液压系统故障诊断技术的更新

2016-07-13邓明达

大科技 2016年36期

关键词：人工神经网络鲁棒性故障诊断

邓明达

（湖南省湘潭凤凰中学 411228）

液压系统故障诊断技术的更新

邓明达

（湖南省湘潭凤凰中学 411228）

液压系统属于机电液一体化系统，具有非线行、机电液耦合、时变性的特征，其故障的诊断非常复杂。本文主要针对液压系统几种常用的故障诊断技术进行阐述。

液压系统故障；诊断技术；类别；应用

经过几十年的发展，液压系统的功能越加完善，同时液压系统的结构越加复杂，由于液压系统通过封闭管道内的受压介质实现能量的转换和传递，不如电力传动和机械传动那样直观、易于观察，使得液压系统的运行状态不易观察。当代液压系统的发展迅速、机能高、功率大，新型技术的应用有效提升了系统的安全可利用性，但是，系统在运行的过程中难免出现故障，且故障问题方位、故障问题的判断也十分困难。当前液压系统多使用单一的诊断方法，存在限制，为此，有必要研究一种新型的液压系统故障诊断技术。

1 人工神经网络与解析容灾储备联合诊断法

解析容灾储备法分为两种，其一是立足于形态推测的方法，还有一种是立足于参数推测的方法，该种方式不利于故障问题的分离和多种故障的联合诊断是形态推测，但是可以得出正确的参数推测。而舵机液压系统的频分双工问题在故障检测滤波器法的应用中存在几个难题：①辨认最佳阈值问题；②鲁棒性检验问题；③可分离检测性问题，于是就限制了它的使用。液压系统有着经典的非线性表现如：全溶、无活角、变增益、摩擦、游隙，除此之外，还有极高非线性因素即伺服阀的压力性质，所以它的性质本质为非线性系统。

传统的解析容灾储备法可以应用于辨别由变化工作点引起的，还是因故障问题引起的系统参数的转变。利用人工神经网络（ANN）法进行处理可以有效提升工作效率，快速找出故障。它的方法有：①将非线性系统针对不一样的工作点、不同的故障或平常环境的线性进行测量，利用混合神经系统即HNN同时推测体制模参数，用模糊样式辨识技术实现故障诊断。②系统在任何时刻的模型参数，任意选择参考工作点，根据径向基函数（RBFNN）实现推测，与体制在参考工作点平时情况下工作时的模型参数相比较，实现故障诊断。对于非线性系统——液压系统，解析容储操作系统（DOS）法里的奉献观测器的组织不好实现，便可用人工神经网络实现靠近非线性映射的技能，借用反向神经网络（BPNN）组织提升观测结果的准确性。

因为液压系统的非线性不确定体系，实现精确建模是比较难的，其是在假设、简略、相近下所获有的现存模型，解析容储方法的鲁棒性相对较差。哪怕结合了ANN的好处，这一缺陷也无法得到解决。目前，鲁棒性观测数据的后向频分双工（FDD）法成为现在的研究热点。

2 小波分析、模糊逻辑及ANN联合诊断法

小波分析的好处在于可以对信号的时频进行局部解析，可用小波改变模最大值检测出信号异样点并显示它的组成，所以非常适合应用于突发故障的诊断中。这一技术可以对突发信号的异样性实行定量概括，解决伺服阀多问题，故障发生时其值大小的定量分析可用Lipschitz指数实现。另外，合理选择小波尺度，可以在合理尺度的小波基上对信号实行重新组织，除去噪声频率段内的小波尺度，确保重新组织的信号仅仅涵盖体系信息及故障信息，只要提升ANN技术性，就可以对噪声扰乱鲁棒性使用小波变换实行预处理。

ANN有两大类，即模式辨认与知识处理。为提升正确率，减少少报和错报率，ANN在新故障显现时会调换权值、阈值。ANN在故障判断中有绝对性，与现实不尽符合。如果把模糊逻辑与ANN相互联合，就能尽可能的突出两者优势。模糊人工神经网络（FNN）的准确性也非常高，可同时处理语义方式的输入，适宜应用于模糊属性的数据数据，其诊断结果会是多类故障的录属度，如此就解决了ANN传统诊断的绝对性。

3 ES与ANN联合诊断法

在ES中引进FT和模糊数学的方法，借助“故障问题率”和“故障问题可查率”的处理观念，可以自动生成FT，用启发形式的方法指引进程故障问题的判断，可以有效提升诊断效率，ES推理中的连合爆炸问题如此也可以完美的解决。在液压体系问题诊断ES时，套用研究各式的定性模型也十分灵活。在电液伺服体系问题诊断时，难以实现的是单立足于规则的启发式体系，因为它的机制极其复杂。双层诊断体系模型，克服传统诊断的弊端，立足于人工智能的模型，全方位提升了局部诊断问题的效率。