基于FTA 的全自動液壓機下滑故障診斷技術

任鑫波

（晉中職業技術學院，山西晉中 030600）

0 引言

全自動液壓機作為工業生產的重要機器[1]，保證良好狀態尤為關鍵。近年來針對全自動液壓機下滑故障的維修方法，在實際工作中存在診斷步驟繁瑣、故障定位不準確的問題[2]。

為了提高全自動液壓機故障診斷的精確度，提出基于FTA的全自動液壓機下滑故障診斷技術。FTA 的核心是利用布林邏輯組合低階事件，將所有可能的因素和結果以邏輯關系匯總在一起，形成次序分明的結構體[3]。

本文引入FTA（Fault Tree Analysis，故障樹分析）思維，逐層分析故障的原因和表征，設計FTA 故障樹分析模型和分析流程；改進FTA 故障樹分析方法，確定各搜索方案屬性值，采用有獎有罰的規則標準化故障搜索矩陣；利用FTA 理論簡約故障條件屬性，完成故障診斷。

1 基于FTA 的全自動液壓機下滑故障診斷技術設計

導致全自動液壓機出現下滑故障的因素較多，需要從底層設計故障樹模型、設計診斷流程，并對FTA 方法進行改進，完成基于故障樹的下滑故障診斷。

1.1 FTA 故障樹分析模型設計

S—T 模型是一種以一系列IF—THEN 模糊規則為基礎的FTA 故障樹分析推理模型[4]。IF—THEN 模糊規則可以識別出復雜系統中的問題并對預設軌道進行控制。

其規則內容為：

其中f（x）是x 的線性函數。對于有n 個單輸出系統，在利用S—T 模型進行推理時，給定m 條模糊規則，第l（l=1，2，…，m）條模糊規則形式如下：

設定初始條件為：

其中，i 與j 為事件序號，取正整數；n 代表集合中的所有狀態；λi，j代表從狀態i 到j 的轉移概率。求解該模型可得到故障樹中相應事件的發生概率，也即全自動液壓機在特定時刻的故障概率。

1.2 FTA 故障樹分析流程設計

設計FTA 故障樹分析流程如圖1 所示，主要是利用T—S模型對FTA 決策方案底事件進行模糊描述，搜索出設備故障特征，輸出故障處理方案。

圖1 T—S 模糊FTA 分析流程

影響決策方案的屬性包括部件的T—S 模糊FTA 重要度、故障搜索成本以及多發性故障，故障搜索成本需要綜合考慮維修費用、檢修時間等因素；多發性故障主要是考慮到同批次引進的部件缺陷造成系統集中多發性故障。

故障搜索決策流程是將T—S 模糊FTA 分析中的底事件設置為全自動液壓機各部件故障診斷候選方案，建立決策矩陣，并進行標準化處理。計算評價靶心和不同方案綜合靶心距，作為診斷向量確定最終診斷順序。

1.3 FTA 故障樹故障搜索決策方法改進

以往的故障搜索決策方法只片面地考慮了系統的一種故障狀態，僅僅將系統發生嚴重故障時的部件T—S 關鍵重要度作為屬性進行考慮，降低了決策的準確，因此對FTA 故障樹故障搜索方法進行改進。

在故障搜索決策的過程中，確定系統不同狀態下各搜索方案所對應的屬性值，再進行綜合分析決策。這樣就實現了與T—S 模糊FTA 系統可靠性分析結果的對應，在充分利用可靠性分析結果的同時，使得決策結果更加精準、更加合理。

傳統的決策矩陣標準化處理往往存在只獎不罰的缺點，所以本文采用有獎有罰的規則對診斷數據進行設置，然后標準化故障搜索決策矩陣，擴大指標的差異度，提高決策質量。規定當矩陣的屬性數值高于數據的平均值的時候，設置其等級為0 和1 的正數等級，當矩陣數值低于數據的平均值時，設置其等級為-1 和0 的負數等級。

1.4 全自動液壓機下滑故障診斷

1.4.1 故障排查權限

為了快速且方便地診斷液壓機的下滑故障，需要先設定故障排查用戶權限。故障診斷權限分為三類：

第一類，全自動液壓機的使用操作人員：只有查看故障信息的權限，不能更改數據。

第二類，全自動液壓機維護人員和零件安裝檢測人員：可以查看設備故障信息，隨時添加和刪除設備信息，撰寫機器維修信息，生成故障維修日志。

第三類，終端管理人員：能夠隨時添加和刪除設備信息，管理設備終端密碼，并對設備進行重新啟動和格式化操作。

1.4.2 故障類型診斷

根據FTA 理論，全自動液壓機的下滑故障受多個條件影響，設置故障類型為決策屬性（表1）。

表1 決策屬性集

6 類故障原因組成決策屬性集：D={D1，D2，D3，D4，D5，D6}。

由于液壓機的復雜性，過多的條件屬性可能出現冗余，冗余的條件屬性將降低系統的計算速度。因此需利用ETA 理論對全自動液壓機的故障條件屬性進行約簡，提取出相關的信息，生成最簡故障決策表。刪除冗余的條件屬性，降低系統計算量，快速對故障進行診斷，至此完成基于FTA 的全自動液壓機下滑故障診斷技術設計。

2 實驗論證分析

設計完成后，需要驗證本文所設計的下滑故障診斷方法的有效性。臺達ECMA 系列伺服電機與液壓機具有相似振動信號，故障振動幅值小，下滑故障分辨難度較大，比直接進行液壓機下滑故障檢測更具有驗證性，因此本文用臺達ECMA 系列伺服電機模型代替液壓機進行仿真性實驗。

2.1 實驗平臺

以Matlab R2019b 作為實驗平臺，在主頻為1 的環境下進行仿真。本實驗硬件平臺有：①上位機；②臺達24 V 開關電源；③倍福CX2020 運動控制器；④臺達A2 系列電機驅動；⑤開關控制面板；⑥臺達ECMA 系列伺服電機；⑦加速度傳感器（CAYD-1160）。其中，24 V 開關電源用于加速度傳感器及數據采集端子的電源供應；開關控制面板用于模擬全自動液壓機的開關量狀態，如電路系統的通斷狀態、油缸是否抖動、循環受阻狀態等開關量參數；臺達A2 系列電機驅動用于驅動臺達ECMA 系列伺服電機；上位機對數據采集模塊所采集的數據進行數據處理及故障診斷。

2.2 故障診斷及分析

通過實驗平臺進行試驗并采集實驗數據，將所得數據樣本作為訓練樣本，對故障模型進行訓練。模型訓練完畢后，利用Matlab R2019b 實時采集數據，將數據導入下滑故障模型，得到圖2 的故障診斷結果。

圖2 下滑故障診斷測試結果

由圖2 可知，本文提出的故障診斷模型具有較高的故障預測準確率，且故障預測準確率穩定。基于HSMM—SVM 的液壓機故障診斷方法的傳統方法，數據故障診斷可靠性較差，訓練誤差常出現不收斂現象，導致故障診斷精度波動劇烈。而本文的故障輸入點較多，具有屬性約簡的優勢，預測準確度高且模型穩定。

3 結束語

本文利用FTA 理論設計出全自動液壓機下滑故障診斷技術。基于FTA 簡約化診斷流程，降低診斷計算工作量。實驗結果表明，本文設計方法在一定程度上提高了設備故障診斷精確度。由于時間和研究條件有限，該仿真實驗尚不能全部復原全自動液壓機的工作，所以在今后的實驗研究中應進一步完善。