工程机械液压系统故障监测诊断及运用研究

李双文 李 岚

（1.南华大学，衡阳 421001；2.衡阳技师学院，衡阳 421000）

在科学技术时代下，工程机械在日常生产中的应用愈加广泛，且工业生产领域对工程机械的需求量不断增加。但随着工程机械普及范围不断扩大，所造成的安全事故也频繁发生。通过对工程机械常见故障的分析得知，其主要问题就是液压系统故障，严重影响工程施工效率，甚至会造成安全事故问题。针对此类情况，相关部门和科研人员也加强对工程机械液压系统故障检测技术的研究，多年来取得了一定的成效。

1 工程机械故障诊断需求分析

通常情况下，工程机械生产环境十分恶劣，再加上近些年新型工程机械内部结构更加复杂，在日常使用中容易受到粉尘、风雨侵蚀等因素影响，从而造成一系列故障问题，对工程施工十分不利。再者，由于工程机械体积庞大，所以技术人员往往只能在施工现场对机械展开检测，不仅检测工作实施起来十分困难，同时也难以检测隐患故障。针对此类问题，随着我国科学技术不断发展，相关人员开始利用新技术对工程机械故障问题进行诊断，旨在提高工程机械故障诊断质量和效率，为工程建设提供更强大的保障。在计算机信息技术支持下，微电子、智能化、数字化的故障诊断技术诞生，为工程机械日常检修工作提供了更好的服务。而工程机械液压系统故障监测技术就是在此基础上产生的，为技术人员诊断故障、排除故障提供了技术支持。

2 工程机械液压系统故障监测诊断技术应用现状

2.1 基于液压装置信息监测

2.1.1 在线监测动态信号

液压系统运行中的动态参数有很多，例如，振动、运转速率、噪声、流量、压力、电气等，而这些运行信息都可以通过传感器检测出实际数据，并通过所采集数据的实时更新实现全天24小时监测，如滤波器、放大信号调理以及A/D转换装置，等等。动态信号监测手段不仅能够对整个液压系统参数进行监测，还可以对某个元器件运行参数进行监测。信号检测技术在液压系统监测中占据重要地位，要求所采集的信号真实、准确，所以，做好传感器的选择以及设计安装都十分重要。在某种程度上，信号检测技术的应用水平是由传感器设备信号采集精度决定的。

2.1.2 工作状态识别与诊断

模糊诊断法。模糊诊断法通常是采用IF-THEN形式，主要是模仿人类的大脑神经，从而对工程机械运行状态进行检测。

神经网络诊断法。神经网络系统主要是模仿人类大脑神经元而提出的一项智能化技术，可以构建一种非线性动力学网络。该技术具备十分强大的问题处理能力，还具备学习功能，由于当今我国智能技术还不够成熟，因此，该技术在实际应用中也较为局限，无法实现大规模推广使用。

专家系统诊断法。不同型号的工程机械内部的液压系统运行本质上都存在一定的共性，如通过分析伺服阀结构即可判定其故障点。也正是利用这些共性，在液压系统故障诊断中累积了很多专家知识，并将这些知识存储到数据库中，通过对比液压系统相似的故障情况即可得出结果，从而为液压系统故障诊断奠定了良好的基础。

2.2 基于油渍污染检测

2.2.1 检测油液颗粒污染度

该项技术主要是对油污进行分析，从而判断液压系统是否存在故障问题，在实际应用中的方法为：结合专家系统知识库内容，构建一个油液颗粒污染度和液压系统、元器件参数样本库，采用专家推理系统对液压系统运行状态进行诊断和预测，该方法的关键点在于对油液颗粒污染物的检测精度。针对此类问题，国际上已经提出了关于油液污染度的检测标准。该方法经历了三个发展阶段，包括实验室分析检测、便携式检测仪器检测、在线检测。

2.2.2 检测油液理化性能

在液压系统中，不同元器件的运动部分材料都会存在一定差异，所以，通过液压油当中的金属、非金属含量变化即可判定整个液压系统磨损、密封状况。通过分析液压油理化指标即可分析液压系统的运行变化，如油液粘稠度、酸碱度等。配合专家分析系统，构建液压油理化性能以及液压系统、元器件状态参数的样本库，结合专家系统的推理功能，从而对整个液压系统运行状态进行判定。但该项技术在实际应用中，对油液参数、金属含量等的分析精度要求非常高，监测周期相对较长，所以，更适用于十分重要的液压系统故障监测。

3 新型工程机械液压系统故障监测诊断技术

3.1 人工神经网络与解析容灾储备联合技术

解析容灾技术可以分为两种，即立足于形态推测法和立足于参数推测法。该两种技术不利于故障问题分离和技术联合进行诊断推测，但可以正确得出运行参数。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：辨认最佳阈值问题；鲁棒性检验问题；可分离检测性问题，限制了它的使用。由于其具有很高的非线性因素，也就是伺服阀压力性质，因此，属于非线性系统。而配合上人工神经网络可以有效提高工作效率，主要实现方法有：第一，将非线性系统中不一样故障、环境进行线性测量，这样即可利用混合神经系统和HNN推测体制模参数，再通过模糊样式即可进行故障诊断；第二，在任何时刻系统的模型参数，通过利用径向基函数（RBFNN）即可推测运行信息，参考液压系统工作点平时工作或标准模型参数进行对比，即可诊断其中的故障问题。由于液压系统是一种非线性系统，解析容储操作系统（DOS）中含有的观测器组织难以实现，这时即可应用人工神经网络中靠近非线性映射的功能，也就是采用反向神经网络（BPNN）组织确保监测结果的准确性。

3.2 小波分析、模糊逻辑及ANN联合诊断法

小波分析能够局部分析时频信号，利用小波改变模最大值检测出信号异样，并能够在显示器中显示组成结构，该项技术在突发故障的诊断中有着很强的适应性，可以概况突发信号的异样性，从而发现伺服阀相关问题。该项技术的数值大小定量分析主要通过Lipschitz指数实现。另外，合理小波尺度，即可对信号实行重新组织，将小波尺度噪声频率段内去除，并重新组织信号，这样一来，其中的信号就能涵盖体系信息、故障信息，所以，在实际应用中只需要提升ANN技术性，即可应用小波变化对噪声扰乱鲁棒性使用进行预处理。针对ANN信息处理的绝对性问题，可以让模糊逻辑与ANN联合，突出二者的优势。模糊人工神经网络（FNN）由于信息检测精度更高，可同时处理语义方式的输入，与模糊属性的数据相适应，且诊断结果是多类故障的集合，这就解决了ANN技术诊断的绝对性。

4 结语

结合我国液压机系统发展现状来看，虽然已经应用了先进传感器和技术，但大部分诊断技术都是单一形式，且部分技术已经应用了十几年，在实际应用中存在一定的局限性。因此，相关领域也提出了人工神经网络与解析容灾储备联合技术以及小波分析、模糊逻辑及ANN联合诊断法，解决个别技术的单一性和绝对性，实现了技术优势上的综合。