液壓系統故障診斷技術的研究現狀與發展趨勢研究

張金玲 韓江

摘 ? 要：文章闡述了當前液壓系統診斷技術發展現狀，并深入闡述了液壓系統故障診斷技術的重要性，同時，根據診斷特點將其分為3個階段進行研究，最后提出了未來發展液壓系統故障診斷技術的方向及發展趨勢。

關鍵詞：液壓系統;故障診斷技術;研究現狀;發展趨勢

隨著計算機控制技術、傳感技術、液壓系統技術與微電子技術等的不斷發展及其緊密結合，液壓技術逐步朝著自動化、精密化和復雜化方向發展，而且液壓技術的應用范圍也越來越廣泛，涉及的領域也越來越多，如冶金、航天等。但其故障具有隱蔽性、多樣性以及不確定性等多種特點，一旦有故障發生，很難較快查找出原因，會導致設備受損、全線停工，在一定程度上會威脅工作人員生命安全，甚至出現嚴重的環境污染，給企業帶來一定經濟損失，因此，需要強化液壓系統的故障診斷工作。

1 ? ?液壓系統故障診斷發展

根據液壓系統故障診斷技術以及相應特點，可將其分為3個階段開展，分別為：原始診斷、模型診斷以及智能化診斷階段。

1.1 ?原始診斷階段

原始診斷階段設備較為簡單，對于故障的診斷無需動用任何診斷儀器，單憑相關領域的專家和技術人員通過自身豐富的工作經驗、感官和簡單儀表，即可診斷故障并排除故障。在該階段常用的診斷方法主要有：感觀診斷方法、邏輯分析方法以及檢測圖論法。陸望龍等從實踐工程角度出發，闡述了主觀診斷法及原始診斷階段，能夠對不同診斷方法的使用進行分析，進而為現場工作人員以及液壓系統診斷提供了重要的技術支持。為獲得快速故障診斷，黃志堅等提出邏輯分析方法、方框圖、魚刺圖，并且以實例具體說明了邏輯分析等方法的實際應用。針對液壓重要部件及系統的診斷方法和故障機理進行深入研究，羅建民等采用這種故障診斷方法分析了流水線中砂壓實機的故障和磨床工作臺故障問題。喬文剛等采用邏輯分析法和參數測量等兩種方法進一步提高了液壓系統故障診斷的快速性和準確性，能夠顯著降低工作人員的技術要求。采用原始的診斷方法具有較大優勢，比如在診斷過程中操作比較簡單，而且分析過程結果很容易被外界認可。在實際應用過程中對于工作人員的經驗以及感官判斷能力的要求較高。

1.2 ?模型診斷階段

模型診斷階段在一定程度上也屬于計算機技術以及傳感器診斷，由于動態檢測技術和傳感器技術不斷發展，使液圧系統故障診斷過程和各種診斷信號技術測量比較簡單。近年來，危機信號處理技術不斷發展，顯著提升數據處理效率，因此，不同類型的故障診斷方法和監測手段紛紛出現，包括：時頻分析、時域分析、動態分析、狀態空間分析等，比如Mehra等介紹了對液壓系統故障診斷的改進方法，也被稱為是重構診斷方法，使用卡爾曼濾波器，能夠估計液壓執行機構包括參數變化量、構造殘差序列等，將這些故障從中檢測出來，并進一步進行估計、分離及決策，再利用統計檢驗方法，對液壓系統的故障給予分析診斷。這種診斷方法相比狀態估計的方法來說，更有利于故障分離，能夠建立故障與過程參數之間的準確關系，最后可以根據參數進一步估計故障來源。姜萬錄等利用小波變換器能夠對液壓系統出現故障過程中產生的振動信號以及運行中壓力信號進行分析，通過仿真實驗進行多次驗證，結果證明該方法具有一定的可行性。

基于模型診斷階段的診斷方法需建立較為系統的數學模型，雖然實踐中也取得了較為顯著的經濟效益和社會效益，但其診斷過程存在局限性。液壓系統在一定程度上來看，也屬于一種非線性的可變系統，具有一定的耦合性、滯后性、參數識別等非線性特點，并且數學模型較為復雜或者根本不存在，對噪聲特性統計也不夠理想，與此同時，存在過程不確定等因素，導致液壓系統故障特征參數的提取變得非常困難，很難完成精準的在線狀態估計或者參數的估計。

1.3 ?智能化診斷階段

智能化診斷階段是將人工智能研究成果運用于液壓系統的故障診斷中，是以常規診斷技術和信號處理技術為基礎，以人工智能為核心技術，來構建出智能診斷模型和診斷系統。在診斷液壓系統時，能夠利用現代知識處理、代替原有的數據處理作為核心。目前，基于人工智能條件的液壓系統故障診斷，可以使用兩個方法：專家系統診斷，神經網絡診斷。

1.3.1 ?專家系統診斷

專家系統診斷主要根據工作人員日常工作過程中所積累的經驗和相關理論知識設計計算機程序，診斷結果比較直觀，很容易被理解，能擺脫采用模型診斷中過分依賴模型的問題。采用專家系統進行故障診斷，通常步驟為：首先，根據液壓系統故障產生機理以及相應的參數，建立故障規則庫和數據庫;其次，對液壓系統現場故障特征及現象進行數據釆集和處理，將此數據存入數據庫，通過推理機，確定故障發生部位及其原因;最后，將結果在人機界面中顯示。有文獻專門針對專家系統的推理方式、知識獲取以及總體進行分析，能夠對不同液壓系統進行專家診斷、系統開發，在實際應用中能夠獲得良好效益。但由于使用專家系統實驗存在很多問題，包括很難獲取知識理論，在存在較多規則條件下，推理時會出現匹配沖突或者組合爆炸問題，導致推理效率、診斷率降低[1]。

1.3.2 ?神經網絡診斷

神經網絡診斷主要利用神經網絡的高度功能，包括具有較強的容錯性、自學能力、自適應性、分布式、合并完成數據處理等，能夠有效處理專家系統中出現的組合爆炸等相關問題，并大大提高了計算速度。神經網絡的智能診斷應用方式有以下幾個方面：（1）從模式識別角度上來看，采用神經網絡可用于分類器故障診斷。（2）從預測角度上來看，采用神經網絡能夠實現動態預測模型，并對故障進行準確預測，利用神經網絡的非線性動態能力，能夠實現結構映射故障診斷。（3）從知識處理角度來看，基于神經網絡專家診斷系統一旦出現新問題，利用神經網絡具有的自學習對權值不斷調整，以提高故障診斷率，有效降低誤報率或者漏報問題的產生。同時，利用神經網絡能夠對多種類型的液壓閥、泵等執行機構、能源系統、增速回路故障進行準確判斷。在實際運用過程中，采用神經網絡故障診斷的方法也存在很多問題，包括：學習算法收斂速度慢、很難獲取訓練樣本、無法快速解釋、推理結果等[2]。

2 ? ?液壓故障診斷技術的發展趨勢

當前，隨著計算機人工智能以及數據處理技術等快速發展，未來液壓故障診斷技術其發展主要體現在以下幾點。

2.1 ?云計算為基礎的實時故障診斷

網絡化實施故障診斷主要是利用專用網以及因特網，可以將液壓系統工作狀態傳送到相應的監控平臺中，實現對數據的遠程采集、分析、監測、提供重要的技術支持等。由于受到數據傳輸量等因素的影響，目前故障診斷技術只能夠對少量數據故障進行診斷，因此，會影響診斷精確度。將云計算與網絡技術進行融合，可實現不同特征信號的數據傳輸、采集、診斷，能夠準確定位故障部位，對液壓系統運行狀態進行實時監測，該技術也成為液壓系統故障診斷的主要發展趨勢。

2.2 ?多種智能故障診斷

不同智能診斷方法有其各自優缺點，將不同的智能診斷方法進行融合能夠顯著提升故障診斷的綜合性，這也是未來故障診斷必然發展趨勢，比如可以將兩種不同智能故障診斷方法進行融合，或將兩種方法結合后進行復合，之后通過中間權值來選擇獲取最佳結合方式，完成相應的液壓系統故障診斷。同時，不局限于常見的幾種方式融合，可以將人工免疫、灰色理論、混沌理論等多種方法引入到液壓系統的故障診斷中。

2.3 ?全面融合的智能故障診斷

當前，混合故障診斷應用于液壓故障診斷系統，從其診斷能力上來看，相比單獨診斷來說診斷效果要好，但最終診斷能力也僅限于兩系統之間，與實現專家思維的融合和靈活運用還存在較大差別，現有混合診斷技術只能在事先確定好組合的情況下進行知識模型結合，無法體現動態融合，更無法適應不同故障類型和系統運行環境的變化。

2.4 ?虛擬現實技術

虛擬現實技術是多媒體技術發展之后在計算機領域被研發出來的，具備以下4個特點：交互性、自主性、多感知性以及多存在感。在一定程度上與多媒體技術具有相同點，比如采用圖文并茂的方式，更容易被客戶認可。事實上，虛擬現實技術采用計算機技術，能夠對復雜數據進行可視化操作和數據交互，進而形成一種新的方式，相比傳統計算機技術來說更具有直觀性。隨著該技術的發展，未來將其應用于液壓系統的故障診斷中，將給液壓系統故障診斷技術帶來一次新的技術性革命。

3 ? ?結語

液壓系統是集合液、機、電為一體的耦合系統，在該系統故障診斷過程中，具有較大的隨機性、復雜性、隱蔽性。液壓設備通常結構較為復雜，對于精準度的要求也比較高，盡管國內的外專家在液壓系統故障診斷過程中，取得了一些顯著的成效。在實際應用過程中仍存在很多問題，因此，為進一步提高液壓系統的故障診斷效率，需要將知識理論與相關學科技術應用于液壓系統故障診斷中，并實現多種技術的融合，給液壓系統故障診斷技術帶來新的發展機遇。

[參考文獻]

[1]趙子旭，楊海龍.液壓系統故障診斷技術的研究現狀與發展趨勢[J].大科技，2017（32）：66-68.

[2]許春燁.液壓系統故障診斷技術的現狀與發展趨勢[J].科技風，2018（36）：183.