液压系统故障诊断技术的研究现状与发展趋势研究
来源:用户上传
作者:张金玲 韩江
摘 要：文章阐述了当前液压系统诊断技术发展现状，并深入阐述了液压系统故障诊断技术的重要性，同时，根据诊断特点将其分为3个阶段进行研究，最后提出了未来发展液压系统故障诊断技术的方向及发展趋势。
关键词：液压系统;故障诊断技术;研究现状;发展趋势
随着计算机控制技术、传感技术、液压系统技术与微电子技术等的不断发展及其紧密结合，液压技术逐步朝着自动化、精密化和复杂化方向发展，而且液压技术的应用范围也越来越广泛，涉及的领域也越来越多，如冶金、航天等。但其故障具有隐蔽性、多样性以及不确定性等多种特点，一旦有故障发生，很难较快查找出原因，会导致设备受损、全线停工，在一定程度上会威胁工作人员生命安全，甚至出现严重的环境污染，给企业带来一定经济损失，因此，需要强化液压系统的故障诊断工作。
1 液压系统故障诊断发展
根据液压系统故障诊断技术以及相应特点，可将其分为3个阶段开展，分别为：原始诊断、模型诊断以及智能化诊断阶段。
1.1 原始诊断阶段
原始诊断阶段设备较为简单，对于故障的诊断无需动用任何诊断仪器，单凭相关领域的专家和技术人员通过自身丰富的工作经验、感官和简单仪表，即可诊断故障并排除故障。在该阶段常用的诊断方法主要有：感观诊断方法、逻辑分析方法以及检测图论法。陆望龙等从实践工程角度出发，阐述了主观诊断法及原始诊断阶段，能够对不同诊断方法的使用进行分析，进而为现场工作人员以及液压系统诊断提供了重要的技术支持。为获得快速故障诊断，黄志坚等提出逻辑分析方法、方框图、鱼刺图，并且以实例具体说明了逻辑分析等方法的实际应用。针对液压重要部件及系统的诊断方法和故障机理进行深入研究，罗建民等采用这種故障诊断方法分析了流水线中砂压实机的故障和磨床工作台故障问题。乔文刚等采用逻辑分析法和参数测量等两种方法进一步提高了液压系统故障诊断的快速性和准确性，能够显著降低工作人员的技术要求。采用原始的诊断方法具有较大优势，比如在诊断过程中操作比较简单，而且分析过程结果很容易被外界认可。在实际应用过程中对于工作人员的经验以及感官判断能力的要求较高。
1.2 模型诊断阶段
模型诊断阶段在一定程度上也属于计算机技术以及传感器诊断，由于动态检测技术和传感器技术不断发展，使液圧系统故障诊断过程和各种诊断信号技术测量比较简单。近年来，危机信号处理技术不断发展，显著提升数据处理效率，因此，不同类型的故障诊断方法和监测手段纷纷出现，包括：时频分析、时域分析、动态分析、状态空间分析等，比如Mehra等介绍了对液压系统故障诊断的改进方法，也被称为是重构诊断方法，使用卡尔曼滤波器，能够估计液压执行机构包括参数变化量、构造残差序列等，将这些故障从中检测出来，并进一步进行估计、分离及决策，再利用统计检验方法，对液压系统的故障给予分析诊断。这种诊断方法相比状态估计的方法来说，更有利于故障分离，能够建立故障与过程参数之间的准确关系，最后可以根据参数进一步估计故障来源。姜万录等利用小波变换器能够对液压系统出现故障过程中产生的振动信号以及运行中压力信号进行分析，通过仿真实验进行多次验证，结果证明该方法具有一定的可行性。
基于模型诊断阶段的诊断方法需建立较为系统的数学模型，虽然实践中也取得了较为显著的经济效益和社会效益，但其诊断过程存在局限性。液压系统在一定程度上来看，也属于一种非线性的可变系统，具有一定的耦合性、滞后性、参数识别等非线性特点，并且数学模型较为复杂或者根本不存在，对噪声特性统计也不够理想，与此同时，存在过程不确定等因素，导致液压系统故障特征参数的提取变得非常困难，很难完成精准的在线状态估计或者参数的估计。
1.3 智能化诊断阶段
智能化诊断阶段是将人工智能研究成果运用于液压系统的故障诊断中，是以常规诊断技术和信号处理技术为基础，以人工智能为核心技术，来构建出智能诊断模型和诊断系统。在诊断液压系统时，能够利用现代知识处理、代替原有的数据处理作为核心。目前，基于人工智能条件的液压系统故障诊断，可以使用两个方法：专家系统诊断，神经网络诊断。
1.3.1 专家系统诊断
专家系统诊断主要根据工作人员日常工作过程中所积累的经验和相关理论知识设计计算机程序，诊断结果比较直观，很容易被理解，能摆脱采用模型诊断中过分依赖模型的问题。采用专家系统进行故障诊断，通常步骤为：首先，根据液压系统故障产生机理以及相应的参数，建立故障规则库和数据库;其次，对液压系统现场故障特征及现象进行数据釆集和处理，将此数据存入数据库，通过推理机，确定故障发生部位及其原因;最后，将结果在人机界面中显示。有文献专门针对专家系统的推理方式、知识获取以及总体进行分析，能够对不同液压系统进行专家诊断、系统开发，在实际应用中能够获得良好效益。但由于使用专家系统实验存在很多问题，包括很难获取知识理论，在存在较多规则条件下，推理时会出现匹配冲突或者组合爆炸问题，导致推理效率、诊断率降低[1]。
1.3.2 神经网络诊断
神经网络诊断主要利用神经网络的高度功能，包括具有较强的容错性、自学能力、自适应性、分布式、合并完成数据处理等，能够有效处理专家系统中出现的组合爆炸等相关问题，并大大提高了计算速度。神经网络的智能诊断应用方式有以下几个方面：（1）从模式识别角度上来看，采用神经网络可用于分类器故障诊断。（2）从预测角度上来看，采用神经网络能够实现动态预测模型，并对故障进行准确预测，利用神经网络的非线性动态能力，能够实现结构映射故障诊断。（3）从知识处理角度来看，基于神经网络专家诊断系统一旦出现新问题，利用神经网络具有的自学习对权值不断调整，以提高故障诊断率，有效降低误报率或者漏报问题的产生。同时，利用神经网络能够对多种类型的液压阀、泵等执行机构、能源系统、增速回路故障进行准确判断。在实际运用过程中，采用神经网络故障诊断的方法也存在很多问题，包括：学习算法收敛速度慢、很难获取训练样本、无法快速解释、推理结果等[2]。 2 液压故障诊断技术的发展趋势
当前，随着计算机人工智能以及数据处理技术等快速发展，未来液压故障诊断技术其发展主要体现在以下几点。
2.1 云计算为基础的实时故障诊断
网络化实施故障诊断主要是利用专用网以及因特网，可以将液压系统工作状态传送到相应的监控平台中，实现对数据的远程采集、分析、监测、提供重要的技术支持等。由于受到数据传输量等因素的影响，目前故障诊断技术只能够对少量数据故障进行诊断，因此，会影响诊断精确度。将云计算与网络技术进行融合，可实现不同特征信号的数据传输、采集、诊断，能够准确定位故障部位，对液压系统运行状态进行实时监测，该技术也成为液压系统故障诊断的主要发展趋势。
2.2 多种智能故障诊断
不同智能诊断方法有其各自优缺点，将不同的智能诊断方法进行融合能夠显著提升故障诊断的综合性，这也是未来故障诊断必然发展趋势，比如可以将两种不同智能故障诊断方法进行融合，或将两种方法结合后进行复合，之后通过中间权值来选择获取最佳结合方式，完成相应的液压系统故障诊断。同时，不局限于常见的几种方式融合，可以将人工免疫、灰色理论、混沌理论等多种方法引入到液压系统的故障诊断中。
2.3 全面融合的智能故障诊断
当前，混合故障诊断应用于液压故障诊断系统，从其诊断能力上来看，相比单独诊断来说诊断效果要好，但最终诊断能力也仅限于两系统之间，与实现专家思维的融合和灵活运用还存在较大差别，现有混合诊断技术只能在事先确定好组合的情况下进行知识模型结合，无法体现动态融合，更无法适应不同故障类型和系统运行环境的变化。
2.4 虚拟现实技术
虚拟现实技术是多媒体技术发展之后在计算机领域被研发出来的，具备以下4个特点：交互性、自主性、多感知性以及多存在感。在一定程度上与多媒体技术具有相同点，比如采用图文并茂的方式，更容易被客户认可。事实上，虚拟现实技术采用计算机技术，能够对复杂数据进行可视化操作和数据交互，进而形成一种新的方式，相比传统计算机技术来说更具有直观性。随着该技术的发展，未来将其应用于液压系统的故障诊断中，将给液压系统故障诊断技术带来一次新的技术性革命。
3 结语
液压系统是集合液、机、电为一体的耦合系统，在该系统故障诊断过程中，具有较大的随机性、复杂性、隐蔽性。液压设备通常结构较为复杂，对于精准度的要求也比较高，尽管国内的外专家在液压系统故障诊断过程中，取得了一些显著的成效。在实际应用过程中仍存在很多问题，因此，为进一步提高液压系统的故障诊断效率，需要将知识理论与相关学科技术应用于液压系统故障诊断中，并实现多种技术的融合，给液压系统故障诊断技术带来新的发展机遇。
[参考文献]
[1]赵子旭，杨海龙.液压系统故障诊断技术的研究现状与发展趋势[J].大科技，2017（32）：66-68.
[2]许春烨.液压系统故障诊断技术的现状与发展趋势[J].科技风，2018（36）：183.
转载注明来源:https://www.xzbu.com/8/view-15058906.htm
