神经网络的泵车典型液压故障诊断系统的分析与设计

杜少华

【摘    要】随着现代生产的发展，生产水平的快速提高，人们对故障诊断技术的重视程度越来越高。长期以来，人们对运动学、信号处理等研究较为透彻，但相比之下，液压系统故障诊断较为浅显。液压泵是液压系统的核心，直接影响着液压系统的正常运行，决定着整个系统的效率。文主要分析泵车典型液压故障类型，为更好地进行泵车液压系统故障诊断，提出基于LabVIEW以及BP网络神经的诊断方法，进一步完善和提高故障诊断准确度和精确度。

【关键词】神经网络  液压故障 分析与设计

中图分类号：G4     文献标识码：A DOI：10.3969/j.issn.1672-0407.2020.08.146

随着现代化的快速发展，人们对液压系统的发展要求也越来越高，液压系统朝着高精度、快速方向发展，结构也变的越发复杂，工作精度要求也越来越高，致使液压系统出现故障可能性也逐渐增大。为加快解决泵车典型液压故障，提高泵车工作效率，本文主要对液压典型故障进行分析，从而提出基于LabVIEW图像编辑语言以及BP神经网络，从软件方面对泵车典型液压故障诊断系统进行完善，避免在实际操作中对泵车工作造成较大影响，进一步提高泵车的工作效率以及准确度。

1.泵车典型液压故障分析及设计

1.1泵车典型液压故障分析

1.1.1泵车工作原理。

混凝土泵车是一种将用于泵送混凝土的泵送系统和用于布料的臂架系统集成在汽车底盘上的设备，泵送系统利用底盘发动机的动力，将料斗内的混凝土加压送入管道内，管道附在臂架上，操作人员控制臂架移动，将泵送系统泵出的混凝土直接送到浇注点。

1.1.2常见故障。

（1）臂架自动下沉。

①设备类型所有型号泵车。

②故障现象臂架展开后自动下沉。

③故障分析与诊断臂架下沉有如下几个原因：

A.臂架油缸中進入空气，因空气的压缩性比较大，臂架在不同的位置负载不同，当负载增加时，因空气压缩导致臂架油缸伸缩，臂架下沉。

B.臂架油缸内泄。当油缸受压时，如图1所示，若有内泄，则A腔油向B腔泄漏，并在一段时间后达到平衡，这时A、B腔压强相等，油压的有效作用面积只相当于活塞杆的横截面，而负载不变，所以油压必须升高才能与负载平衡。若活塞杆与活塞横载面积相差比较大，则油压有可能性超过平衡阀的设定力，使平衡阀打开，臂架下沉。当油缸受拉时，如下图所示，则B腔油向A腔泄漏，因B腔有效横截面积小于A腔，所以B腔油不足以补充A腔，油缸中将产生真空，随着油缸的下沉，真空度不断增大。可将臂架收回至极限位置，憋压、观察油缸回油腔是否有油液流出。若有，则为油缸内泄。

C.平衡阀内泄。在臂架下沉故障中，平衡阀内泄较常见，目前，泵车上有两种平衡阀，原理上主要区别在于有无缓冲阀。37m米泵车平衡阀（现37m泵车同45m泵车）泄漏途径两条，一条从C2口（接油缸）经单向阀泄漏到V2口（接多路阀A、B口），一条是从C2口经平衡阀到达V2口。如果没有控制油加在平衡阀的控制活塞上，在正常情况下，这两条油路都是关闭的。但如果有以下几条原因，则可能导致泄漏：

（A）平衡阀和单向阀的弹簧永久变形或折断;（B）主阀芯、单向阀阀芯及控制活塞因污物卡死在开口位置;（C）主阀芯与单向阀芯之间因磨损而产生泄漏;（D）平衡阀设定压力低于负载压力。

45m泵车平衡阀泄漏途径有三条，一条是从C2口（接油缸）经单向阀泄漏到V2口（接多路阀AB口），一条是从C2口经平衡阀到达V2口，一条是从C2口经缓冲阀到达T口，泄漏原因同上。平衡阀是否内泄可在臂架下沉时，拆下C2口观察有无油液不断流出，若有则为内泄（实践时可通过拆开油缸连接软管与固定铁管的接头进行观察）。在臂架下沉的几个原因中，平衡阀内泄较为常见，其次是油缸内泄，再其次是进入空气。应逐步排除。

④故障处理。

平衡阀一般是拆下来清洗，如果有零件损坏，则维修或更换零件，可更换整个平衡阀，油缸内泄，则要先检查活塞处密封圈是否损坏，若损坏，则更换密封圈，若没有，则检查油缸缸筒，是否有划伤、缸壁胀大等现象，若有条件的可以自己修理，无条件的可以送回总部修理。进入空气，则可反复憋压几次，以排除空气。

（2）臂架油缸不同步。

①设备类型45m泵车。

②故障现象大臂两支撑油缸不同步。

③故障分析与诊断。

45m泵车大臂是由两个油缸支撑，但各有一套平衡阀，理论上讲，两个有效作用面积的油缸，在输入相同流量的情况下，应能保持同步动作。

④影响油缸同步精度有如下原因：

A.平衡阀开启压力，若平衡阀开启压力大于负载，则当开启压力不同时，开启压力小的平衡阀先开启，对应的油缸先动作，油缸产生不同步动作，当不同步到一定程度时，由于机械方面的限制，使压力升高，另一油缸才动作。B.油缸本身的摩擦力不同，油缸本身的摩擦力就相当于一个负载，摩擦力相差较大就会引起油缸较严重的不同步。C.两油缸负载偏载，载荷小的油缸先行动作。D.进回油压力损失不同，由于污物卡住或堵塞，阀芯开口不同，都会引进回油压力损失一不同，引进油缸不同步动作。

⑤故障处理。

一般情况下，如果不同步现象不严重，可以不作处理。严重时排除机械故障后，在液压系统方面也可作些调整。由于开启比无法调节（需加工节流孔），对于以上故障我们可取调节平衡阀压力（开启压力亦跟随变化）来作一些处理。如上所述，开启压力小的油缸先动作，所以我们只需把先动作的油缸回油腔的平衡阀适当调高，其中，手动泵测试台，也可用泵车本身液压泵代替（直接装车调试）。

（3）液压油乳化问题。

①设备类型：所有型号泵车。

②故障现象：液压油乳化。

③故障分析与诊断。

水分是液压油乳化的直接原因，水分进入液压系统有以下几个原因：

A.空气中的水分因冷热交替而在油箱中凝结，变成水珠落入油中;B.因焊缝、法兰等密封不严，油箱上的雨水渗入油箱;C.因泵送油缸损坏、水分被活塞杆带入油中;D.清洗、换油、维修过程中带入水分;

试验证明，当混入水分占0.05%～0.1%时，油的透明度便明显变差，形状成混浊状，若混入水分占0.2%～0.5%时，油变成乳白色。如果油本身的抗乳化性较差，即使静置一段时间，水分也不会分离。当油中有高温氧化物时，高温氧化物会充当乳化剂，加速油的乳化。

④故障处理。

防止油液乳化，首先就要防止水分进入液压系统，这就要求我们在使用和维修中，采取一些防水措施：

A.及时排水，建议每次工作前开放水阀放一次水;B.尽量避免在雨天换油，如果在雨天换油，应采取措施防止雨水进入油箱;C.雨天维修时，要做好防水措施。

另外，在条件允许的情况下，在油温过高时，可往泵送油缸封闭腔和冷却器上浇水，降低油温，防止高温氧化物产生，在征得技术部门和用户同意的情况下，可采取减少油泵排量的方式降低系统温度。

1.2诊断系统设计

（1）神经网络结构简单，速度快，网络间干扰小;（2）提高神经网络的解释功能;（3）提高诊断系统灵活性，降低系统升级难度。

在设计诊断系统时，采用专家系统的结构，并采取神经网络方法监理系统推理机，即将传统专家系统中基于符号的推理方式改为神经网络中基于数值运算的推力方式，使得诊断系统的效率有大幅度提高，同时解决了诸多困难。构建基于神经网络的泵车典型液压故障诊断系统结构图。

2.基于LabVIEW的泵车故障诊断软件开发

2.1.LabVIEW软件介绍

LabVIEW是一种图形化编辑语言，产生的程序是框图形式。优势：可充分发挥计算机的能力，有强大的数据处理功能，可以创造出功能更强的仪器;用户可以根据自己的需要定义和制造各种仪器。

2.2软件设计及主要跟程序

本论文主要采用LabVIEW软件为设计平台，在MATLAB以及Access数据库软件配合下，按错诊断系统的软件设计与开发。通过LabVIEW建立人机界面，利用LabVIEW中的VISA模塊及硬件等，采集数据信号，并对不同信号进行相应的数据处理，对故障特征信息进行提取。除此之外，利用LabVIEW中LabSQL模块对建立的Access故障库的数据进行访问、调用以及存储。

3.泵车典型液压故障诊断BP网络设计

3.1 BP神经网络

BP（Back Propagation）神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元;中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构;最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。

多层前向BP网络是目前应用最多的一种神经网络形式，它具备神经网络的普遍优点，但它也不是非常完美的，为了更好的理解应用神经网络进行问题求解，这里对它的优缺点展开一些讨论。

3.2 BP神经网络优点

（1）非线性映射能力。

BP神经网络，其实质就是实现了从输入到输出的映射，其神经网络层之间可以以任意精度逼近非线性连续函数。

（2）自学习和自适应能力。

当处于BP网络神经训练过程中，其系统能够将自动提取输出、输出数据间的规则，以及学习内容记录在网络权值中。即具有较强的学习性及适应能力。

（3）容错能力。

BP神经网络当其局部或部分神经元受到破坏或发生故障时，其不会对系统整体的训练造成较大的影响。即就是，神经网络个神经元之间神经网络在其局部的或者部分的神经元受到破坏后对全局的训练结果不会造成很大的影响，也就是说即使系统在受到局部损伤时还是可以正常工作的。即BP神经网络具有一定的容错能力。

利用BP神经网络优点，国内外已经进行大量研究，但随着其被广泛应用，BP神经网络缺点和不足也一一暴露出来。比如：

①局部极小化问题。在解决复杂的非线性问题时，通过局部改善的方法对网络权值进行改善，因此使得算法陷入局部极值，从而导致网络训练不能正常进行。另外，BP神经网络对初始网络权重及其敏感，对于不同权重在进行网络初始化时，其最终收敛的局部极小各不相同，导致最终的训练结果各不相同。②BP神经网络样本依赖性问题。网络模型逼近及推广和样本的典型性密切相连，因此，从问题中选取典型样本组成是咧及其困难。

3.3泵车诊断BP网络构建

BP神经网络有较强的非线性映射能力，被广泛应用于诊断领域。实现BP神经网络诊断故障时，主要为三个步骤：

（1）神经网络的输入、输出样本的获取。（2）对构建的诊断神经网络进行检验。（3）获取现场故障信号信息的故障特征向量。

4.软件测试与验证

4.1测试目的

软件实验测试，一方面可以检验泵车故障诊断系统软件是否达到标准，即检验软件程序是否能够实现硬软件之间的信号通讯及处理，更好地配合技术人员对泵车故障的诊断排查;另一方面，检测软件可靠性与稳定性。

4.2测试方法

测试方法主要分仿真测试和实车测试。仿真测试，即将测试硬件、系统以及测试软件共建为一体，通过仿真运行时软件的运行状况对软件的性能进行检测。实车测试前，先进行大量仿真测试，调试软件程序，从而避免实车测试过程中，对实车造成不良影响。

实车测试，是通过对实车故障的检测来检测故障诊断系统软件的测试。

5.总结

随着建筑行业的快速发展以及混凝土泵车的广泛使用，对其质量、性能等要求也越来越高，泵车的故障诊断也得到广泛重视。人工智能信息处理技术是推进泵车故障诊断技术发展的重要动力。本文主要就泵车液压典型故障进行性分析，提出基于LabVIEW以及BP神经网络诊断软件开发。不仅能够使得系统可以有机地收集数据、处理数据信号等，还可以成功解决故障征兆信号的数据采集及分析。从而，提高了泵车故障诊断的时效性以及准确性。

参考文献

[1]刘登攀.基于BP算法的XRF光谱法测定酸溶铝含量的方法研究[D].哈尔滨工程大学，2013年.

[2]唐梁.基于神经网络的泵车典型液压故障诊断系统的分析与设计[D].江苏大学，2012年.

[3]娄敏华.混凝土泵车调试装备的研究[D].长安大学，2010年.