发射车液压系统状态监测与故障诊断方法研究

陈 伟，孙 阳

（1.海军航空工程学院，山东烟台264001；2.中国人民解放军总装备部综合计划部，北京100034）

液压系统具有功率质量比大、动作灵敏、布局灵活、运动平稳、易于实现自动化控制和过载保护、使用寿命长等优点，目前广泛应用于现代化制造、重型机械设备、航空航天等领域。其在导弹发射车上的应用，主要是完成导弹发射车的支撑与调平、发射架的起竖和锁紧等功能，是顺利完成预定发射任务的先决条件。由于液压系统是通过封闭管道内的受压介质实现能量的转换和传递，因而其故障具有隐蔽性、多样性、不确定性和因果关系复杂等特点[2]，很难准确地判断故障发生的具体部位。液压系统一旦发生故障，便会造成发射车无法完成发射任务。因此，如何及时发现和处理出现的故障，对于液压系统的安全可靠运行具有重要意义。

为了提高发射车液压系统的可靠性，本文针对某型发射车液压系统的实际情况，研究考虑液压系统健康状态评估的在线监测与故障诊断方法。

1 发射车液压系统分析

本文以实现起竖/回平动作的起竖液压系统为例，分析某型导弹发射车液压系统组成和工作原理，如图1所示。

图1 起竖液压系统原理图

通常情况下，液压泵工作时，由底盘发动机提供动力，当满足起竖条件后，启动底盘发动机，通过取力器带动机动泵转动，为系统提供一定压力和流量的液压油，发射车进行三联装起落架起竖动作。通过手动或车控设备，控制PSL型多路换向阀组中的起竖油缸控制阀，使油液从换向阀片流出后通过平衡阀、分流集流阀、液控单向阀和节流阀，推动起竖油缸伸出，完成起竖动作，其中叠加式液控单向阀用以保持起竖后的精度。回平时，通过手动或电气系统控制PSL型多路换向阀组中的起竖油缸控制阀，控制起竖油缸缩回。由平衡阀保证其液压缸下落时的平稳性和安全性。其中，分流集流阀保证两个液压油缸在实际系统中的同步，避免设备受力不平衡而损坏。

针对图1 所示液压系统，可按照三级层次结构分析故障模式，分别是系统级、模块级和元件级。系统级的故障主要表现为对外输出的总体特性，包括无法起竖、起竖不稳定、起竖后姿态不能保持、回平不稳定；模块级主要包括动力源模块的油温过高、输出油压过低，起竖模块的两缸不同步、液压锁失效、节流阀失效、分流集流阀失效、平衡阀失效、换向阀失效；元件级更为具体，针对不同元件表现出多种多样的故障模式，利用FMEA 的分析思想，可以针对每一元件进行详细分析，示例如表1所示。

表1 元件级故障模式及影响分析示例

2 状态监测与故障诊断流程设计

针对液压系统的故障诊断方法已有较多研究，本文是在传统故障诊断的基础上，考虑系统、模块和元件的健康度，在故障诊断的同时评判系统状态，同时考虑了在线信息和历史状态数据，有利于尽早发现系统的劣变，及时评估和诊断出故障所在，保证系统运行的安全性和可靠性。流程如图2所示。

图2 健康评估与诊断模块

1）在线获取监测数据。通过传感器和信号采集元件等，在线动态获取系统运行监测信号。通过适当处理后，为系统的健康状态评估和故障诊断定位提供数据支持。

2）工况稳定判断。为确保监测数据有效准确，必须在系统运行稳定时采集数据。否则，对数据的干扰较大，可能会出现错误的评估结果。为此，需要利用转速等参数判断工况是否稳定，为后续的健康评估与诊断提供有效数据。

3）确定健康度。根据确定的健康度计算算法，对获取的有效数据进行计算，给出表征健康水平的综合性指标数值，用健康度表征系统持续应对所处环境，并完成规定任务的能力程度。

4）确定健康等级。利用由专家知识确定的健康度阈值，根据上一环节计算的健康度，将健康状态划分为4个等级。

①健康，指设备/部件的健康处于非常良好的状态，没有出现性能衰退或性能衰退不显著。

②亚健康，指设备/部件出现了潜在故障，性能出现部分降级，但仍能正常使用。

③危险，指设备/部件的性能已经接近功能性失效，功能丧失非常严重。

④失效，指设备/部件已经发生功能性失效，彻底丧失完成任务的能力，处于失效/故障状态。

故障判断与定位。通常情况下，故障诊断是在现行故障出现后启动的一种活动，而本文所设计的流程中，一旦监测到潜在故障，同样启动故障判断与定位活动，这有利于及早发现、消除故障。

3 基于健康度的健康状态评估方法

健康度是一个综合定量指标，是对液压系统健康状况的定量度量[3-4]，通过考虑现有各元件健康状态、模块健康状态、历史状态变化趋势等信息，综合归一化处理，用0～1 之间的数值进行表示，并将健康状况划分为4 个健康等级，分别运用专家知识确定4 个等级的分界值。其中，健康度越接近于1 表明系统越健康，而健康度的下降表明系统健康状态发生退化，连续退化时就要考虑系统发生故障的可能性。

针对图1 所示液压系统的健康度求解问题，可运用自组织特征映射网络（SOM，Self—Organizing Maps）算法，SOM 算法是人工神经网络的一种类型，它以无监督竞争学习的方式进行网络训练，具有自组织的功能，适于用做最近邻分类器[5-6]。通过对网络进行训练，能够自动地对网络的输入进行分类，从而达到聚类的效果。

对于每一实时特征数据X，在SOM网络中都会有一个最佳匹配单元（BMU）与其相对应。通过计算所输入实时特征数据X与BMU之间的距离即最小量化误差（MQE），可定量得出实时数据与正常数据的偏离状况。

运用归一化，将所得MQE转化为CV（Confidence Value，CV）值（0～1），此时的CV值就能表征设备当前的健康状态。

具体包括2个阶段：

1）观测器的建立。由于液压元件的数学模型在不同工况下难以确定，需要建立RBF神经网络观测器进行监测阀的健康状况。观测器的建立只需要用到起竖时的正常输入和输出数据，确定训练样本进行训练再测试，看精度和泛化是否满足要求，流程如图3所示。

2）CV值的确定。由正常时观测器得到的残差与实测数据通过观测器得到的残差分别经过GMM（Gaussian mixture model，GMM）算法[7]，得到各自GMM 模型的概率密度函数，即可根据公式得到CV值，具体流程如图4所示。

图3 观测器的建立

图4 GMM算法

4 基于故障树的故障诊断与定位

快速实现故障诊断与定位，是研究液压系统在线监测与故障诊断的主要目的。经验表明，运用故障树分析法能够有效进行故障诊断和定位，是工程中常用的故障分析方法。该方法在液压系统的故障诊断中有着广泛的应用[8-9]。

故障树分析法（Fault Tree Analysis，FTA）是一种评价复杂系统可靠性与安全性的重要方法。它是可靠性工程的重要分支，是分析系统故障因果关系的有效技术[10]。故障树分析法把所研究系统最不希望发生的故障状态作为研究目标，然后寻找直接导致这一故障发生的全部因素，再找出造成下一级事件发生的全部直接因素，一直追查到那些原始的、故障机理或概率分布都是已知的，因而毋需再深追究的因素为止。

针对图1 所示起竖液压系统，以无法起竖这一典型故障为例，建立故障树如图5 所示。故障树中底事件含义见表2。

图5 发射筒无法起竖故障故障树

表2 故障树事件含义表

求故障树最小割集就是进行故障定位的过程，方法很多，常用的有上行法和下行法两种[11-12]，但这种采用遍历搜索的方法盲目性较大，且较费时，最终可能导致诊断效率低。因此，本文提出基于故障模式及影响分析结论，综合考虑故障概率、影响程度和监测成本，并结合故障树中搜索成本求解故障定位的搜索序列，对故障概率高、搜索成本低及影响程度大的最小事件优先排查，可以提高故障定位效率，流程如图6所示。

图6 故障搜索方案确定流程图

如图6 所示，首先根据考虑的影响因素确定决策矩阵，这些影响因素包括故障概率、影响程度、搜索成本和监测成本等，其属性值可由数据统计方法、FMECA方法及人工智能方法等确定。由于建立的搜索决策矩阵使用了不同物理维度的性能指标，必须按归一化理论进行规范化，得到规范化矩阵。根据各种影响因素对系统的影响程度，确定各影响因素的权重值，建立影响权值矩阵，该矩阵一般有专家或专家系统确定给出。进一步可计算出加权规范化矩阵，利用逼近理想解的排序方法，确定最接近理想解的最优解，并对该方案的贴近度等性能进行评估，最终确定搜索方案。

5 方法应用

针对某型导弹发射车实际情况，通过采集和监测液压泵的振动信号、平衡阀前后压力状态及压差、集流分流阀的前后压力状态及压差等信号，通过对特征信号进行进一步的加工处理，提取其特征参量，包括特征信号的峰值、峰峰值、均方根值、波形指标、峰值指标、脉冲指标、裕度指标和峭度指标等8 个时域参数，以及小波包分解后各频带的能量作为特征参量。综合运用上述研究方法，开发轮式导弹发射车健康管理系统，可以实现液压系统的信号监测、状态评估和故障诊断功能，如图7所示。

图7 状态评估显示

6 结束语

本文通过研究健康度评估、故障诊断与定位技术，提出了液压系统的状态监测与故障诊断实现流程，并开发了相应的健康管理系统。在液压系统的在线监测和故障诊断的过程中，同步实现系统的健康状态评估，通过监测健康度的变化捕获隐含故障，及早发现故障、定位故障和解决故障，有效的在线监测和故障诊断有利于提高发射车的可靠性。

[1] 贾铭新.液压传动与控制[M].北京：国防工业出版社，2006：1-6.

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

[2] 周召发，李锋.大型武器装备液压系统快速故障诊断系统设计[J].机床与液压，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] 张小明，刘建敏，乔新勇，等.柴油机健康状况评估及其方法[J].装甲兵工程学院学报，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，沈继红.基于模糊集理论的传感器健康度评价方法[J].电机与控制学报，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] 余金宝，谷立臣，孙颖宏.利用SOM 网络可视化方法诊断液压系统故障[J].工程机械，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] 贺康，庞海荣，代粉蕾，等.SOM神经网络在全液压钻机液压系统故障诊断中的应用[J]. 煤矿机械，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] 吴奎，宋彦，戴礼荣，等.基于CUDA 的GMM 模型快速训练方法[J].数据采集与处理，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] 倪绍徐，张裕芳，易宏，等.基于故障树的智能故障诊断方法[J].上海交通大学学报，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] 苏欣平，吴学深，杨成禹，等.基于故障树的叉车液压系统故障诊断研究[J]. 机床与液压，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]金晓志，洪荣晶.FTA在液压故障诊断系统中的应用[J].机械设计与制造，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]苏凡囤，袁博，张琦，等.基于FTA的轮式推土机液压系统故障模式研究[J].中国工程机械学报，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] 梁光辉，李兆军. 液压挖掘机回转系统故障树分析[J].液压与气动，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）