基于随机矩阵谱分析的机械液压传动系统故障辨识方法

彭诚

基于随机矩阵谱分析的机械液压传动系统故障辨识方法

彭诚

（合肥职业技术学院，合肥 230012）

传统故障辨识方法受机械液压传动系统故障影响，存在故障辨识率低、有效性差问题，提出基于随机矩阵谱分析的机械液压传动系统故障辨识方法。通过分解故障振动信号，得到故障信号的特征向量函数，利用线性分析提取故障信号的随机变量；根据故障信号求解，提取机械液压传动系统故障特征；利用随机矩阵谱分析方法描述机械液压传动系统的状态空间，推算机械液压传动系统的状态方程；利用机械液压传动系统的残差阈值，检测到机械液压传动系统故障；通过对比机械液压传动系统故障的贴近度，选取最大值作为机械液压传感系统的故障信息，实现机械液压传动系统故障辨识。实验结果表明，该方法具有更高的故障辨识率。

随机矩阵谱分析；机械液压传动系统；故障辨识；特征提取；故障检测；特征向量

机械液压由液压设备、动力元件、控制元件等组成，其通过压强增加作用力。机械液压传动系统动力为传递动力[1]。机械液压传动系统中，各执行元件和辅助元件均位于液压设备内，无法从外界观察和测量，这给机械液压传动系统的故障识别与检测带来了极大的挑战。在机械液压传动系统故障监测时，传统方法主要依靠手工巡检，及时维修故障。随着社会的发展，监测技术结合信息技术实现了机械液压传动系统故障识别的智能化，通过技术手段实现了科学识别液压传动系统故障[2]。机械液压传动系统的故障识别方法西方发达国家起步较早，国内对机械液压传动系统故障识别方法的研究近几年才取得了一定成就，并且在液压系统辨识方面有了长足的进步[3]。

陈明鑫等[4]针对传统的机械液压传动系统无法进行智能故障辨别等问题，提出了一种基于隐马尔科夫模型的故障辨识方法。首先利用采集机械设备的振动信号，获取机械液压系统的运行过程中的特征向量，根据特征向量构建机械液压传动系统的辨识模型，通过采集的不同的故障类型进行IMF分量研究，结合隐马尔科夫模型的分布特性，对采取的特征向量进行集中训练，根据概率分析法确定故障类型，实现机械液压传动系统的智能故障辨别。实验表明，基于隐马尔科夫模型的故障辨识方法可有效提高机械液压传动系统故障辨识准确率，但该方法识别过程较为复杂，耗时较长。姜万录等[5]提出了一种基于递归定量分析的机械液压传动系统故障辨识方法，该方法利用获取的机械液压传动系统进行振动信号，然后对振动信号进行去噪处理，根据递归定量绘制机械液压传动系统的递归图，通过提取递归图系统动力学特征，分析构建机械液压传动系统的故障信息点，并对其进行聚类分析，实现机械液压传动系统故障识别。结果表明，基于递归定量分析的机械液压传动系统故障辨识方法可有效提高故障识别率，但此方法故障分析的数据有限，存在一定局限性。

为此，本文提出一种基于随机矩阵谱分析的机械液压传动系统故障辨识方法，提升机械液压传动系统故障辨识精度和工作效率。

1 机械液压传动系统故障辨识方法设计

1.1 机械液压传动系统故障特征提取

根据得到故障信息变化矩阵[10]，实现机械液压传动系统故障特征模型的构建，即：

根据以上过程，实现机械液压传动系统故障特征提取。

1.2 机械液压传动系统故障检测

利用随机矩阵谱分析方法对机械液压传动系统状态空间描述[11]，即：

式(11)和(12)中可以得到机械液压传动系统的残差阈值为

根据式(14)完成机械液压传动系统故障的检测：

当机械液压传动系统的故障残差函数大于阈值时，说明存在故障，需要报警；当系统残差函数小于阈值时，说明不存在故障，不需要报警。

1.3 辨识机械液压传动系统故障

以检测机械液压传动系统故障为依据，利用随机矩阵谱分析得到机械液压传动系统的故障诊断信息[14]，通过故障信号获取多角度信息的故障融合识别，利用故障识别法对机械液压传动系统故障识别，具体过程如下：

以式(16)为依据，利用下式得到随机矩阵谱为

以式(17)为依据，利用下式构建灰色随机矩阵谱为

以式(19)为依据，得出机械液压传动系统的关系矩阵为

利用式(20)给出了机械液压传动系统故障传感器类型的各个隶属度向量为

以式(21)为依据，利用下式求出机械液压传动系统故障识别模式与标准模式的贴近度[15]：

通过对比机械液压传动系统故障的贴近度，选取最大值作为机械液压传感系统的故障信息，以此完成机械液压传动系统故障的辨识方法研究。

2 实验分析

2.1 设置机械液压传动系统故障

根据机械液压传动系统提供的历史故障记录统计情况，机械液压传动系统的故障包括堵塞和泄漏，产生原因一般是由于密封圈老化、油液污染以及配油盘磨损等。试验过程中设置了4种类型的典型液压传动系统故障，具体如表1所示。

表1 机械液压传动系统故障类型

机械液压传动系统中各种故障与仿真参数之间存在一定关系，可以通过改变仿真元件参数，模拟系统故障。仿真测试过程中，模拟机械液压传动系统的4种故障状态，通过减小容积效率模拟系统模拟液压泵故障。在模拟系统换向阀故障时，通过增加阀芯间的间隙1，提高泄漏系数来模拟液压缸故障，通过降低阀开度压力模拟系统的溢流阀故障。机械液压传动系统各类型故障模拟完毕之后，参照下述公式采集故障的仿真特征参数，并将其作为故障辨识的样本数据，即：

2.2 结果与分析

引用文献[4]的故障辨识方法和文献[5]的故障辨识方法作对比，以样本数据个数为自变量，测试了三种故障辨识方法的辨识率，结果如图1所示。

图1 故障辨识率测试结果

从图1的结果可以看出，随着机械液压传动系统故障的样本数量逐渐增加，三种故障辨识方法的辨识率也随着不断变化，基于随机矩阵谱分析的机械液压传动系统故障辨识方法获取到的最高故障辨识率达到了98%，文献[5]的故障辨识方法获取到的最高故障辨识率达到了74%，文献[4]的故障辨识方法获取到的最高故障辨识率达到了41%，经对比可见，基于随机矩阵谱分析的机械液压传动系统故障辨识方法获取到的故障辨识率远远高于其他两种故障辨识方法。

为了进一步验证基于随机矩阵谱分析的机械液压传动系统故障辨识方法的有效性，采用实例分析的方式，分别在不同强度下，测试了本文方法的有效性，结果如图2所示。

图2 故障残差测试结果

从图2的结果可以看出，当机械液压传动系统故障的强度为50%时，获取到的残差值比较大，很难实现故障的有效辨识，原因是当机械液压传动系统故障出现突变信号峰值时，无法检测到故障信号，而当机械液压传动系统故障的强度为30%时，获取到的故障残差值比较小，由于分析了故障信号的随机矩阵谱，可以有效辨识故障信号，具有更高的鲁棒性。

表2 本文方法故障率识别结果 %

为进一步验证所提方法的有效性，实验分析了本文方法对故障率进行识别，将其与上述设置的4种故障的实际故障率进行对比，得到的结果如表2所示。分析表2中结果可以看出，本文方法对设置的故障率识别的结果与理想故障率识别的结果较为接近，验证了所提方法的有效性，证明本文方法可以对故障进行有效辨识。

3 结束语

本文提出了基于随机矩阵谱分析的机械液压传动系统故障辨识方法，提取出机械液压传动系统故障特征，检测机械液压传动系统故障，设计了机械液压传动系统故障辨识流程，实现了机械液压传动系统故障的辨识。结果显示，本文设计的故障辨识方法可以提高故障的辨识率，保证故障信号辨识的有效性。

[1] 吴庆涛，韩春松，丁传东. SVM用于非线性系统故障诊断[J]. 齐齐哈尔大学学报（自然科学版），2021, 37(03): 22-24, 61.

[2] 李响，崔皓蒙. 厌氧塘污水处理系统液压故障在线检测仿真[J]. 计算机仿真，2019, 36(01): 377-380.

[3] 王立文，刘强，霍金鉴，等. 基于概率神经网络的液压管路泄漏故障程度识别[J]. 机床与液压，2020, 48(04): 159-164.

[4] 陈明鑫，庞新宇，吕凯波，等. 基于VMD能量熵和HMM的行星齿轮箱故障识别方法[J]. 机床与液压，2020, 48(23): 196-201.

[5] 姜万录，李振宝，张生，等. 基于递归定量分析的液压泵故障识别方法[J]. 液压与气动，2019(02): 18-23.

[6] 沈新刚，吕镇邦，孙倩. 基于多级观测器的液压伺服系统自适应故障检测与隔离[J]. 空军工程大学学报（自然科学版），2020, 21(05): 36-42.

[7] 张兆东，张均利，张鸿鹄，等. 基于小波分析的液压缸内泄漏检测方法[J]. 液压与气动，2020(06): 83-89.

[8] 杨成刚，赵静一，姚成玉，等. 液压有源测试在锻造机液压故障诊断中的应用[J]. 哈尔滨工程大学学报，2019, 40(02): 380-386.

[9] 陈明鑫，庞新宇，吕凯波，等. 基于VMD能量熵和HMM的行星齿轮箱故障识别方法[J]. 机床与液压，2020, 48(23): 196-201.

[10] 姜保军，王帅杰，董绍江. 基于深度学习的液压监测系统蓄能装置故障诊断[J]. 组合机床与自动化加工技术，2019(09): 89-92.

[11] 杜名喆，王宝中. 基于经验小波分解和卷积神经网络的液压泵故障诊断[J]. 液压与气动，2020(01): 163-170.

[12] 王育炜，王红军，韩秋实，等. 基于小波包和IGA-BP神经网络的滚动轴承故障识别方法[J]. 机床与液压，2020, 48(17): 184-187.

[13] 宣元，何琳，陈宗斌，等. 基于脉动压力信号的液压泵故障诊断方法[J]. 海军工程大学学报，2020, 32(06): 108-112.

[14] 杨同光，于晓光，王紫涵，等. 分形理论在航空液压管路裂纹故障诊断中的应用研究[J]. 机床与液压，2019, 47(22): 169-173.

[15] 曹智军. 农业机械设备液压元件故障诊断系统设计与应用[J]. 农机化研究，2020, 42(01): 255-260.

Fault identification method of mechanical hydraulic transmission system

based on random matrix spectrum analysis

PENG Cheng(Hefei Vocational and Technical College, Hefei 230012, China)

Traditional fault identification methods are affected by the faults of mechanical hydraulic transmission system, which have the problems of low fault identification rate and poor effectiveness. A fault identification method of mechanical hydraulic transmission system based on stochastic matrix spectrum analysis is proposed. The eigenvector function of the fault signal is obtained by decomposing the fault vibration signal. The random variables of the fault signal are extracted by linear analysis. The fault characteristics of the mechanical hydraulic transmission system are extracted by solving the fault signal. The state space of the mechanical hydraulic transmission system is described by using the random matrix spectrum analysis method, and the state equation of the mechanical hydraulic transmission system is calculated, using the residual threshold of the mechanical hydraulic transmission system, the mechanical hydraulic transmission system fault is detected. By comparing the closeness degree of the mechanical hydraulic transmission system fault, the maximum value is selected as the fault information of the mechanical hydraulic sensing system to realize the fault identification of the mechanical hydraulic transmission system. Experimental results show that the proposed method has higher fault identification rate.

random matrix spectral analysis；mechanical hydraulic transmission system；fault identification；feature extraction；fault detection；feature vector

2021-07-12

2020年省级质量工程项目——高职院校液压与气压传动类课程“四化两性”教学模式的理论与实践研究（2020jyxm1649）；2019年校级重点质量工程项目——高职《液压与气压传动技术》课程“四化两性两体系”教学模式的理论与实践研究（2019JYXM002）

彭诚（1986-），男，安徽巢湖人，副教授，硕士，主要从事机械设计测量、液压传动控制应用研究，qq428829@126.com。

TH137.1

A

1007-984X(2022)02-0001-06