電液伺服系統(tǒng)故障診斷技術(shù)研究

冶玉清

（國投新疆羅布泊鉀鹽有限責(zé)任公司，新疆哈密 839000）

隨著機(jī)械工程、電氣工程、控制技術(shù)、液壓傳動等現(xiàn)代工業(yè)技術(shù)的快速發(fā)展，電液伺服系統(tǒng)無論是基礎(chǔ)研究還是應(yīng)用實踐都在逐漸完善，并還擴(kuò)展到輕工業(yè)機(jī)械、紡織機(jī)械、化工機(jī)械、采礦機(jī)械、建筑機(jī)械、國防工業(yè)等各個領(lǐng)域，給故障排除技術(shù)帶來一個又一個的難題，同時也給故障排除技術(shù)的發(fā)展前景帶來了生機(jī)。當(dāng)前，大量的研究團(tuán)隊在許多方面都取得了重大進(jìn)展，但要最終滿足實際應(yīng)用的需求，還有很長的路要走。

1 電液伺服控制系統(tǒng)研究綜述

電液伺服控制系統(tǒng)是連接大型旋轉(zhuǎn)機(jī)械設(shè)備，連接工作器械和液壓器械的中介，是一種集機(jī)械、電氣和液壓于一體的復(fù)雜控制系統(tǒng)，有著控制精度高、響應(yīng)速度快、信號處理靈活、結(jié)構(gòu)緊湊、重量輕等優(yōu)點。

電液伺服系統(tǒng)的故障檢測技術(shù)在20世紀(jì)70年代初開始進(jìn)入大眾眼中，至今為止經(jīng)歷了兩三次大型改變。初期的檢測手段是傳統(tǒng)診斷階段，基于感官、個人經(jīng)驗以及專家和維護(hù)人員的判斷。然后開始利用傳感器和動態(tài)測試技術(shù)、信號分析和建模過程等現(xiàn)代診斷手段。如今，電液伺服系統(tǒng)的故障檢測較多地融合了知識處理技術(shù)和計算機(jī)信息技術(shù)等智能診斷手段。

2 故障原因分析

2.1 電液伺服系統(tǒng)的工作機(jī)理

電液伺服系統(tǒng)由伺服控制器、伺服閥、伺服油缸、閥位傳感器等組成?？刂圃砣缦拢核欧刂破鞅容^可編程邏輯控制器（PLC）輸出的與閥位反饋的電流信號，放大為±10V的電壓信號，并傳送到比例閥，以此驅(qū)動油缸活塞帶動閥門開關(guān)上下運動。如輸入與輸出相同，則控制器不進(jìn)行任何輸出，伺服閥的控制閥芯在中間位置，伺服油缸的活塞停止，閥門不動。當(dāng)PLC輸出大于閥位反饋時，經(jīng)放大后變?yōu)檎?，伺服閥的主閥芯從中位向上或下一側(cè)移動，閥門在伺服缸活塞的作用下開啟，閥位處在新位置，相反，伺服缸活塞關(guān)閉，移向關(guān)閉方位。對于大型伺服控制系統(tǒng)，控制器的比例、積分和微分參數(shù)應(yīng)根據(jù)專家的經(jīng)驗來進(jìn)行設(shè)置，實現(xiàn)快速跟蹤，減少偏差。

2.2 電液伺服系統(tǒng)故障原因分析

大型旋轉(zhuǎn)機(jī)械的電液伺服控制系統(tǒng)可分為動力油系統(tǒng)、執(zhí)行器以及執(zhí)行機(jī)構(gòu)三部分。對于動力油系統(tǒng)，油泵是液壓系統(tǒng)中一個非常不穩(wěn)定的元素。執(zhí)行器包含伺服控制器和PLC、執(zhí)行機(jī)構(gòu)閥門和液壓缸等組件。

2.2.1 動力油系統(tǒng)

動力油的能源通常來自動力油泵。油泵常見的故障包括配合件磨損、承重件變形或損壞、密封件磨損、老化等。液壓系統(tǒng)中存在的流量和壓力異常以及液壓泵發(fā)出噪音，液壓泵的泵殼升溫，嚴(yán)重時無流量輸出是較為常見的損壞表現(xiàn)。

2.2.2 執(zhí)行器

執(zhí)行器損壞的原因包括內(nèi)置變壓器燒毀，造成閥門快開、伺服放大器損壞、電路元器件板劣化、檢測反饋元件的質(zhì)量下降等，使得放大系數(shù)變小，從而導(dǎo)致整個系統(tǒng)工作異常，控制誤差大。此外，伺服控制器接線松動、信號丟失、零點漂移和外部干擾也是引起故障的因素。

2.2.3 執(zhí)行機(jī)構(gòu)

液壓缸的損壞通常表現(xiàn)為密封失效或伸出桿形變等。大部分液壓系統(tǒng)故障都是由于油液污染造成的。液壓閥由閥體和閥芯組成；閥體內(nèi)部有流路，由閥芯控制連接或阻斷；而液壓閥故障包括閥芯損壞、線圈故障等，表現(xiàn)為液壓系統(tǒng)的執(zhí)行機(jī)構(gòu)反應(yīng)不靈敏，系統(tǒng)中的溫度升高以及執(zhí)行機(jī)構(gòu)無反應(yīng)。

3 電液伺服系統(tǒng)故障診斷技術(shù)分析

3.1 基于主觀判斷的故障診斷方法

基于主觀直接判斷的故障診斷法是指診斷人員根據(jù)個人的實踐經(jīng)驗，通過“望、聞、問、切”來找出機(jī)械毛病，識別系統(tǒng)錯誤。直接判斷法有時會借助簡單的儀器來查找問題的位置和原因。這種方法需要進(jìn)行系統(tǒng)或組件的結(jié)構(gòu)、模型和功能等各項知識綜合分析和評估，因此，對工作人員有兩個要求，一是能掌握各種系統(tǒng)錯誤的機(jī)理知識，二是要具有豐富的診斷經(jīng)驗。常用的分析方法包括感官診斷、圖紙分析等。

3.2 測量參數(shù)診斷方法

當(dāng)液壓系統(tǒng)正常運行時，其相關(guān)運行參數(shù)也處于正常范圍。如果運行參數(shù)值不處于正常范圍，則意味著系統(tǒng)的某個組件或整體運行出現(xiàn)了問題。當(dāng)系統(tǒng)出現(xiàn)故障時，壓力、溫度、油流量、旋轉(zhuǎn)速度、運動速度、扭矩等參數(shù)都會相應(yīng)地呈現(xiàn)異常。而引入太多參數(shù)會使診斷過程變得復(fù)雜，因此通常選擇代表工作參數(shù)信息最多的壓力、油液流量和油液污染水平來作為診斷參數(shù)。

3.3 故障樹分析方法

故障樹分析直觀地繪制了系統(tǒng)錯誤以及導(dǎo)致它們的各種因素，直觀地反映了組件故障、系統(tǒng)異常及其原因之間的關(guān)系。采用故障樹分析方法要具有大量的故障原因的知識。診斷過程從系統(tǒng)的故障表現(xiàn)入手，依次解釋所有情況發(fā)生的原因，由下到上繪制故障樹，并利用系統(tǒng)的動態(tài)實時數(shù)據(jù)進(jìn)行故障推理，最終找出故障原因。故障樹的繪制過程是按照故障發(fā)生的概率來進(jìn)行排序的，但這對于實際電液伺服系統(tǒng)的故障是不切實際的。①因為系統(tǒng)元件損壞的可能性不確定，②同一元件的檢測難度和成本也有所不同，檢測所獲取的信息量也不同。因此，在確定概率最低的損壞事件時，要考慮檢測成本以及損壞概率，充分發(fā)揮所有信息的效果。

3.4 信息綜合評估診斷方法

通常，由于電液伺服系統(tǒng)的工作環(huán)境較為惡劣，檢測信號容易受到作業(yè)現(xiàn)場的干擾。從單個傳感器中提取到的特征信息往往非常模糊，如果用傳統(tǒng)的信號處理方法，將難以有效改善故障檢查效果，而廣泛使用從多個方面獲得的同一對象的多維故障信息，則可以對系統(tǒng)進(jìn)行更可靠、更準(zhǔn)確地監(jiān)控和診斷。基于大量融合信息的綜合評估利用從多個傳感器收集到的不同類型故障信息，與故障樹分析方法的數(shù)據(jù)層、特征層或決策層相結(jié)合，獲得對系統(tǒng)錯誤的一致性描述，有效防止個別檢測錯誤導(dǎo)致的誤診，提高診斷結(jié)果的可靠性。

3.5 專家系統(tǒng)診斷方法

專家系統(tǒng)故障診斷是一種智能推理軟件，由知識庫、數(shù)據(jù)庫、推理引擎、解釋引擎組成。專家系統(tǒng)的知識庫包括系統(tǒng)知識和規(guī)則庫。系統(tǒng)知識是反映系統(tǒng)結(jié)構(gòu)和運行原理的知識，規(guī)則庫是錯誤因果關(guān)系。實際發(fā)生錯誤時識別的數(shù)據(jù)或者人為識別錯誤都可以作為樣本數(shù)據(jù)。專家系統(tǒng)在知識庫和數(shù)據(jù)庫的輔助下進(jìn)行工作，通過人機(jī)交互檢索到必要的信息后，推理引擎廣泛使用不同規(guī)則，調(diào)用各種相關(guān)的應(yīng)用程序來執(zhí)行一系列的推理。通常，只需要輸入一個錯誤、原因或者損壞組件，便可以通過復(fù)雜的自動化程序給出完整的維修報告。

3.6 基于人工智能的故障診斷法

人工智能故障診斷系統(tǒng)如同人腦的神經(jīng)網(wǎng)絡(luò)，由許多高度并行、互連的非線性處理單元組成。它具有一定大腦的基本特性，如學(xué)習(xí)、記憶等，具有強(qiáng)大的數(shù)學(xué)思維、模擬能力。憑借先進(jìn)的并行分布式處理、聯(lián)想記憶、自組織、自學(xué)習(xí)能力，這個“大腦”有著容錯、拓?fù)涞奶匦?，在故障診斷領(lǐng)域中有著多樣化的應(yīng)用視角。電液伺服系統(tǒng)是較為經(jīng)典的非線性動態(tài)系統(tǒng)，可以由人工智能系統(tǒng)來進(jìn)行檢測。部署系統(tǒng)時，應(yīng)建立動態(tài)關(guān)系，處理相關(guān)的動態(tài)信息，形成延時網(wǎng)絡(luò)或者循環(huán)網(wǎng)絡(luò)。

3.7 龍伯格（Luenberger）觀測器診斷法

根據(jù)電流狀態(tài)觀測的故障診斷方法是電液伺服系統(tǒng)故障診斷中研究最多、使用最有效的方法。該方法的基本理念是估計觀測系統(tǒng)的性能，通過將估計的輸出值與實際測量值進(jìn)行比較，生成殘差，對殘差進(jìn)行定量分析進(jìn)而對故障進(jìn)行分析。如果根據(jù)歷史數(shù)據(jù)進(jìn)行診斷，電動液壓伺服系統(tǒng)將不可避免地受到諸如時間變化、建模誤差、干擾等因素的影響，使得診斷無法有效地分離伺服閥泄漏、傳感器輸出異常及其他不確定因素對殘差的影響。為此，龍伯格觀測器是最好的解決方式，其設(shè)計目標(biāo)是最小化不確定因素對殘差的影響，最大化系統(tǒng)故障對殘差的影響，具體形式有龍伯格殘差的生成和龍伯格殘差的評估。

3.8 支持向量機(jī)（SVM）的故障排除方法

SVM應(yīng)用結(jié)構(gòu)風(fēng)險最小化原則和萬普尼克-澤范蘭杰斯理論來自動學(xué)習(xí)模型結(jié)構(gòu)，根據(jù)有限的樣本信息計算模型復(fù)雜度，并計算最佳的學(xué)習(xí)能力，以達(dá)到最佳泛化能力。SVM最初用于模式識別，現(xiàn)在已經(jīng)覆蓋到逆問題推理以及回歸估計等其他領(lǐng)域，它也是非線性系統(tǒng)建模的最佳理想方法。

3.9 卡爾曼濾波器診斷方法

卡爾曼濾波器的一個特點是可以有效衰減任意噪聲對機(jī)械檢測信息的影響。如果干擾噪聲值呈正態(tài)分布，則卡爾曼濾波器可以提供最小方差的估計；如果干擾噪聲值并非隨機(jī)變量，則提供線性最小方差的估計?？柭鼮V波器通常應(yīng)用于線性系統(tǒng)的監(jiān)測，當(dāng)用于非線性系統(tǒng)時，應(yīng)考慮擴(kuò)展相應(yīng)的監(jiān)測范圍，應(yīng)用線性化系統(tǒng)模型來計算濾波器的協(xié)方差矩陣和增益矩陣，將非線性系統(tǒng)線性化。

4 結(jié)束語

電液伺服系統(tǒng)的故障診斷是一個非常活躍的研究領(lǐng)域，通過引入新技術(shù)和新理論，可以不斷地對其進(jìn)行開發(fā)和改進(jìn)。①各種智能故障診斷方法可以進(jìn)行整合、相互補(bǔ)充，充分發(fā)揮各種診斷方法的作用，以提高故障診斷的整體性能。②可以結(jié)合先進(jìn)信號處理技術(shù)、虛擬技術(shù)，進(jìn)行大型便攜式診斷技術(shù)的開發(fā)。③故障排除策略更加強(qiáng)力。應(yīng)用新的理論和方法來制定有效且穩(wěn)健的故障排除策略，是診斷電液伺服系統(tǒng)的一個具有挑戰(zhàn)性的課題，科學(xué)研究人員將會不斷地對其進(jìn)行挑戰(zhàn)。④故障診斷將是多維性的，也就是多重診斷系統(tǒng)，考慮在有限輸出設(shè)計下利用具有不同誤差敏感度的殘差，實現(xiàn)多誤差診斷。⑤目前，SVM在電液伺服系統(tǒng)誤差診斷領(lǐng)域的應(yīng)用還處于測試實驗階段，未來將會有更多的研究。⑥將使用更多的微處理器控制。微處理器可將傳感器從單一功能轉(zhuǎn)換為自動校正、檢測、報警等多種功能，實現(xiàn)對傳感器的自動控制，將診斷工作進(jìn)一步細(xì)化?？傊梢灶A(yù)見到的未來，電液伺服系統(tǒng)的故障診斷一定會具有一片非常繁華的景象，更加科學(xué)、更加高效。