液压系统故障智能诊断技术研究

摘 要：分析了神经网络诊断技术、专家系统诊断技术和小波分析诊断技术等智能故障诊断技术在液压系统故障诊断中的应用现状，指出了智能故障诊断技术今后的研究方向。

关键词：液压系统；智能；故障诊断；神经网络

液压系统是结构复杂的机电液综合系统，具有机电液耦合，结构时变性、非线性等特性，液压装置对污染敏感，容易产生各种故障，且故障形式多样，难于检测和判断。智能诊断技术在知识层次上实现了辨证逻辑与数理逻辑的集成、符号逻辑与数值处理的统一、推理过程与算法过程的统一、知识库与数据库的交互等功能，为构建智能化的液压故障诊断系统提供了坚实的基础。本文对液压系统的智能故障诊断技术现状进行了分析，并提出了今后的研究方向。

1.基于神经网络的液压系统智能诊断方法

1982年美国物理学家J. J. Hopfield提出了HNN神经网络模型，使神经网络的研究有了突破性进展。在液压系统的故障诊断中，广泛应用的是多层前向神经网络及反向传播算法。

基于神经网络系统的诊断基本原则是：把领域专家的经验输入网络，通过对故障实例和诊断经验的训练学习，依据一定的训练算法，使网络的实际输出在某种数学意义下是理想输出的最佳接近，对应于特定的输入征兆，产生一故障输出模式，可以模仿人类专家的直觉、联想、记忆等能力，能较好地解决知识不完全性或不确定情况下的故障诊断问题。

文献[1]以轴向柱塞泵外壳的振动加速度信号为依据，采用3层神经网络，运用BP训练算法（通过误差反向传播修正权重，使网络的实际输出与期望输出之差的平方和达到极小），用C语言在微机上建立了泵的故障信号采集、预处理及神经网络的故障诊断框架。经实际检验，证明了神经网络诊断法的有效性。

基于神经网络的诊断法是利用神经网络具有非线性和自学习以及并行计算能力，使其在液压系统故障诊断方而具有很大的优势。其具体应用方式有：从模式识别角度应用神经网络作为分类器进行液压系统故障诊断；从故障预测角度应用神经网络作为动态模型进行液压系统故障预测；从检测故障的角度应用神经网络得到残差进行液压系统故障检测。

2.基于小波变换的液压系统智能诊断方法

小波分析是1986年以来由于Y. Meyer 和S. Mallat及I. Daubechies等的奠基工作而迅速发展起来的一门新兴学科。小波分析的另一个作用是通过不同尺度的小波变换，得到典型频率下的系统信号，以此分析系统的技术性能，判断系统故障所在。

潘宏等[2]研究了基于小波分析的液压系统泄漏检测方法。通过压力传感器检测出容腔的压力变化曲线，对压力信号进行Morlet小波变换。通过基本小波尺度的伸缩和平移计算得到的小波系数，在压力信号的多个带宽范围内能辨识信号特征。

3.基于专家系统的液压系统智能诊断方法

专家系统实质上是一种计算机程序，它能够以人类专家的水平完成液压传动与控制领域的故障诊断任务。专家系统由许多收集的规则组成，它清楚地表示了知识和结果。一般的专家故障诊断系统由三部分组成，即知识库、推理机制、决策机制。目前专家故障诊断技术与其它诊断技术的结合是发展方向。

总之，智能诊断法还有许多种，但其还处在探索和发展阶段，由于液压系统故障的特征、原因普遍存在模糊性，同一故障可能由不同的原因造成，同一故障可能会产生不同的故障特征，不同的故障也可能引起相同的故障特征，多种故障并发时故障特征就更加复杂，因

此，各种智能方法互相取长补短结合运用，是今后液压系统故障诊断发展的重要趋势。

4.液压系统故障智能诊断的发展方向

随着近些年来人工智能技术的发展，智能诊断的研究也在逐步深入，并在某些领域己经取得了一定的成效。在液压系统故障诊断方面，文献[3]用BP神经网络对液压泵的振动信号进行信息融合，提出了液压泵的神经网络在线状态监测及故障诊断系统。显然液压系统的在线故障诊断与预测能提高大型液压设备的可靠性和利用率，今后的研究重点主要是以下三个方面：

（1）深入研究复杂液压系统故障的智能诊断方法。目前大多数论文是应用BP神经网络或专家系统对单个液压元件如液压泵、液压马达、液压缸的故障或系统的泄漏进行故障诊断。

（2）加强传感器等硬件的研究。神经网络诊断方法，专家系统诊断方法都需要采集大量的数据进行分析，因此传感器的高精度和高可靠性是实现智能故障诊断的前提，开展智能传感器的研究是智能故障诊断的技术保证。

（3）开展液压系统智能故障诊断通用软件的研究。开发可靠性高、信息传输标准化的传感器以及开发液压系统故障诊断专家系统通用工具软件，使不同液压系统能使用相同的软件进行故障诊断，从而实现软件的大面积推广应用和降低开发成本的目的。

当前，液压系统故障诊断技术的发展己经融合了多学科的技术，其发展趋势必将是多种智能诊断方法相互混合，相互取长补短为主，与多媒体技术、网络技术、信息融合技术、虚拟现实技术等相互融合，对液压系统故障进行综合评判和诊断。

参考文献：

[1]祝海林.人工智能在液压系统故障诊断中的应用.液压与气动，1995 （5）

[2]潘宏，傅周东，陈章位.基于小波分析的液压系统泄漏检测.机械科学与技术，1998，17（4）

[3]董选明，等.基于BP算法的液压泵在线状态检测及故障诊断（J）.北京航空航天大学学报， 1997（3）