模糊ARX-RBF模型在車輛液壓制動(dòng)系統(tǒng)故障診斷中的應(yīng)用*

黃珊珊

（陜西交通職業(yè)技術(shù)學(xué)院汽車工程系 陜西 西安 710018）

引言

車輛工程機(jī)械作為重要的施工生產(chǎn)裝備，在國民經(jīng)濟(jì)發(fā)展和基礎(chǔ)設(shè)施建設(shè)中具有重要的地位[1]。液壓制動(dòng)系統(tǒng)是車輛工程機(jī)械運(yùn)行的關(guān)鍵部件，針對它的故障診斷與預(yù)報(bào)技術(shù)一直是工程機(jī)械的關(guān)鍵技術(shù)之一[2]。對于復(fù)雜的系統(tǒng)，模糊理論提供了一種理解系統(tǒng)的特殊方法，它能夠有效地和可靠地降低系統(tǒng)建模的難度。因此，模糊理論為描述非線性時(shí)變動(dòng)態(tài)系統(tǒng)提供了強(qiáng)有力的工具。本文提出了一種基于模糊理論架構(gòu)的ARX模型[3]。模糊ARX模型是一種非線性模型，與普通的模糊模型或ARX模型相比，能夠?qū)崿F(xiàn)對非線性故障特征更為準(zhǔn)確的刻畫[4-7]。徑向基函數(shù)（Radial Basis Function，RBF）網(wǎng)絡(luò)分類器一類基于核函數(shù)的神經(jīng)網(wǎng)絡(luò)分類器，具有很強(qiáng)的自學(xué)習(xí)、自組織能力和非線性模式分類性能。

針對工程機(jī)械液壓制動(dòng)系統(tǒng)的非線性時(shí)變特點(diǎn)，本文研究了基于模糊ARX模型的液壓制動(dòng)系統(tǒng)的故障特征提取方法。該方法首先建立工程機(jī)械液壓制動(dòng)系統(tǒng)不同目標(biāo)故障狀態(tài)的模糊ARX模型，然后通過RBF網(wǎng)絡(luò)分類器，對故障特征向量進(jìn)行分類，判斷系統(tǒng)的故障類型和故障狀態(tài)。

1 RBF-ARX液壓制動(dòng)系統(tǒng)故障診斷方法

液壓制動(dòng)系統(tǒng)中主要的元件包括液壓泵、控制閥、液壓缸、液壓馬達(dá)等等。液壓制動(dòng)系統(tǒng)中信號(hào)變量主要包括：液壓泵出口流量QS、液壓泵出口壓力PS、液壓缸無桿腔壓力PA、液壓缸有桿腔壓力PB，則可以定義液壓回路的模糊ARX模型方程組為

在建立液壓回路的模糊ARX模型后，分別得到子模型 FARX1 和 FARX2 的參數(shù)矩陣Θ^F1和Θ^F2，通過加權(quán)處理得到子模型FARX1和FARX2的特征向量θf1和θf2，合并θf1和θf2得到總的故障特征向量θf。如果系統(tǒng)有N種目標(biāo)故障，則認(rèn)為N種目標(biāo)故障狀態(tài)建立相應(yīng)的模糊ARX模型，并提取其故障診斷特征組成目標(biāo)故障庫的集合，該集合表示為

RBF網(wǎng)絡(luò)故障分類方法首先要利用目標(biāo)故障特征庫對RBF網(wǎng)絡(luò)分類器進(jìn)行訓(xùn)練，然后將測試樣本的故障特征帶入RBF網(wǎng)絡(luò)分類器，網(wǎng)絡(luò)輸出故障診斷結(jié)果。

1.1 RBF網(wǎng)絡(luò)訓(xùn)練

RBF網(wǎng)絡(luò)訓(xùn)練的步驟如下：

1）初始化各參數(shù)，構(gòu)建N項(xiàng)分類判別式g1（x），g2（x），…，gN（x）；

2）運(yùn)用k-均值迭代算法計(jì)算矩陣U(r)，得到k個(gè)中心位置 c1，c2，…，ck；

3）將 n 個(gè)故障特征向量 θ1，θ2，…，θN及 k 個(gè)中心位置 c1，c2，…，ck代入基函數(shù)，得到 n 個(gè) k 維向量 y1，y2，…，yn；

1.2 測試樣本分類

具體分類步驟包括如下兩步：

1）將測試樣本的故障特征向量θtfest進(jìn)行代入RBF網(wǎng)絡(luò)分類器，得到g（1），g（2），…，gN

2）如果g（i）=max（g（1），g（2t），…，gN（）），則測試樣本為第i類故障；否則，RBF網(wǎng)絡(luò)分類器無法找到與測試故障匹配的目標(biāo)故障。

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)?zāi)Ｐ?/h3>

本文中的實(shí)驗(yàn)平臺(tái)為EBZ30型掘進(jìn)機(jī)，該掘進(jìn)機(jī)液壓制動(dòng)系統(tǒng)主要的組成部分包括：帶負(fù)載敏感（Load Sensing，LS）系統(tǒng)的變量液壓泵、高性能先導(dǎo)式多路換向閥、行走液壓馬達(dá)、回轉(zhuǎn)液壓馬達(dá)、工作裝置驅(qū)動(dòng)油缸等。

故障設(shè)置的合理與否對于最終的實(shí)驗(yàn)結(jié)果影響很大。為了保證實(shí)驗(yàn)故障與實(shí)際故障具有較大的一致性，實(shí)驗(yàn)中設(shè)置了5類單一故障及其對應(yīng)代號(hào)（Q0、Q1、Q2、Q3、Q4、Q5），故障的類型和故障的具體設(shè)置方式如表1所示。

實(shí)驗(yàn)中主要測量4個(gè)信號(hào)變量，包括：柱塞泵出口流量QP、柱塞泵出口壓力PP、液壓缸無桿腔壓力PA、液壓缸有桿腔壓力PB。

2.2 故障特征提取

定義故障診斷模糊ARX模型表達(dá)式為：

表1 實(shí)驗(yàn)中單一故障

可得到6個(gè)目標(biāo)故障的模糊ARX模型，提取子模型FARX1參數(shù)矩陣和模型FARX2參數(shù)矩陣并分別計(jì)算加權(quán)向量特征向量 θf1和 θf2，合并后得到故障特征向量θf，最終可得到6種目標(biāo)故障的故障特征向量，如表2所示。

2.3 故障特征分類

將目標(biāo)故障特征集合對RBF網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到RBF網(wǎng)絡(luò)故障分類器；將10組測試樣本的故障特征向量帶入RBF網(wǎng)絡(luò)故障分類器，可以得到故障分類結(jié)果，其分類結(jié)果如表3所示。

表3 RBF網(wǎng)絡(luò)分類器分類結(jié)果

3 結(jié)論

深入地分析了模糊ARX模型的基本結(jié)構(gòu)，提出了建立模糊ARX模型以及基于模糊ARX模型的故障特征提取步驟。該方法首先使用目標(biāo)故障特征庫集合對RBF網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得RBF網(wǎng)絡(luò)故障分類器；然后將測試樣本的故障特征代入RBF網(wǎng)絡(luò)故障分類器，分類器的輸出故障診斷結(jié)果。

在EBZ30型掘進(jìn)機(jī)液壓制動(dòng)系統(tǒng)上設(shè)置了5類典型實(shí)驗(yàn)故障。利用實(shí)驗(yàn)故障樣本，對基于模糊ARX模型及RBF網(wǎng)絡(luò)的工程機(jī)械液壓制動(dòng)系統(tǒng)故障診斷方法進(jìn)行了檢驗(yàn)，診斷正確率達(dá)到了90%以上。故障診斷結(jié)果表明該方法能夠有效地應(yīng)用于液壓制動(dòng)系統(tǒng)的故障診斷。

1 傅建平，宋明明，李龍?jiān)?某裝備液壓制動(dòng)系統(tǒng)故障檢測與診斷技術(shù)研究[J].機(jī)床與液壓，2013，41（23）：166-168

2 劉學(xué)慧.某運(yùn)輸車液壓制動(dòng)系統(tǒng)故障分析與改進(jìn)[J].液壓與氣動(dòng)，2015（1）：114-116

3 賀湘宇，何清華，鄒湘伏.基于RBF網(wǎng)絡(luò)和ARX模型的液壓制動(dòng)系統(tǒng)故障診斷方法[J].系統(tǒng)仿真學(xué)報(bào)，2009（1）：282-285

4 曾小勇，彭輝，吳軍.基于RBF-ARX模型的改進(jìn)多變量預(yù)測控制及應(yīng)用[J].中南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015（10）：3710-3717

5 宋鵬，彭繼慎.基于FARX和RBFNN模型的壓鑄機(jī)液壓制動(dòng)系統(tǒng)故障診斷[J].特種鑄造及有色合金，2011（1）：50-53，105

6 任林，彭輝.RBF—ARX模型在液位系統(tǒng)建模中的應(yīng)用[J].計(jì)算機(jī)測量與控制，2007（8）：1023-1026

7 Celik Ozkan,Ertugrul Seniz.Predictive human operator model to be utilized as a controller using linear,Neuro-fuzzy and fuzzy-ARX modeling techniques[J].Engineering Applications of Artificial Intelligence,2010,23(4):595-603