基于EEMD的重燃壓氣機液壓IGV系統(tǒng)內(nèi)泄漏診斷*

（華北電力大學(xué)能源動力與機械工程學(xué)院）

0 引言

對于重型燃?xì)廨啓C，進口導(dǎo)葉（Inlet Guide Vane，IGV）系統(tǒng)，起著保護機組安全運行、提高運行效率的重要作用。目前，IGV系統(tǒng)主要為電液伺服調(diào)節(jié)方式。在液壓系統(tǒng)的幾類故障中，液壓油缸的泄漏是最普遍的一種故障形式，泄漏產(chǎn)生原因一般有制造缺陷、安裝誤差以及磨損等。液壓油缸的泄漏有內(nèi)泄漏和外泄漏兩種，外泄漏一般可以通過觀察的方法發(fā)現(xiàn)，而內(nèi)泄漏極其隱蔽，難以察覺。對于IGV系統(tǒng)，一旦發(fā)生液壓油缸的內(nèi)泄漏故障，最直接的影響就是系統(tǒng)的響應(yīng)時間變長，位置控制精度降低，進而影響溫度限制模塊、壓比限制模塊的功能[1]，導(dǎo)致溫度控制不佳，致使機組運行效率下降。此外，還可能導(dǎo)致壓氣機喘振的發(fā)生，對機組的安全運行造成嚴(yán)重影響。內(nèi)泄漏故障亦會導(dǎo)致IGV系統(tǒng)無法達到指定的開度，當(dāng)實際開度和指令開度的累積偏差超過限度，將引發(fā)燃?xì)獍l(fā)電機組跳閘。電廠運行中就曾有過IGV系統(tǒng)累積偏差過大導(dǎo)致的燃?xì)獍l(fā)電機組跳閘事故[2]。因此，對IGV系統(tǒng)的液壓油缸內(nèi)泄漏故障的診斷研究是十分必要和緊迫的。

在液壓系統(tǒng)的泄漏故障診斷研究方面，已經(jīng)發(fā)展出基于數(shù)學(xué)模型、信號處理以及神經(jīng)網(wǎng)絡(luò)等的診斷方法。在國內(nèi)，方志宏等[3]提出了一種通過壓力積分確定液導(dǎo)的變化來對液壓油缸進行泄漏程度診斷的方法；周小軍[4]介紹了一種利用壓力、流量等的時域特征值作為訓(xùn)練樣本，采用支持向量機方法診斷泄漏故障發(fā)生的部位和原因。姜萬錄等[5]采用小波包分解對常負(fù)載液壓油缸壓力信號進行分析，采用得到的小波包子帶能量、能量的熵值和方差作為液壓油缸內(nèi)泄漏故障診斷的敏感特征參數(shù)。唐宏賓等[6]針對液壓油缸內(nèi)泄漏的故障，提出先利用主成分分析對從壓力信號提取的時域參數(shù)進行降維，然后將其輸入到BP神經(jīng)網(wǎng)絡(luò)進行故障模式識別。Zhao等[7]針對液壓油缸內(nèi)泄漏，基于小波包分析方法提取了五個故障特征用于內(nèi)泄漏故障診斷，并進行了敏感度分析。Yao等[8]針對液壓執(zhí)行元件內(nèi)泄漏問題，提出了通過連續(xù)小波變換方法求得時頻圖，然后求像素和作為特征參數(shù)進行診斷，并通過類正弦輸入實驗進行了驗證。

在國外，Rezazadeh等[9]提出了一種采用非線性觀測器對外部擾動情況下液壓油缸內(nèi)泄漏故障進行檢測的方法。Maddahi等[10]對液壓油缸內(nèi)泄漏問題采用多尺度分析方法，發(fā)現(xiàn)相關(guān)熵均值及第五層小波細(xì)節(jié)系數(shù)可用于區(qū)別不同內(nèi)泄漏情況。Goharrizi等[11-12]在周期性階躍輸入下的液壓系統(tǒng)泄漏實驗研究中，提出了基于小波分析提取均方根值，作為特征參數(shù)進行內(nèi)外泄漏診斷的方法。之后，他們又提出了基于經(jīng)驗?zāi)B(tài)分解（Empirical Mode Decomposition,EMD）方法提取第一組固有模態(tài)函數(shù)（Intrinsic Mode Function，IMF）的瞬時幅值的均方根值，用于內(nèi)泄漏故障的診斷[13]。

然而上述研究大多基于通用的液壓系統(tǒng)，對于變化的運動位置和負(fù)載條件下工作的IGV系統(tǒng)內(nèi)泄漏問題，現(xiàn)有方法的檢測效果尚不明確。因此本文研究此獨特工作環(huán)境下重型燃?xì)廨啓C[14]中軸流壓氣機[15-18]的IGV系統(tǒng)液壓油缸內(nèi)泄漏問題。

根據(jù)IGV系統(tǒng)的工作特點可知其運行中產(chǎn)生的信號為非線性、非平穩(wěn)信號，對于非線性、非平穩(wěn)信號的分析，學(xué)者們已發(fā)展出短時Fourier變換、Winger-Ville分布和小波變換等時頻域分析方法。但這些方法由于本質(zhì)上都包含積分運算，會產(chǎn)生虛假成分，且很難做到隨時間變化對頻率進行精確描述。Huang等[19]提出了一種基于瞬時頻率的時頻分析方法：Hilbert-Huang變換（HHT）。該方法的第一步驟是通過EMD對原信號進行分解，得到其各個IMF分量，然后對各個IMF分量進行希爾伯特變換（Hilbert Transform，HT變換），再計算出各IMF分量的瞬時頻率以及瞬時振幅。然而，采用的EMD方法仍有不足，一個容易出現(xiàn)的問題就是模態(tài)混疊。

為了發(fā)現(xiàn)IGV系統(tǒng)液壓油缸內(nèi)泄漏故障，本文采用EMD的改進方法：集合經(jīng)驗?zāi)B(tài)分解[20]（Ensemble Empirical Mode Decomposition，EEMD）和HT方法，對采集的信號進行分析，進而檢測內(nèi)泄漏及其程度?；诖罱ǖ腎GV系統(tǒng)模擬實驗臺，本文模擬了變化運動位移和負(fù)載條件下，液壓油缸不同程度的內(nèi)泄漏故障，利用壓力傳感器采集液壓油缸運行中一側(cè)油腔的壓力信號，應(yīng)用提出的方法，實現(xiàn)了內(nèi)泄漏及其程度的檢測。

1 EEMD及HT變換方法簡介

1.1 EMD方法

EMD方法能將單個信號分解成多個單分量信號，稱為固有模態(tài)函數(shù)，這些固有模態(tài)函數(shù)滿足下面的兩個要求[19]：

a）整個信號的過零點與極值點的個數(shù)相等或至多相差1個；

b）在信號的任意時刻，分別由極大值點、極小值點確定的上、下包絡(luò)線的均值為零。

將信號分解成一系列IMF的步驟如下：

1）求上、下包絡(luò)線。根據(jù)原信號x（t）所有的極大值點和極小值點，運用三次樣條函數(shù)擬合出原信號的上、下包絡(luò)線。

2）求出上、下包絡(luò)線的均值函數(shù)μ1（t），并用原信號x（t）減去均值函數(shù)，得到y(tǒng)1（t）。

3）判斷y1（t）是否滿足IMF的條件，如果不符合IMF的要求，將y1（t）視為x（t），重復(fù)1）、2）步的操作，直到獲得滿足要求的IMF分量c1（t）。

4）將上一步求出的IMF從信號中減去，得到剩余項r1（t）。

5）求其它IMF分量。對剩余項r1（t）進行上述1）-4）步驟計算出第二個IMF分量，并以此類推，求出其它IMF分量，直至rn（t）為單調(diào)函數(shù)。

如此，原信號被分解成一系列單分量信號：IMF分量cn（t）以及一個殘差項rn（t）。

1.2 EEMD方法

EMD方法能很好的對非線性、非平穩(wěn)信號進行分析，但此分解方法仍存在模態(tài)混疊等問題，為了解決模態(tài)混疊這個問題，Huang等[20]提出了一種噪聲輔助信號處理方法：EEMD方法。

對于EMD方法，模態(tài)混疊問題是由于信號可能存在極值點分布不均勻的情況，一旦這種情況出現(xiàn)，就無法得到合理的IMF，導(dǎo)致模態(tài)混疊的發(fā)生。針對這個問題，EEMD方法將白噪聲加入到待分解的信號進行輔助處理，EEMD的分解步驟如下：

1）將信號加入到n組均勻分布的不同白噪聲背景中。

2）將n組含不同白噪聲的信號按照EMD方法分解求出各個IMF分量。

3）將得到的各個IMF的集成均值作為最終結(jié)果。

由于白噪聲均值為零的特性，對足夠組數(shù)的IMF求平均值后，噪聲將相互抵消，集成均值的結(jié)果即可作為最終的結(jié)果。

1.3 HT變換

在將信號分解成IMF分量后，為了后續(xù)處理，對IMF分量進行HT變換：

然后構(gòu)造出解析信號z(t)：

通過解析函數(shù)就可以獲得IMF分量的瞬時幅值和瞬時頻率信息。

本文以液壓油缸一側(cè)油腔的壓力信號為對象，采用的檢測方法流程圖如圖1所示。

圖1 內(nèi)泄漏故障檢測方法流程圖Fig.1 Flow chart of internal leakage detection method

2 IGV系統(tǒng)內(nèi)泄漏模擬實驗

基于GE公司9F級燃?xì)廨啓C的IGV系統(tǒng)，搭建了IGV系統(tǒng)模擬實驗臺，如圖2所示。該實驗臺由三部分組成：上位機及其控制軟件、系統(tǒng)I/O接口設(shè)備及液壓系統(tǒng)及附件。

圖2 IGV系統(tǒng)模擬實驗臺Fig.2 IGV emulation testbed

上位機及其控制軟件根據(jù)實驗的要求產(chǎn)生相應(yīng)的指令信號，完成并進行控制，采集并保存各類傳感器得到的測量數(shù)據(jù)；系統(tǒng)I/O接口設(shè)備是基于通訊協(xié)議實現(xiàn)軟件和硬件的連通，并進行軟件和硬件之間的數(shù)據(jù)交換；液壓系統(tǒng)及附件主要包括液壓油缸和電液伺服閥，各類傳感器等；各液壓組件之間采用硬管連接，通過上位機對電液伺服閥進行控制。

IGV模擬實驗臺框圖如圖3所示，其中IGV調(diào)節(jié)系統(tǒng)通過工作油缸中活塞的不同位置模擬進口導(dǎo)葉開度，負(fù)載輸出系統(tǒng)用來模擬工作油缸承受的變化外部載荷。

為了模擬IGV系統(tǒng)中液壓油缸的內(nèi)泄漏，將工作油缸的進油腔和回油腔之間通過一條硬管連通，管上裝有節(jié)流閥，通過控制節(jié)流閥的開度，模擬內(nèi)泄漏故障及其程度，如圖3所示。

圖3 IGV系統(tǒng)模擬實驗臺框圖Fig.3 Block diagram of IGV emulation testbed

3 實驗驗證

3.1 實驗過程

基于某9F級重型燃?xì)廨啓C運行時IGV的開度數(shù)據(jù)，根據(jù)模擬實驗臺的工作油缸行程，按比例換算得到一段時間內(nèi)工作油缸活塞的參考位移數(shù)據(jù)，如圖4所示。通過控制節(jié)流閥的開度，模擬內(nèi)泄漏程度，并獲取工作油缸中A油腔的壓力數(shù)據(jù)。

圖4 工作油缸活塞位移輸入Fig.4 Position input of the working cylinder piston

本文設(shè)計了一組工作油缸無內(nèi)泄漏實驗，并通過調(diào)節(jié)節(jié)流閥，進行了3個不同內(nèi)泄漏程度的實驗。以“無泄漏，小泄漏，中等泄漏，大泄漏”分別對應(yīng)不同泄漏程度的四組實驗，如圖5（a）所示。為了模擬IGV系統(tǒng)工作時負(fù)載波動的特點，通過對負(fù)載油缸回路的電液伺服閥的控制，并對溢流閥的壓力進行調(diào)節(jié)，實現(xiàn)波動性負(fù)載。圖5（b）所示為工作油缸承受的負(fù)載，負(fù)載波動幅度在局部均值的15%左右。

圖5 工作缸內(nèi)泄漏和負(fù)載情況Fig.5 Different levels of internal leakage and load on the working cylinder

3.2 實驗結(jié)果及分析

在不同內(nèi)泄漏程度下，工作油缸A腔的壓力數(shù)據(jù)如圖6所示。首先通過EEMD方法將壓力信號分解成各個IMF分量。其中采用100組幅值比例為0.2的白噪聲。圖7為前3個IMF（IMF1-IMF3）分量。然后將各個IMF分量進行HT變換，求得其瞬時幅值以及絕對均值，如圖8所示。為了減少位移指令的突變對壓力信號產(chǎn)生的影響，每隔40秒對瞬時幅值求絕對均值。

圖6 工作油缸A腔壓力Fig.6 Chamber A pressure of the working cylinder

圖7 工作油缸A腔壓力信號前3個IMF分量Fig.7 Three IMF values for Chamber A pressure of the working cylinder

圖8 前3個IMF分量瞬時幅值的絕對均值曲線Fig.8 The absolute mean of instantaneous amplitude for IMFs

如圖8所示，對于前3個IMF分量，IMF1瞬時幅值的絕對均值，隨著內(nèi)泄漏程度的增大隨之增大，可以有效的發(fā)現(xiàn)工作油缸是否存在內(nèi)泄漏，并區(qū)分出內(nèi)泄漏的程度。

4 結(jié)論

本文針對重型燃?xì)廨啓C壓氣機的IGV系統(tǒng)中液壓油缸內(nèi)泄漏故障，提出了一種基于EEMD和HT變換的診斷方法。應(yīng)用搭建的IGV系統(tǒng)模擬實驗臺，開展了變化位移和負(fù)載條件下，液壓油缸不同程度的內(nèi)泄漏故障實驗。實驗結(jié)果表明，隨著內(nèi)泄漏程度的增大，提出的方法獲得的IMF1瞬時幅值的絕對均值隨之增大，從而為內(nèi)泄漏的有效地識別和內(nèi)泄漏程度的判定提供了依據(jù)。