起重機在工程項目作業中更高的經濟效益與價值。

5 " 結束語

本文通過伸縮臂式履帶起重機液壓負荷感知、起重機液壓小波包異常信號特征提取、起重機液壓工程機械故障診斷，完成了此次研究，旨在通過此次設計，使起重機在工程機械領域發揮出更高的價值與效能。

設計方法前，對履帶起重機液壓負荷進行感知。引進小波包算法，利用小波包Shannon熵，對起重機液壓運行過程中的小波包信號進行分解、重建，通過獲得起重機液壓運行各個頻帶區段的信號，實現對起重機液壓小波包異常信號特征的提取。參照故障形式，建立起重機液壓診斷模型，劃分故障診斷對應，完成起重機故障診斷方法的設計。對比實驗結果證明：設計的故障診斷方法實際應用效果良好，該方法可以在精準識別起重機液壓故障原因的同時，提高故障診斷結果的準確率，實現對設備故障的快速、精準排查。

參考文獻

[1] 陳威，魯冬林，于建坤，等.基于思維導圖的推土機工作裝置液

壓系統故障診斷與排除[J]. 機械管理開發，2022，37（11）：120-122.

[2] 劉水明，陳晨，周方云，等.輔助液壓系統失效的高效故障診斷

技術的應用研究[J].新技術新工藝，2022（10）：102-108.

[3] 劉若君，張幼振，姚克.基于T-S模糊故障樹的煤礦坑道鉆機

液壓動力系統故障診斷研究[J].煤田地質與勘探，2022，50（12）：

194-202.

[4] 梁旭日，麻震爍，李冰玉，等.一起500kV液壓彈簧機構斷路

器油壓低分合閘閉鎖故障原因分析[J].電氣技術，2022，23（9）：

93-96.

[5] 袁曉華，張力丹，李峰，等.基于VMD改進MDE算法的液壓

泵滑靴磨損微弱故障信號識別[J]. 機械設計與研究，2022，38

（3）：127-130.

[6] 郭文軍，張自來，陳麗君. EMD-AR和GRNN算法下的航空液

壓泵多模態故障診斷分析[J].液壓與氣動，2022，46（6）：151-158.

[7] 崔四芳，宋慧啟，李峰，等.基于PSO-BP與D-S證據的液壓

泵多源故障信號融合診斷[J].機械設計與研究，2022，38（2）：155-

157+173.

[8] 張小龍，汪曦，于曉光，等.基于VMD和LSTM模型的航空

液壓管路卡箍故障診斷[J].液壓與氣動，2022，46（8）：26-33.