技術(shù)支持
對(duì)液壓泵故障特征的分散性和模糊性，提出基于振動(dòng)和壓力傳感器的信息融合故障診斷方法。在充分分析液壓泵球頭松動(dòng)故障機(jī)理的基礎(chǔ)上，對(duì)振動(dòng)信號(hào)和壓力信號(hào)進(jìn)行小波消噪處理，有效提取球頭松動(dòng)的故障特征。將不同類型特征參數(shù)進(jìn)行特征層融合，利用主成分分析和改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)液壓泵球頭松動(dòng)故障診斷。試驗(yàn)表明，基于不同類型傳感器信息融合故障診斷方法可以有效地實(shí)現(xiàn)液壓泵微弱故障的診斷。
引言
液壓泵是液壓系統(tǒng)的心臟，其故障診斷是液壓系統(tǒng)故障診斷的重要部分。由于流體的壓縮性、泵源與伺服系統(tǒng)的流固耦合作用及液壓泵本身具有大幅度的固有機(jī)械振動(dòng)，使得液壓泵的故障機(jī)理復(fù)雜，故障特征提取困難，故障診斷的模糊性強(qiáng)。大量的液壓泵故障診斷數(shù)據(jù)表明，通過(guò)泵源出口檢測(cè)到的故障信號(hào)常被干擾信號(hào)淹沒(méi)，單一故障檢測(cè)信號(hào)常呈現(xiàn)出強(qiáng)的模糊性，采用常規(guī)的信號(hào)處理方法難以提升有效的故障特征。
從故障診斷學(xué)的角度來(lái)看，任何一種診斷信息都是模糊的、不精確的，對(duì)任何一種診斷對(duì)象，用單一信息來(lái)反映其狀態(tài)行為都是不完整的，如果從多方面獲取同一對(duì)象的多維故障冗余信息加以綜合利用，就能對(duì)系統(tǒng)進(jìn)行更可靠更精確的監(jiān)測(cè)和診斷。本文針對(duì)柱塞泵球頭松動(dòng)故障模式，通過(guò)在液壓泵出口配置振動(dòng)傳感器和壓力傳感器進(jìn)行故障檢測(cè)，通過(guò)小波分析進(jìn)行信號(hào)消噪處理，利用主成分分析提取有效融合信息，采用改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)液壓泵微弱信號(hào)或多故障的有效診斷。
1、液壓泵球頭松動(dòng)故障機(jī)理分析
由于制造誤差或液壓泵在工作過(guò)程中的壓力沖擊，常常使柱塞球頭與球窩沉凹變形使球頭與球窩間隙增大，從而產(chǎn)生柱塞球頭松動(dòng)的故障。
1.1基于振動(dòng)信號(hào)的故障機(jī)理分析
液壓泵缸體在轉(zhuǎn)動(dòng)過(guò)程中，柱塞在油缸中往復(fù)運(yùn)動(dòng)。當(dāng)缸體轉(zhuǎn)過(guò)一定角度時(shí)，經(jīng)過(guò)上死點(diǎn)柱塞進(jìn)人吸油區(qū)，球頭與柱塞發(fā)生一次碰撞；當(dāng)缸體轉(zhuǎn)動(dòng)經(jīng)過(guò)上死點(diǎn)后，球頭開(kāi)始向柱塞方向運(yùn)動(dòng)，球頭與柱塞發(fā)生相對(duì)運(yùn)動(dòng)；當(dāng)轉(zhuǎn)過(guò)排油區(qū)時(shí)，高壓油作用在柱塞上，使柱塞迅速向球頭方向運(yùn)動(dòng)，從而又一次產(chǎn)生沖擊。缸體轉(zhuǎn)動(dòng)一周，球頭與柱塞發(fā)生兩次碰撞，經(jīng)過(guò)傳動(dòng)軸和軸承將能量傳遞到殼體上，故球頭松動(dòng)故障的振動(dòng)頻率為軸頻率的2倍。
1.2基于壓力信號(hào)的故障機(jī)理分析
球頭松動(dòng)對(duì)液壓泵出口的壓力脈動(dòng)也有影響。當(dāng)缸體轉(zhuǎn)過(guò)上死點(diǎn)時(shí)，球頭向柱塞方向運(yùn)動(dòng)，當(dāng)油缸的排油進(jìn)入卸荷區(qū)時(shí)，球頭與柱塞還未發(fā)生碰撞，這時(shí)在高壓油的作用下，柱塞又向球頭方向運(yùn)動(dòng)，球頭與球窩發(fā)生碰撞，產(chǎn)生振動(dòng)沖擊的同時(shí)，碰撞通過(guò)柱塞作用在高壓油上從而產(chǎn)生一個(gè)壓力脈動(dòng)，所以球頭松動(dòng)引起泵出口的壓力脈動(dòng)頻率與泵的軸頻率相同，由上述分析可知，如果球頭與球窩的間隙很小時(shí)，球頭與柱塞的相對(duì)速度不大，產(chǎn)生的碰撞能量很小。當(dāng)間隙增大時(shí)，產(chǎn)生的振動(dòng)能量就會(huì)增大，且具有周期變化的時(shí)變特性，殼體檢測(cè)的振動(dòng)能量通常分布于2倍軸頻率處；對(duì)于壓力脈動(dòng)信號(hào)，能量主要分布在軸頻率處。
1.3球頭松動(dòng)故障診斷系統(tǒng)
針對(duì)球頭松動(dòng)故障，在液壓泵出口垂直方向安裝了2個(gè)加速度傳感器ax、a。檢測(cè)振動(dòng)，1個(gè)壓力傳感器P檢測(cè)泵的壓力脈動(dòng)。由于液壓泵出口檢測(cè)到的振動(dòng)信號(hào)和壓力信號(hào)常被干擾信號(hào)淹沒(méi)，為了提取故障特征，對(duì)上述傳感器的檢測(cè)信號(hào)進(jìn)行小波消噪處理。
2、小波信號(hào)消噪處理
液壓泵的工作環(huán)境一般比較惡劣，其工況受環(huán)境的影響較大，通常在泵出口檢測(cè)到的信號(hào)含有很大的噪聲。試驗(yàn)表明，液壓泵出口檢測(cè)到的壓力信號(hào)和振動(dòng)信號(hào)體現(xiàn)出以下特點(diǎn)：①信號(hào)的頻譜分布很寬、波形雜亂，規(guī)律性差；②時(shí)變與非平穩(wěn)性表現(xiàn)明顯。
因此，基于這兩種信號(hào)的故障特征提取非常困難，有必要對(duì)檢測(cè)的信號(hào)進(jìn)行消噪處理。
小波分析是目前較有效的信號(hào)處理方法，它可以同時(shí)在時(shí)域和頻域中對(duì)信號(hào)進(jìn)行分析，能有效地區(qū)分信號(hào)中的突變部分和噪聲，實(shí)現(xiàn)信號(hào)的消噪。
泵出口振動(dòng)信號(hào)及其小波消噪后的信號(hào)，選取小波消噪的全局閾值為1.049。很明顯，檢測(cè)信號(hào)中包含了許多干擾信號(hào)，很難簡(jiǎn)單地利用檢測(cè)到的振動(dòng)信號(hào)進(jìn)行有效的故障診斷。為了消除干擾影響，經(jīng)過(guò)小波處理，可以有效地消除泵出口振動(dòng)信號(hào)中所包含的噪聲，有利于故障特征的提取。
3、信息融合故障診斷方法
信息融合是將多源信息加以智能合成，產(chǎn)生比單一信息源更精確、容錯(cuò)性和魯棒性更強(qiáng)的估計(jì)和判斷‘2’。由于液壓泵出口檢測(cè)到的信息微弱，易于被干擾所淹沒(méi)，很難利用單個(gè)傳感器的檢測(cè)信號(hào)進(jìn)行微弱故障特征的有效診斷。采用的信息融合故障診斷過(guò)程，即將振動(dòng)信號(hào)和壓力信號(hào)進(jìn)行小波消噪處理，利用統(tǒng)計(jì)分析提取有效特征信息，采用主成分分析(PrinciP81componentanalysis，PCA)有效解耦各故障特征間的相關(guān)性，減少故障特征的維數(shù)，采用改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)液壓泵球頭松動(dòng)故障診斷。
3.l特征層信息融合
特征層狀態(tài)屬性融合就是將對(duì)多種類型傳感器數(shù)據(jù)進(jìn)行預(yù)處理以完成特征提取及數(shù)據(jù)配準(zhǔn)，即通過(guò)傳感器信息轉(zhuǎn)換，把各傳感器輸人數(shù)據(jù)變換成統(tǒng)一的數(shù)據(jù)表達(dá)形式。
通過(guò)特征向量歸一化處理可以實(shí)現(xiàn)信息融合數(shù)據(jù)配準(zhǔn)。本文提取振動(dòng)信號(hào)和壓力信號(hào)的均值、峰值因子、特征頻率的能量值和功率譜幅值、四次矩等作為球頭松動(dòng)故障的特征向量。
3.2選取主成分
在新樣本空間上，逐次計(jì)算傳感器信息的綜合指數(shù)為主成分上的貢獻(xiàn)。令主成分貢獻(xiàn)綜合指數(shù)閾值為85%，根據(jù)貢獻(xiàn)綜合指數(shù)選取前幾個(gè)主成分，作為下一步信息融合的信息。
針對(duì)液壓泵正常和4種球頭松動(dòng)故障，各選取100個(gè)樣本，由于高度顯著，說(shuō)明這4組特征向量有十分明顯的差異，故此類故障的不同故障程度是可以診斷的。
選擇BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，對(duì)液壓泵正常和設(shè)置的4種球頭松動(dòng)故障在訓(xùn)練誤差精度要求下對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)改進(jìn)算法的學(xué)習(xí)和訓(xùn)練得到BP網(wǎng)絡(luò)的優(yōu)化權(quán)值矩陣。在實(shí)際使用時(shí)，利用BP神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣及其改進(jìn)算法實(shí)現(xiàn)多故障的有效診斷。其中輸出節(jié)點(diǎn)1表示液壓泵正常時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)2表示間隙為6μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)3表示間隙為9μm神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)4表示間隙為12μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)5表示15μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值。
利用BP神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法可以有效診斷不同間隙大小的球頭松動(dòng)故障。
4、結(jié)論
本文通過(guò)液壓泵出口的振動(dòng)信號(hào)和壓力信號(hào)，通過(guò)小波消噪處理有效提取故障特征，利用PCA分析很大程度上減少了信息融合特征向量的維數(shù)，通過(guò)可診斷性檢驗(yàn)證明PCA重新組合的特征向量可以實(shí)現(xiàn)多故障診斷。在BP算法中引人附加動(dòng)量項(xiàng)，獲得最優(yōu)學(xué)習(xí)率，通過(guò)改進(jìn)BP算法實(shí)現(xiàn)不同間隙大小球頭松動(dòng)故障的有效診斷。
引言
液壓泵是液壓系統(tǒng)的心臟，其故障診斷是液壓系統(tǒng)故障診斷的重要部分。由于流體的壓縮性、泵源與伺服系統(tǒng)的流固耦合作用及液壓泵本身具有大幅度的固有機(jī)械振動(dòng)，使得液壓泵的故障機(jī)理復(fù)雜，故障特征提取困難，故障診斷的模糊性強(qiáng)。大量的液壓泵故障診斷數(shù)據(jù)表明，通過(guò)泵源出口檢測(cè)到的故障信號(hào)常被干擾信號(hào)淹沒(méi)，單一故障檢測(cè)信號(hào)常呈現(xiàn)出強(qiáng)的模糊性，采用常規(guī)的信號(hào)處理方法難以提升有效的故障特征。
從故障診斷學(xué)的角度來(lái)看，任何一種診斷信息都是模糊的、不精確的，對(duì)任何一種診斷對(duì)象，用單一信息來(lái)反映其狀態(tài)行為都是不完整的，如果從多方面獲取同一對(duì)象的多維故障冗余信息加以綜合利用，就能對(duì)系統(tǒng)進(jìn)行更可靠更精確的監(jiān)測(cè)和診斷。本文針對(duì)柱塞泵球頭松動(dòng)故障模式，通過(guò)在液壓泵出口配置振動(dòng)傳感器和壓力傳感器進(jìn)行故障檢測(cè)，通過(guò)小波分析進(jìn)行信號(hào)消噪處理，利用主成分分析提取有效融合信息，采用改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)液壓泵微弱信號(hào)或多故障的有效診斷。
1、液壓泵球頭松動(dòng)故障機(jī)理分析
由于制造誤差或液壓泵在工作過(guò)程中的壓力沖擊，常常使柱塞球頭與球窩沉凹變形使球頭與球窩間隙增大，從而產(chǎn)生柱塞球頭松動(dòng)的故障。
1.1基于振動(dòng)信號(hào)的故障機(jī)理分析
液壓泵缸體在轉(zhuǎn)動(dòng)過(guò)程中，柱塞在油缸中往復(fù)運(yùn)動(dòng)。當(dāng)缸體轉(zhuǎn)過(guò)一定角度時(shí)，經(jīng)過(guò)上死點(diǎn)柱塞進(jìn)人吸油區(qū)，球頭與柱塞發(fā)生一次碰撞；當(dāng)缸體轉(zhuǎn)動(dòng)經(jīng)過(guò)上死點(diǎn)后，球頭開(kāi)始向柱塞方向運(yùn)動(dòng)，球頭與柱塞發(fā)生相對(duì)運(yùn)動(dòng)；當(dāng)轉(zhuǎn)過(guò)排油區(qū)時(shí)，高壓油作用在柱塞上，使柱塞迅速向球頭方向運(yùn)動(dòng)，從而又一次產(chǎn)生沖擊。缸體轉(zhuǎn)動(dòng)一周，球頭與柱塞發(fā)生兩次碰撞，經(jīng)過(guò)傳動(dòng)軸和軸承將能量傳遞到殼體上，故球頭松動(dòng)故障的振動(dòng)頻率為軸頻率的2倍。
1.2基于壓力信號(hào)的故障機(jī)理分析
球頭松動(dòng)對(duì)液壓泵出口的壓力脈動(dòng)也有影響。當(dāng)缸體轉(zhuǎn)過(guò)上死點(diǎn)時(shí)，球頭向柱塞方向運(yùn)動(dòng)，當(dāng)油缸的排油進(jìn)入卸荷區(qū)時(shí)，球頭與柱塞還未發(fā)生碰撞，這時(shí)在高壓油的作用下，柱塞又向球頭方向運(yùn)動(dòng)，球頭與球窩發(fā)生碰撞，產(chǎn)生振動(dòng)沖擊的同時(shí)，碰撞通過(guò)柱塞作用在高壓油上從而產(chǎn)生一個(gè)壓力脈動(dòng)，所以球頭松動(dòng)引起泵出口的壓力脈動(dòng)頻率與泵的軸頻率相同，由上述分析可知，如果球頭與球窩的間隙很小時(shí)，球頭與柱塞的相對(duì)速度不大，產(chǎn)生的碰撞能量很小。當(dāng)間隙增大時(shí)，產(chǎn)生的振動(dòng)能量就會(huì)增大，且具有周期變化的時(shí)變特性，殼體檢測(cè)的振動(dòng)能量通常分布于2倍軸頻率處；對(duì)于壓力脈動(dòng)信號(hào)，能量主要分布在軸頻率處。
1.3球頭松動(dòng)故障診斷系統(tǒng)
針對(duì)球頭松動(dòng)故障，在液壓泵出口垂直方向安裝了2個(gè)加速度傳感器ax、a。檢測(cè)振動(dòng)，1個(gè)壓力傳感器P檢測(cè)泵的壓力脈動(dòng)。由于液壓泵出口檢測(cè)到的振動(dòng)信號(hào)和壓力信號(hào)常被干擾信號(hào)淹沒(méi)，為了提取故障特征，對(duì)上述傳感器的檢測(cè)信號(hào)進(jìn)行小波消噪處理。
2、小波信號(hào)消噪處理
液壓泵的工作環(huán)境一般比較惡劣，其工況受環(huán)境的影響較大，通常在泵出口檢測(cè)到的信號(hào)含有很大的噪聲。試驗(yàn)表明，液壓泵出口檢測(cè)到的壓力信號(hào)和振動(dòng)信號(hào)體現(xiàn)出以下特點(diǎn)：①信號(hào)的頻譜分布很寬、波形雜亂，規(guī)律性差；②時(shí)變與非平穩(wěn)性表現(xiàn)明顯。
因此，基于這兩種信號(hào)的故障特征提取非常困難，有必要對(duì)檢測(cè)的信號(hào)進(jìn)行消噪處理。
小波分析是目前較有效的信號(hào)處理方法，它可以同時(shí)在時(shí)域和頻域中對(duì)信號(hào)進(jìn)行分析，能有效地區(qū)分信號(hào)中的突變部分和噪聲，實(shí)現(xiàn)信號(hào)的消噪。
泵出口振動(dòng)信號(hào)及其小波消噪后的信號(hào)，選取小波消噪的全局閾值為1.049。很明顯，檢測(cè)信號(hào)中包含了許多干擾信號(hào)，很難簡(jiǎn)單地利用檢測(cè)到的振動(dòng)信號(hào)進(jìn)行有效的故障診斷。為了消除干擾影響，經(jīng)過(guò)小波處理，可以有效地消除泵出口振動(dòng)信號(hào)中所包含的噪聲，有利于故障特征的提取。
3、信息融合故障診斷方法
信息融合是將多源信息加以智能合成，產(chǎn)生比單一信息源更精確、容錯(cuò)性和魯棒性更強(qiáng)的估計(jì)和判斷‘2’。由于液壓泵出口檢測(cè)到的信息微弱，易于被干擾所淹沒(méi)，很難利用單個(gè)傳感器的檢測(cè)信號(hào)進(jìn)行微弱故障特征的有效診斷。采用的信息融合故障診斷過(guò)程，即將振動(dòng)信號(hào)和壓力信號(hào)進(jìn)行小波消噪處理，利用統(tǒng)計(jì)分析提取有效特征信息，采用主成分分析(PrinciP81componentanalysis，PCA)有效解耦各故障特征間的相關(guān)性，減少故障特征的維數(shù)，采用改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)液壓泵球頭松動(dòng)故障診斷。
3.l特征層信息融合
特征層狀態(tài)屬性融合就是將對(duì)多種類型傳感器數(shù)據(jù)進(jìn)行預(yù)處理以完成特征提取及數(shù)據(jù)配準(zhǔn)，即通過(guò)傳感器信息轉(zhuǎn)換，把各傳感器輸人數(shù)據(jù)變換成統(tǒng)一的數(shù)據(jù)表達(dá)形式。
通過(guò)特征向量歸一化處理可以實(shí)現(xiàn)信息融合數(shù)據(jù)配準(zhǔn)。本文提取振動(dòng)信號(hào)和壓力信號(hào)的均值、峰值因子、特征頻率的能量值和功率譜幅值、四次矩等作為球頭松動(dòng)故障的特征向量。
3.2選取主成分
在新樣本空間上，逐次計(jì)算傳感器信息的綜合指數(shù)為主成分上的貢獻(xiàn)。令主成分貢獻(xiàn)綜合指數(shù)閾值為85%，根據(jù)貢獻(xiàn)綜合指數(shù)選取前幾個(gè)主成分，作為下一步信息融合的信息。
針對(duì)液壓泵正常和4種球頭松動(dòng)故障，各選取100個(gè)樣本，由于高度顯著，說(shuō)明這4組特征向量有十分明顯的差異，故此類故障的不同故障程度是可以診斷的。
選擇BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，對(duì)液壓泵正常和設(shè)置的4種球頭松動(dòng)故障在訓(xùn)練誤差精度要求下對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)改進(jìn)算法的學(xué)習(xí)和訓(xùn)練得到BP網(wǎng)絡(luò)的優(yōu)化權(quán)值矩陣。在實(shí)際使用時(shí)，利用BP神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣及其改進(jìn)算法實(shí)現(xiàn)多故障的有效診斷。其中輸出節(jié)點(diǎn)1表示液壓泵正常時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)2表示間隙為6μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)3表示間隙為9μm神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)4表示間隙為12μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)5表示15μm時(shí)神經(jīng)網(wǎng)絡(luò)的輸出值。
利用BP神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法可以有效診斷不同間隙大小的球頭松動(dòng)故障。
4、結(jié)論
本文通過(guò)液壓泵出口的振動(dòng)信號(hào)和壓力信號(hào)，通過(guò)小波消噪處理有效提取故障特征，利用PCA分析很大程度上減少了信息融合特征向量的維數(shù)，通過(guò)可診斷性檢驗(yàn)證明PCA重新組合的特征向量可以實(shí)現(xiàn)多故障診斷。在BP算法中引人附加動(dòng)量項(xiàng)，獲得最優(yōu)學(xué)習(xí)率，通過(guò)改進(jìn)BP算法實(shí)現(xiàn)不同間隙大小球頭松動(dòng)故障的有效診斷。
