發(fā)射車液壓系統(tǒng)狀態(tài)監(jiān)測(cè)與故障診斷方法研究

陳 偉，孫 陽(yáng)

（1.海軍航空工程學(xué)院，山東煙臺(tái)264001；2.中國(guó)人民解放軍總裝備部綜合計(jì)劃部，北京100034）

液壓系統(tǒng)具有功率質(zhì)量比大、動(dòng)作靈敏、布局靈活、運(yùn)動(dòng)平穩(wěn)、易于實(shí)現(xiàn)自動(dòng)化控制和過(guò)載保護(hù)、使用壽命長(zhǎng)等優(yōu)點(diǎn)，目前廣泛應(yīng)用于現(xiàn)代化制造、重型機(jī)械設(shè)備、航空航天等領(lǐng)域。其在導(dǎo)彈發(fā)射車上的應(yīng)用，主要是完成導(dǎo)彈發(fā)射車的支撐與調(diào)平、發(fā)射架的起豎和鎖緊等功能，是順利完成預(yù)定發(fā)射任務(wù)的先決條件。由于液壓系統(tǒng)是通過(guò)封閉管道內(nèi)的受壓介質(zhì)實(shí)現(xiàn)能量的轉(zhuǎn)換和傳遞，因而其故障具有隱蔽性、多樣性、不確定性和因果關(guān)系復(fù)雜等特點(diǎn)[2]，很難準(zhǔn)確地判斷故障發(fā)生的具體部位。液壓系統(tǒng)一旦發(fā)生故障，便會(huì)造成發(fā)射車無(wú)法完成發(fā)射任務(wù)。因此，如何及時(shí)發(fā)現(xiàn)和處理出現(xiàn)的故障，對(duì)于液壓系統(tǒng)的安全可靠運(yùn)行具有重要意義。

為了提高發(fā)射車液壓系統(tǒng)的可靠性，本文針對(duì)某型發(fā)射車液壓系統(tǒng)的實(shí)際情況，研究考慮液壓系統(tǒng)健康狀態(tài)評(píng)估的在線監(jiān)測(cè)與故障診斷方法。

1 發(fā)射車液壓系統(tǒng)分析

本文以實(shí)現(xiàn)起豎/回平動(dòng)作的起豎液壓系統(tǒng)為例，分析某型導(dǎo)彈發(fā)射車液壓系統(tǒng)組成和工作原理，如圖1所示。

圖1 起豎液壓系統(tǒng)原理圖

通常情況下，液壓泵工作時(shí)，由底盤發(fā)動(dòng)機(jī)提供動(dòng)力，當(dāng)滿足起豎條件后，啟動(dòng)底盤發(fā)動(dòng)機(jī)，通過(guò)取力器帶動(dòng)機(jī)動(dòng)泵轉(zhuǎn)動(dòng)，為系統(tǒng)提供一定壓力和流量的液壓油，發(fā)射車進(jìn)行三聯(lián)裝起落架起豎動(dòng)作。通過(guò)手動(dòng)或車控設(shè)備，控制PSL型多路換向閥組中的起豎油缸控制閥，使油液從換向閥片流出后通過(guò)平衡閥、分流集流閥、液控單向閥和節(jié)流閥，推動(dòng)起豎油缸伸出，完成起豎動(dòng)作，其中疊加式液控單向閥用以保持起豎后的精度?；仄綍r(shí)，通過(guò)手動(dòng)或電氣系統(tǒng)控制PSL型多路換向閥組中的起豎油缸控制閥，控制起豎油缸縮回。由平衡閥保證其液壓缸下落時(shí)的平穩(wěn)性和安全性。其中，分流集流閥保證兩個(gè)液壓油缸在實(shí)際系統(tǒng)中的同步，避免設(shè)備受力不平衡而損壞。

針對(duì)圖1 所示液壓系統(tǒng)，可按照三級(jí)層次結(jié)構(gòu)分析故障模式，分別是系統(tǒng)級(jí)、模塊級(jí)和元件級(jí)。系統(tǒng)級(jí)的故障主要表現(xiàn)為對(duì)外輸出的總體特性，包括無(wú)法起豎、起豎不穩(wěn)定、起豎后姿態(tài)不能保持、回平不穩(wěn)定；模塊級(jí)主要包括動(dòng)力源模塊的油溫過(guò)高、輸出油壓過(guò)低，起豎模塊的兩缸不同步、液壓鎖失效、節(jié)流閥失效、分流集流閥失效、平衡閥失效、換向閥失效；元件級(jí)更為具體，針對(duì)不同元件表現(xiàn)出多種多樣的故障模式，利用FMEA 的分析思想，可以針對(duì)每一元件進(jìn)行詳細(xì)分析，示例如表1所示。

表1 元件級(jí)故障模式及影響分析示例

2 狀態(tài)監(jiān)測(cè)與故障診斷流程設(shè)計(jì)

針對(duì)液壓系統(tǒng)的故障診斷方法已有較多研究，本文是在傳統(tǒng)故障診斷的基礎(chǔ)上，考慮系統(tǒng)、模塊和元件的健康度，在故障診斷的同時(shí)評(píng)判系統(tǒng)狀態(tài)，同時(shí)考慮了在線信息和歷史狀態(tài)數(shù)據(jù)，有利于盡早發(fā)現(xiàn)系統(tǒng)的劣變，及時(shí)評(píng)估和診斷出故障所在，保證系統(tǒng)運(yùn)行的安全性和可靠性。流程如圖2所示。

圖2 健康評(píng)估與診斷模塊

1）在線獲取監(jiān)測(cè)數(shù)據(jù)。通過(guò)傳感器和信號(hào)采集元件等，在線動(dòng)態(tài)獲取系統(tǒng)運(yùn)行監(jiān)測(cè)信號(hào)。通過(guò)適當(dāng)處理后，為系統(tǒng)的健康狀態(tài)評(píng)估和故障診斷定位提供數(shù)據(jù)支持。

2）工況穩(wěn)定判斷。為確保監(jiān)測(cè)數(shù)據(jù)有效準(zhǔn)確，必須在系統(tǒng)運(yùn)行穩(wěn)定時(shí)采集數(shù)據(jù)。否則，對(duì)數(shù)據(jù)的干擾較大，可能會(huì)出現(xiàn)錯(cuò)誤的評(píng)估結(jié)果。為此，需要利用轉(zhuǎn)速等參數(shù)判斷工況是否穩(wěn)定，為后續(xù)的健康評(píng)估與診斷提供有效數(shù)據(jù)。

3）確定健康度。根據(jù)確定的健康度計(jì)算算法，對(duì)獲取的有效數(shù)據(jù)進(jìn)行計(jì)算，給出表征健康水平的綜合性指標(biāo)數(shù)值，用健康度表征系統(tǒng)持續(xù)應(yīng)對(duì)所處環(huán)境，并完成規(guī)定任務(wù)的能力程度。

4）確定健康等級(jí)。利用由專家知識(shí)確定的健康度閾值，根據(jù)上一環(huán)節(jié)計(jì)算的健康度，將健康狀態(tài)劃分為4個(gè)等級(jí)。

①健康，指設(shè)備/部件的健康處于非常良好的狀態(tài)，沒(méi)有出現(xiàn)性能衰退或性能衰退不顯著。

②亞健康，指設(shè)備/部件出現(xiàn)了潛在故障，性能出現(xiàn)部分降級(jí)，但仍能正常使用。

③危險(xiǎn)，指設(shè)備/部件的性能已經(jīng)接近功能性失效，功能喪失非常嚴(yán)重。

④失效，指設(shè)備/部件已經(jīng)發(fā)生功能性失效，徹底喪失完成任務(wù)的能力，處于失效/故障狀態(tài)。

故障判斷與定位。通常情況下，故障診斷是在現(xiàn)行故障出現(xiàn)后啟動(dòng)的一種活動(dòng)，而本文所設(shè)計(jì)的流程中，一旦監(jiān)測(cè)到潛在故障，同樣啟動(dòng)故障判斷與定位活動(dòng)，這有利于及早發(fā)現(xiàn)、消除故障。

3 基于健康度的健康狀態(tài)評(píng)估方法

健康度是一個(gè)綜合定量指標(biāo)，是對(duì)液壓系統(tǒng)健康狀況的定量度量[3-4]，通過(guò)考慮現(xiàn)有各元件健康狀態(tài)、模塊健康狀態(tài)、歷史狀態(tài)變化趨勢(shì)等信息，綜合歸一化處理，用0～1 之間的數(shù)值進(jìn)行表示，并將健康狀況劃分為4 個(gè)健康等級(jí)，分別運(yùn)用專家知識(shí)確定4 個(gè)等級(jí)的分界值。其中，健康度越接近于1 表明系統(tǒng)越健康，而健康度的下降表明系統(tǒng)健康狀態(tài)發(fā)生退化，連續(xù)退化時(shí)就要考慮系統(tǒng)發(fā)生故障的可能性。

針對(duì)圖1 所示液壓系統(tǒng)的健康度求解問(wèn)題，可運(yùn)用自組織特征映射網(wǎng)絡(luò)（SOM，Self—Organizing Maps）算法，SOM 算法是人工神經(jīng)網(wǎng)絡(luò)的一種類型，它以無(wú)監(jiān)督競(jìng)爭(zhēng)學(xué)習(xí)的方式進(jìn)行網(wǎng)絡(luò)訓(xùn)練，具有自組織的功能，適于用做最近鄰分類器[5-6]。通過(guò)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，能夠自動(dòng)地對(duì)網(wǎng)絡(luò)的輸入進(jìn)行分類，從而達(dá)到聚類的效果。

對(duì)于每一實(shí)時(shí)特征數(shù)據(jù)X，在SOM網(wǎng)絡(luò)中都會(huì)有一個(gè)最佳匹配單元（BMU）與其相對(duì)應(yīng)。通過(guò)計(jì)算所輸入實(shí)時(shí)特征數(shù)據(jù)X與BMU之間的距離即最小量化誤差（MQE），可定量得出實(shí)時(shí)數(shù)據(jù)與正常數(shù)據(jù)的偏離狀況。

運(yùn)用歸一化，將所得MQE轉(zhuǎn)化為CV（Confidence Value，CV）值（0～1），此時(shí)的CV值就能表征設(shè)備當(dāng)前的健康狀態(tài)。

具體包括2個(gè)階段：

1）觀測(cè)器的建立。由于液壓元件的數(shù)學(xué)模型在不同工況下難以確定，需要建立RBF神經(jīng)網(wǎng)絡(luò)觀測(cè)器進(jìn)行監(jiān)測(cè)閥的健康狀況。觀測(cè)器的建立只需要用到起豎時(shí)的正常輸入和輸出數(shù)據(jù)，確定訓(xùn)練樣本進(jìn)行訓(xùn)練再測(cè)試，看精度和泛化是否滿足要求，流程如圖3所示。

2）CV值的確定。由正常時(shí)觀測(cè)器得到的殘差與實(shí)測(cè)數(shù)據(jù)通過(guò)觀測(cè)器得到的殘差分別經(jīng)過(guò)GMM（Gaussian mixture model，GMM）算法[7]，得到各自GMM 模型的概率密度函數(shù)，即可根據(jù)公式得到CV值，具體流程如圖4所示。

圖3 觀測(cè)器的建立

圖4 GMM算法

4 基于故障樹(shù)的故障診斷與定位

快速實(shí)現(xiàn)故障診斷與定位，是研究液壓系統(tǒng)在線監(jiān)測(cè)與故障診斷的主要目的。經(jīng)驗(yàn)表明，運(yùn)用故障樹(shù)分析法能夠有效進(jìn)行故障診斷和定位，是工程中常用的故障分析方法。該方法在液壓系統(tǒng)的故障診斷中有著廣泛的應(yīng)用[8-9]。

故障樹(shù)分析法（Fault Tree Analysis，F(xiàn)TA）是一種評(píng)價(jià)復(fù)雜系統(tǒng)可靠性與安全性的重要方法。它是可靠性工程的重要分支，是分析系統(tǒng)故障因果關(guān)系的有效技術(shù)[10]。故障樹(shù)分析法把所研究系統(tǒng)最不希望發(fā)生的故障狀態(tài)作為研究目標(biāo)，然后尋找直接導(dǎo)致這一故障發(fā)生的全部因素，再找出造成下一級(jí)事件發(fā)生的全部直接因素，一直追查到那些原始的、故障機(jī)理或概率分布都是已知的，因而毋需再深追究的因素為止。

針對(duì)圖1 所示起豎液壓系統(tǒng)，以無(wú)法起豎這一典型故障為例，建立故障樹(shù)如圖5 所示。故障樹(shù)中底事件含義見(jiàn)表2。

圖5 發(fā)射筒無(wú)法起豎故障故障樹(shù)

表2 故障樹(shù)事件含義表

求故障樹(shù)最小割集就是進(jìn)行故障定位的過(guò)程，方法很多，常用的有上行法和下行法兩種[11-12]，但這種采用遍歷搜索的方法盲目性較大，且較費(fèi)時(shí)，最終可能導(dǎo)致診斷效率低。因此，本文提出基于故障模式及影響分析結(jié)論，綜合考慮故障概率、影響程度和監(jiān)測(cè)成本，并結(jié)合故障樹(shù)中搜索成本求解故障定位的搜索序列，對(duì)故障概率高、搜索成本低及影響程度大的最小事件優(yōu)先排查，可以提高故障定位效率，流程如圖6所示。

圖6 故障搜索方案確定流程圖

如圖6 所示，首先根據(jù)考慮的影響因素確定決策矩陣，這些影響因素包括故障概率、影響程度、搜索成本和監(jiān)測(cè)成本等，其屬性值可由數(shù)據(jù)統(tǒng)計(jì)方法、FMECA方法及人工智能方法等確定。由于建立的搜索決策矩陣使用了不同物理維度的性能指標(biāo)，必須按歸一化理論進(jìn)行規(guī)范化，得到規(guī)范化矩陣。根據(jù)各種影響因素對(duì)系統(tǒng)的影響程度，確定各影響因素的權(quán)重值，建立影響權(quán)值矩陣，該矩陣一般有專家或?qū)＜蚁到y(tǒng)確定給出。進(jìn)一步可計(jì)算出加權(quán)規(guī)范化矩陣，利用逼近理想解的排序方法，確定最接近理想解的最優(yōu)解，并對(duì)該方案的貼近度等性能進(jìn)行評(píng)估，最終確定搜索方案。

5 方法應(yīng)用

針對(duì)某型導(dǎo)彈發(fā)射車實(shí)際情況，通過(guò)采集和監(jiān)測(cè)液壓泵的振動(dòng)信號(hào)、平衡閥前后壓力狀態(tài)及壓差、集流分流閥的前后壓力狀態(tài)及壓差等信號(hào)，通過(guò)對(duì)特征信號(hào)進(jìn)行進(jìn)一步的加工處理，提取其特征參量，包括特征信號(hào)的峰值、峰峰值、均方根值、波形指標(biāo)、峰值指標(biāo)、脈沖指標(biāo)、裕度指標(biāo)和峭度指標(biāo)等8 個(gè)時(shí)域參數(shù)，以及小波包分解后各頻帶的能量作為特征參量。綜合運(yùn)用上述研究方法，開(kāi)發(fā)輪式導(dǎo)彈發(fā)射車健康管理系統(tǒng)，可以實(shí)現(xiàn)液壓系統(tǒng)的信號(hào)監(jiān)測(cè)、狀態(tài)評(píng)估和故障診斷功能，如圖7所示。

圖7 狀態(tài)評(píng)估顯示

6 結(jié)束語(yǔ)

本文通過(guò)研究健康度評(píng)估、故障診斷與定位技術(shù)，提出了液壓系統(tǒng)的狀態(tài)監(jiān)測(cè)與故障診斷實(shí)現(xiàn)流程，并開(kāi)發(fā)了相應(yīng)的健康管理系統(tǒng)。在液壓系統(tǒng)的在線監(jiān)測(cè)和故障診斷的過(guò)程中，同步實(shí)現(xiàn)系統(tǒng)的健康狀態(tài)評(píng)估，通過(guò)監(jiān)測(cè)健康度的變化捕獲隱含故障，及早發(fā)現(xiàn)故障、定位故障和解決故障，有效的在線監(jiān)測(cè)和故障診斷有利于提高發(fā)射車的可靠性。

[1] 賈銘新.液壓傳動(dòng)與控制[M].北京：國(guó)防工業(yè)出版社，2006：1-6.

JIA MINGXIN. Hydraulic drive and control[M]. Beijing：National Defense Industry Press，2006：1-6.（in Chinese）

[2] 周召發(fā)，李鋒.大型武器裝備液壓系統(tǒng)快速故障診斷系統(tǒng)設(shè)計(jì)[J].機(jī)床與液壓，2005，33（3）：123-124；168.

ZHOU ZHAOFA，LI FENG.Design on The Fast Fault Diagnosis System of Large-scale Weapon Equipment Hydraulic System[J].Machine Tool and Hydraulics，2005，33（3）：123-124，168.（in Chinese）

[3] 張小明，劉建敏，喬新勇，等.柴油機(jī)健康狀況評(píng)估及其方法[J].裝甲兵工程學(xué)院學(xué)報(bào)，2008，22（2）：30-34.

ZHANG XIAOMING，LIU JIANMIN，QIAO XINYONG，et al. Healthy status evaluation of diesel engine and its method[J]. Journal of Academy of Armored Force Engineering，2008，22（2）：30-34.（in Chinese）

[4] 曹正洪，沈繼紅.基于模糊集理論的傳感器健康度評(píng)價(jià)方法[J].電機(jī)與控制學(xué)報(bào)，2010，14（5）：79-83，90.

CAO ZHENGHONG，SHEN JIHONG. Sensor health degree evaluation method based on fuzzy set theory[J].Electric Machines and Control，2010，14（5）：79-83，90.（in Chinese）

[5] 余金寶，谷立臣，孫穎宏.利用SOM 網(wǎng)絡(luò)可視化方法診斷液壓系統(tǒng)故障[J].工程機(jī)械，2007，38（12）：54-57.

YU JINBAO，GU LICHEN，SUN YINGHONG. Using som network visualization to diagnose hydraulic system failures[J]. Construction Machinery and Equipment，2007，38（12）：54-57.（in Chinese）

[6] 賀康，龐海榮，代粉蕾，等.SOM神經(jīng)網(wǎng)絡(luò)在全液壓鉆機(jī)液壓系統(tǒng)故障診斷中的應(yīng)用[J]. 煤礦機(jī)械，2011，32（4）：249-250.

HE KANG，PANG HAIRONG，DAI FENLEI，et al. Application of som neural network in fault diagnosis for hydraulic system of hydraulic drilling rig[J].Coal Mine Machinery，2011，32（4）：249-250.（in Chinese）

[7] 吳奎，宋彥，戴禮榮，等.基于CUDA 的GMM 模型快速訓(xùn)練方法[J].數(shù)據(jù)采集與處理，2012，27（1）：85-90.

WU KUI，SONG YAN，DAI LIRONG，et al. CUDAbased fast GMM model training method and its application[J]. Journal of Data Acquisition and Processing，2012，27（1）：85-90.（in Chinese）

[8] 倪紹徐，張?jiān)７迹缀?，?基于故障樹(shù)的智能故障診斷方法[J].上海交通大學(xué)學(xué)報(bào)，2008，42（8）：1372-1375.

NI SHAOXU，ZHANG YUFANG，YI HONG，et al.Intelligent Fault Diagnosis Method Based on Fault Tree[J].Journal of Shanghai Jiaotong University，2008，42（8）：1372-1375.（in Chinese）

[9] 蘇欣平，吳學(xué)深，楊成禹，等.基于故障樹(shù)的叉車液壓系統(tǒng)故障診斷研究[J]. 機(jī)床與液壓，2011，39（17）：138-139.

SU XINPING，WU XUESHEN，YANG CHENGYU，et al. Study on fault diagnosis for the forklift hydraulic system based on fuzzy tree analysis method[J]. Machine Tool and Hydraulics，2011，39（17）：138-139.（in Chinese）

[10]金曉志，洪榮晶.FTA在液壓故障診斷系統(tǒng)中的應(yīng)用[J].機(jī)械設(shè)計(jì)與制造，2011，49（11）：59-61.

JIN XIAOZHI，HONG RONGJING. An application of FTA in fault diagnosis system of hydraulic[J]. Machinery Desing and Manufacture，2011，49（11）：59-61.（in Chinese）

[11]蘇凡囤，袁博，張琦，等.基于FTA的輪式推土機(jī)液壓系統(tǒng)故障模式研究[J].中國(guó)工程機(jī)械學(xué)報(bào)，2012，10（1）：105-111.

SU FANTUN，YUAN BO，ZHANG QI，et al. FTA-based fault mode research on hydraulic system of wheel bulldozers[J]. Chinese Journal Of Construction Machinery，2012，10（1）：105-111.（in Chinese）

[12] 梁光輝，李兆軍. 液壓挖掘機(jī)回轉(zhuǎn)系統(tǒng)故障樹(shù)分析[J].液壓與氣動(dòng)，2012，35（4）：107-110.

LIANG GUANGHUI，LI ZHAOJUN.Fault Tree Analysis of Rotary System for Hydraulic Excavator[J]. Chinese Hydraulics and Pneumatics，2012，35（4）：107-110.（in Chinese）