基于FTA 的全自动液压机下滑故障诊断技术

任鑫波

（晋中职业技术学院，山西晋中 030600）

0 引言

全自动液压机作为工业生产的重要机器[1]，保证良好状态尤为关键。近年来针对全自动液压机下滑故障的维修方法，在实际工作中存在诊断步骤繁琐、故障定位不准确的问题[2]。

为了提高全自动液压机故障诊断的精确度，提出基于FTA的全自动液压机下滑故障诊断技术。FTA 的核心是利用布林逻辑组合低阶事件，将所有可能的因素和结果以逻辑关系汇总在一起，形成次序分明的结构体[3]。

本文引入FTA（Fault Tree Analysis，故障树分析）思维，逐层分析故障的原因和表征，设计FTA 故障树分析模型和分析流程；改进FTA 故障树分析方法，确定各搜索方案属性值，采用有奖有罚的规则标准化故障搜索矩阵；利用FTA 理论简约故障条件属性，完成故障诊断。

1 基于FTA 的全自动液压机下滑故障诊断技术设计

导致全自动液压机出现下滑故障的因素较多，需要从底层设计故障树模型、设计诊断流程，并对FTA 方法进行改进，完成基于故障树的下滑故障诊断。

1.1 FTA 故障树分析模型设计

S—T 模型是一种以一系列IF—THEN 模糊规则为基础的FTA 故障树分析推理模型[4]。IF—THEN 模糊规则可以识别出复杂系统中的问题并对预设轨道进行控制。

其规则内容为：

其中f（x）是x 的线性函数。对于有n 个单输出系统，在利用S—T 模型进行推理时，给定m 条模糊规则，第l（l=1，2，…，m）条模糊规则形式如下：

设定初始条件为：

其中，i 与j 为事件序号，取正整数；n 代表集合中的所有状态；λi，j代表从状态i 到j 的转移概率。求解该模型可得到故障树中相应事件的发生概率，也即全自动液压机在特定时刻的故障概率。

1.2 FTA 故障树分析流程设计

设计FTA 故障树分析流程如图1 所示，主要是利用T—S模型对FTA 决策方案底事件进行模糊描述，搜索出设备故障特征，输出故障处理方案。

图1 T—S 模糊FTA 分析流程

影响决策方案的属性包括部件的T—S 模糊FTA 重要度、故障搜索成本以及多发性故障，故障搜索成本需要综合考虑维修费用、检修时间等因素；多发性故障主要是考虑到同批次引进的部件缺陷造成系统集中多发性故障。

故障搜索决策流程是将T—S 模糊FTA 分析中的底事件设置为全自动液压机各部件故障诊断候选方案，建立决策矩阵，并进行标准化处理。计算评价靶心和不同方案综合靶心距，作为诊断向量确定最终诊断顺序。

1.3 FTA 故障树故障搜索决策方法改进

以往的故障搜索决策方法只片面地考虑了系统的一种故障状态，仅仅将系统发生严重故障时的部件T—S 关键重要度作为属性进行考虑，降低了决策的准确，因此对FTA 故障树故障搜索方法进行改进。

在故障搜索决策的过程中，确定系统不同状态下各搜索方案所对应的属性值，再进行综合分析决策。这样就实现了与T—S 模糊FTA 系统可靠性分析结果的对应，在充分利用可靠性分析结果的同时，使得决策结果更加精准、更加合理。

传统的决策矩阵标准化处理往往存在只奖不罚的缺点，所以本文采用有奖有罚的规则对诊断数据进行设置，然后标准化故障搜索决策矩阵，扩大指标的差异度，提高决策质量。规定当矩阵的属性数值高于数据的平均值的时候，设置其等级为0 和1 的正数等级，当矩阵数值低于数据的平均值时，设置其等级为-1 和0 的负数等级。

1.4 全自动液压机下滑故障诊断

1.4.1 故障排查权限

为了快速且方便地诊断液压机的下滑故障，需要先设定故障排查用户权限。故障诊断权限分为三类：

第一类，全自动液压机的使用操作人员：只有查看故障信息的权限，不能更改数据。

第二类，全自动液压机维护人员和零件安装检测人员：可以查看设备故障信息，随时添加和删除设备信息，撰写机器维修信息，生成故障维修日志。

第三类，终端管理人员：能够随时添加和删除设备信息，管理设备终端密码，并对设备进行重新启动和格式化操作。

1.4.2 故障类型诊断

根据FTA 理论，全自动液压机的下滑故障受多个条件影响，设置故障类型为决策属性（表1）。

表1 决策属性集

6 类故障原因组成决策属性集：D={D1，D2，D3，D4，D5，D6}。

由于液压机的复杂性，过多的条件属性可能出现冗余，冗余的条件属性将降低系统的计算速度。因此需利用ETA 理论对全自动液压机的故障条件属性进行约简，提取出相关的信息，生成最简故障决策表。删除冗余的条件属性，降低系统计算量，快速对故障进行诊断，至此完成基于FTA 的全自动液压机下滑故障诊断技术设计。

2 实验论证分析

设计完成后，需要验证本文所设计的下滑故障诊断方法的有效性。台达ECMA 系列伺服电机与液压机具有相似振动信号，故障振动幅值小，下滑故障分辨难度较大，比直接进行液压机下滑故障检测更具有验证性，因此本文用台达ECMA 系列伺服电机模型代替液压机进行仿真性实验。

2.1 实验平台

以Matlab R2019b 作为实验平台，在主频为1 的环境下进行仿真。本实验硬件平台有：①上位机；②台达24 V 开关电源；③倍福CX2020 运动控制器；④台达A2 系列电机驱动；⑤开关控制面板；⑥台达ECMA 系列伺服电机；⑦加速度传感器（CAYD-1160）。其中，24 V 开关电源用于加速度传感器及数据采集端子的电源供应；开关控制面板用于模拟全自动液压机的开关量状态，如电路系统的通断状态、油缸是否抖动、循环受阻状态等开关量参数；台达A2 系列电机驱动用于驱动台达ECMA 系列伺服电机；上位机对数据采集模块所采集的数据进行数据处理及故障诊断。

2.2 故障诊断及分析

通过实验平台进行试验并采集实验数据，将所得数据样本作为训练样本，对故障模型进行训练。模型训练完毕后，利用Matlab R2019b 实时采集数据，将数据导入下滑故障模型，得到图2 的故障诊断结果。

图2 下滑故障诊断测试结果

由图2 可知，本文提出的故障诊断模型具有较高的故障预测准确率，且故障预测准确率稳定。基于HSMM—SVM 的液压机故障诊断方法的传统方法，数据故障诊断可靠性较差，训练误差常出现不收敛现象，导致故障诊断精度波动剧烈。而本文的故障输入点较多，具有属性约简的优势，预测准确度高且模型稳定。

3 结束语

本文利用FTA 理论设计出全自动液压机下滑故障诊断技术。基于FTA 简约化诊断流程，降低诊断计算工作量。实验结果表明，本文设计方法在一定程度上提高了设备故障诊断精确度。由于时间和研究条件有限，该仿真实验尚不能全部复原全自动液压机的工作，所以在今后的实验研究中应进一步完善。