技術支持
對液壓泵故障特征的分散性和模糊性,提出基于振動和壓力傳感器的信息融合故障診斷方法。在充分分析液壓泵球頭松動故障機理的基礎上,對振動信號和壓力信號進行小波消噪處理,有效提取球頭松動的故障特征。將不同類型特征參數(shù)進行特征層融合,利用主成分分析和改進算法的BP神經(jīng)網(wǎng)絡實現(xiàn)液壓泵球頭松動故障診斷。試驗表明,基于不同類型傳感器信息融合故障診斷方法可以有效地實現(xiàn)液壓泵微弱故障的診斷。
引言
液壓泵是液壓系統(tǒng)的心臟,其故障診斷是液壓系統(tǒng)故障診斷的重要部分。由于流體的壓縮性、泵源與伺服系統(tǒng)的流固耦合作用及液壓泵本身具有大幅度的固有機械振動,使得液壓泵的故障機理復雜,故障特征提取困難,故障診斷的模糊性強。大量的液壓泵故障診斷數(shù)據(jù)表明,通過泵源出口檢測到的故障信號常被干擾信號淹沒,單一故障檢測信號常呈現(xiàn)出強的模糊性,采用常規(guī)的信號處理方法難以提升有效的故障特征。
從故障診斷學的角度來看,任何一種診斷信息都是模糊的、不精確的,對任何一種診斷對象,用單一信息來反映其狀態(tài)行為都是不完整的,如果從多方面獲取同一對象的多維故障冗余信息加以綜合利用,就能對系統(tǒng)進行更可靠更精確的監(jiān)測和診斷。本文針對柱塞泵球頭松動故障模式,通過在液壓泵出口配置振動傳感器和壓力傳感器進行故障檢測,通過小波分析進行信號消噪處理,利用主成分分析提取有效融合信息,采用改進算法的BP神經(jīng)網(wǎng)絡實現(xiàn)液壓泵微弱信號或多故障的有效診斷。
1、液壓泵球頭松動故障機理分析
由于制造誤差或液壓泵在工作過程中的壓力沖擊,常常使柱塞球頭與球窩沉凹變形使球頭與球窩間隙增大,從而產(chǎn)生柱塞球頭松動的故障。
1.1基于振動信號的故障機理分析
液壓泵缸體在轉動過程中,柱塞在油缸中往復運動。當缸體轉過一定角度時,經(jīng)過上死點柱塞進人吸油區(qū),球頭與柱塞發(fā)生一次碰撞;當缸體轉動經(jīng)過上死點后,球頭開始向柱塞方向運動,球頭與柱塞發(fā)生相對運動;當轉過排油區(qū)時,高壓油作用在柱塞上,使柱塞迅速向球頭方向運動,從而又一次產(chǎn)生沖擊。缸體轉動一周,球頭與柱塞發(fā)生兩次碰撞,經(jīng)過傳動軸和軸承將能量傳遞到殼體上,故球頭松動故障的振動頻率為軸頻率的2倍。
1.2基于壓力信號的故障機理分析
球頭松動對液壓泵出口的壓力脈動也有影響。當缸體轉過上死點時,球頭向柱塞方向運動,當油缸的排油進入卸荷區(qū)時,球頭與柱塞還未發(fā)生碰撞,這時在高壓油的作用下,柱塞又向球頭方向運動,球頭與球窩發(fā)生碰撞,產(chǎn)生振動沖擊的同時,碰撞通過柱塞作用在高壓油上從而產(chǎn)生一個壓力脈動,所以球頭松動引起泵出口的壓力脈動頻率與泵的軸頻率相同,由上述分析可知,如果球頭與球窩的間隙很小時,球頭與柱塞的相對速度不大,產(chǎn)生的碰撞能量很小。當間隙增大時,產(chǎn)生的振動能量就會增大,且具有周期變化的時變特性,殼體檢測的振動能量通常分布于2倍軸頻率處;對于壓力脈動信號,能量主要分布在軸頻率處。
1.3球頭松動故障診斷系統(tǒng)
針對球頭松動故障,在液壓泵出口垂直方向安裝了2個加速度傳感器ax、a。檢測振動,1個壓力傳感器P檢測泵的壓力脈動。由于液壓泵出口檢測到的振動信號和壓力信號常被干擾信號淹沒,為了提取故障特征,對上述傳感器的檢測信號進行小波消噪處理。
2、小波信號消噪處理
液壓泵的工作環(huán)境一般比較惡劣,其工況受環(huán)境的影響較大,通常在泵出口檢測到的信號含有很大的噪聲。試驗表明,液壓泵出口檢測到的壓力信號和振動信號體現(xiàn)出以下特點:①信號的頻譜分布很寬、波形雜亂,規(guī)律性差;②時變與非平穩(wěn)性表現(xiàn)明顯。
因此,基于這兩種信號的故障特征提取非常困難,有必要對檢測的信號進行消噪處理。
小波分析是目前較有效的信號處理方法,它可以同時在時域和頻域中對信號進行分析,能有效地區(qū)分信號中的突變部分和噪聲,實現(xiàn)信號的消噪。
泵出口振動信號及其小波消噪后的信號,選取小波消噪的全局閾值為1.049。很明顯,檢測信號中包含了許多干擾信號,很難簡單地利用檢測到的振動信號進行有效的故障診斷。為了消除干擾影響,經(jīng)過小波處理,可以有效地消除泵出口振動信號中所包含的噪聲,有利于故障特征的提取。
3、信息融合故障診斷方法
信息融合是將多源信息加以智能合成,產(chǎn)生比單一信息源更精確、容錯性和魯棒性更強的估計和判斷‘2’。由于液壓泵出口檢測到的信息微弱,易于被干擾所淹沒,很難利用單個傳感器的檢測信號進行微弱故障特征的有效診斷。采用的信息融合故障診斷過程,即將振動信號和壓力信號進行小波消噪處理,利用統(tǒng)計分析提取有效特征信息,采用主成分分析(PrinciP81componentanalysis,PCA)有效解耦各故障特征間的相關性,減少故障特征的維數(shù),采用改進算法的BP神經(jīng)網(wǎng)絡實現(xiàn)液壓泵球頭松動故障診斷。
3.l特征層信息融合
特征層狀態(tài)屬性融合就是將對多種類型傳感器數(shù)據(jù)進行預處理以完成特征提取及數(shù)據(jù)配準,即通過傳感器信息轉換,把各傳感器輸人數(shù)據(jù)變換成統(tǒng)一的數(shù)據(jù)表達形式。
通過特征向量歸一化處理可以實現(xiàn)信息融合數(shù)據(jù)配準。本文提取振動信號和壓力信號的均值、峰值因子、特征頻率的能量值和功率譜幅值、四次矩等作為球頭松動故障的特征向量。
3.2選取主成分
在新樣本空間上,逐次計算傳感器信息的綜合指數(shù)為主成分上的貢獻。令主成分貢獻綜合指數(shù)閾值為85%,根據(jù)貢獻綜合指數(shù)選取前幾個主成分,作為下一步信息融合的信息。
針對液壓泵正常和4種球頭松動故障,各選取100個樣本,由于高度顯著,說明這4組特征向量有十分明顯的差異,故此類故障的不同故障程度是可以診斷的。
選擇BP神經(jīng)網(wǎng)絡的結構,對液壓泵正常和設置的4種球頭松動故障在訓練誤差精度要求下對網(wǎng)絡進行訓練,通過改進算法的學習和訓練得到BP網(wǎng)絡的優(yōu)化權值矩陣。在實際使用時,利用BP神經(jīng)網(wǎng)絡的權值矩陣及其改進算法實現(xiàn)多故障的有效診斷。其中輸出節(jié)點1表示液壓泵正常時神經(jīng)網(wǎng)絡的輸出值,節(jié)點2表示間隙為6μm時神經(jīng)網(wǎng)絡的輸出值,節(jié)點3表示間隙為9μm神經(jīng)網(wǎng)絡的輸出值,節(jié)點4表示間隙為12μm時神經(jīng)網(wǎng)絡的輸出值,節(jié)點5表示15μm時神經(jīng)網(wǎng)絡的輸出值。
利用BP神經(jīng)網(wǎng)絡及其改進算法可以有效診斷不同間隙大小的球頭松動故障。
4、結論
本文通過液壓泵出口的振動信號和壓力信號,通過小波消噪處理有效提取故障特征,利用PCA分析很大程度上減少了信息融合特征向量的維數(shù),通過可診斷性檢驗證明PCA重新組合的特征向量可以實現(xiàn)多故障診斷。在BP算法中引人附加動量項,獲得最優(yōu)學習率,通過改進BP算法實現(xiàn)不同間隙大小球頭松動故障的有效診斷。
引言
液壓泵是液壓系統(tǒng)的心臟,其故障診斷是液壓系統(tǒng)故障診斷的重要部分。由于流體的壓縮性、泵源與伺服系統(tǒng)的流固耦合作用及液壓泵本身具有大幅度的固有機械振動,使得液壓泵的故障機理復雜,故障特征提取困難,故障診斷的模糊性強。大量的液壓泵故障診斷數(shù)據(jù)表明,通過泵源出口檢測到的故障信號常被干擾信號淹沒,單一故障檢測信號常呈現(xiàn)出強的模糊性,采用常規(guī)的信號處理方法難以提升有效的故障特征。
從故障診斷學的角度來看,任何一種診斷信息都是模糊的、不精確的,對任何一種診斷對象,用單一信息來反映其狀態(tài)行為都是不完整的,如果從多方面獲取同一對象的多維故障冗余信息加以綜合利用,就能對系統(tǒng)進行更可靠更精確的監(jiān)測和診斷。本文針對柱塞泵球頭松動故障模式,通過在液壓泵出口配置振動傳感器和壓力傳感器進行故障檢測,通過小波分析進行信號消噪處理,利用主成分分析提取有效融合信息,采用改進算法的BP神經(jīng)網(wǎng)絡實現(xiàn)液壓泵微弱信號或多故障的有效診斷。
1、液壓泵球頭松動故障機理分析
由于制造誤差或液壓泵在工作過程中的壓力沖擊,常常使柱塞球頭與球窩沉凹變形使球頭與球窩間隙增大,從而產(chǎn)生柱塞球頭松動的故障。
1.1基于振動信號的故障機理分析
液壓泵缸體在轉動過程中,柱塞在油缸中往復運動。當缸體轉過一定角度時,經(jīng)過上死點柱塞進人吸油區(qū),球頭與柱塞發(fā)生一次碰撞;當缸體轉動經(jīng)過上死點后,球頭開始向柱塞方向運動,球頭與柱塞發(fā)生相對運動;當轉過排油區(qū)時,高壓油作用在柱塞上,使柱塞迅速向球頭方向運動,從而又一次產(chǎn)生沖擊。缸體轉動一周,球頭與柱塞發(fā)生兩次碰撞,經(jīng)過傳動軸和軸承將能量傳遞到殼體上,故球頭松動故障的振動頻率為軸頻率的2倍。
1.2基于壓力信號的故障機理分析
球頭松動對液壓泵出口的壓力脈動也有影響。當缸體轉過上死點時,球頭向柱塞方向運動,當油缸的排油進入卸荷區(qū)時,球頭與柱塞還未發(fā)生碰撞,這時在高壓油的作用下,柱塞又向球頭方向運動,球頭與球窩發(fā)生碰撞,產(chǎn)生振動沖擊的同時,碰撞通過柱塞作用在高壓油上從而產(chǎn)生一個壓力脈動,所以球頭松動引起泵出口的壓力脈動頻率與泵的軸頻率相同,由上述分析可知,如果球頭與球窩的間隙很小時,球頭與柱塞的相對速度不大,產(chǎn)生的碰撞能量很小。當間隙增大時,產(chǎn)生的振動能量就會增大,且具有周期變化的時變特性,殼體檢測的振動能量通常分布于2倍軸頻率處;對于壓力脈動信號,能量主要分布在軸頻率處。
1.3球頭松動故障診斷系統(tǒng)
針對球頭松動故障,在液壓泵出口垂直方向安裝了2個加速度傳感器ax、a。檢測振動,1個壓力傳感器P檢測泵的壓力脈動。由于液壓泵出口檢測到的振動信號和壓力信號常被干擾信號淹沒,為了提取故障特征,對上述傳感器的檢測信號進行小波消噪處理。
2、小波信號消噪處理
液壓泵的工作環(huán)境一般比較惡劣,其工況受環(huán)境的影響較大,通常在泵出口檢測到的信號含有很大的噪聲。試驗表明,液壓泵出口檢測到的壓力信號和振動信號體現(xiàn)出以下特點:①信號的頻譜分布很寬、波形雜亂,規(guī)律性差;②時變與非平穩(wěn)性表現(xiàn)明顯。
因此,基于這兩種信號的故障特征提取非常困難,有必要對檢測的信號進行消噪處理。
小波分析是目前較有效的信號處理方法,它可以同時在時域和頻域中對信號進行分析,能有效地區(qū)分信號中的突變部分和噪聲,實現(xiàn)信號的消噪。
泵出口振動信號及其小波消噪后的信號,選取小波消噪的全局閾值為1.049。很明顯,檢測信號中包含了許多干擾信號,很難簡單地利用檢測到的振動信號進行有效的故障診斷。為了消除干擾影響,經(jīng)過小波處理,可以有效地消除泵出口振動信號中所包含的噪聲,有利于故障特征的提取。
3、信息融合故障診斷方法
信息融合是將多源信息加以智能合成,產(chǎn)生比單一信息源更精確、容錯性和魯棒性更強的估計和判斷‘2’。由于液壓泵出口檢測到的信息微弱,易于被干擾所淹沒,很難利用單個傳感器的檢測信號進行微弱故障特征的有效診斷。采用的信息融合故障診斷過程,即將振動信號和壓力信號進行小波消噪處理,利用統(tǒng)計分析提取有效特征信息,采用主成分分析(PrinciP81componentanalysis,PCA)有效解耦各故障特征間的相關性,減少故障特征的維數(shù),采用改進算法的BP神經(jīng)網(wǎng)絡實現(xiàn)液壓泵球頭松動故障診斷。
3.l特征層信息融合
特征層狀態(tài)屬性融合就是將對多種類型傳感器數(shù)據(jù)進行預處理以完成特征提取及數(shù)據(jù)配準,即通過傳感器信息轉換,把各傳感器輸人數(shù)據(jù)變換成統(tǒng)一的數(shù)據(jù)表達形式。
通過特征向量歸一化處理可以實現(xiàn)信息融合數(shù)據(jù)配準。本文提取振動信號和壓力信號的均值、峰值因子、特征頻率的能量值和功率譜幅值、四次矩等作為球頭松動故障的特征向量。
3.2選取主成分
在新樣本空間上,逐次計算傳感器信息的綜合指數(shù)為主成分上的貢獻。令主成分貢獻綜合指數(shù)閾值為85%,根據(jù)貢獻綜合指數(shù)選取前幾個主成分,作為下一步信息融合的信息。
針對液壓泵正常和4種球頭松動故障,各選取100個樣本,由于高度顯著,說明這4組特征向量有十分明顯的差異,故此類故障的不同故障程度是可以診斷的。
選擇BP神經(jīng)網(wǎng)絡的結構,對液壓泵正常和設置的4種球頭松動故障在訓練誤差精度要求下對網(wǎng)絡進行訓練,通過改進算法的學習和訓練得到BP網(wǎng)絡的優(yōu)化權值矩陣。在實際使用時,利用BP神經(jīng)網(wǎng)絡的權值矩陣及其改進算法實現(xiàn)多故障的有效診斷。其中輸出節(jié)點1表示液壓泵正常時神經(jīng)網(wǎng)絡的輸出值,節(jié)點2表示間隙為6μm時神經(jīng)網(wǎng)絡的輸出值,節(jié)點3表示間隙為9μm神經(jīng)網(wǎng)絡的輸出值,節(jié)點4表示間隙為12μm時神經(jīng)網(wǎng)絡的輸出值,節(jié)點5表示15μm時神經(jīng)網(wǎng)絡的輸出值。
利用BP神經(jīng)網(wǎng)絡及其改進算法可以有效診斷不同間隙大小的球頭松動故障。
4、結論
本文通過液壓泵出口的振動信號和壓力信號,通過小波消噪處理有效提取故障特征,利用PCA分析很大程度上減少了信息融合特征向量的維數(shù),通過可診斷性檢驗證明PCA重新組合的特征向量可以實現(xiàn)多故障診斷。在BP算法中引人附加動量項,獲得最優(yōu)學習率,通過改進BP算法實現(xiàn)不同間隙大小球頭松動故障的有效診斷。