基于液压装置信息检测的故障诊断技术优化方案

该技术主要是以工况监视为特点，对工程机械设备特征信号进行检测、分析处理，利用特征信号进行故障诊断。典型的液压系统故障检测与诊断系统原理及过程如图6-8所示。

图6-8 典型的液压系统故障检测与诊断系统原理及过程

1.动态信号的在线检测

利用各种传感器，对液压系统的主要动态参数（如压力、流量、温度、元件的运动速度、振动和噪声等）信号进行在线实时检测（包含滤波、放大等信号调理及A-D转换等过程），包括对单个液压件（通常是系统中的重要元件）参数和整个系统特征参数的检测。它是整个故障检测与诊断系统的重要环节，要求实时、准确地获得各参数的真实信号，因此在传感器设计、选择、安装上要做大量的工作。从某种意义上讲，传感器的技术水平很大程度地决定了故障诊断系统的准确性和真实性。

2.工作状态的识别与故障诊断(www.xing528.com)

主要包括信号特征分析、工作状态识别和故障诊断等过程。对现场实测信号进行信号分析和数据处理（如频域分析、时域分析、小波分析等），以提取表达工况状态的特征量，在此基础上进行工作状态的识别和故障诊断。由于实际液压系统元件常常具有严重的非线性特征，如液压阀的饱和、滞环、死区，表现出流量-压力特性的严重非线性等，给经典故障诊断方法带来了困难，而基于模糊诊断、神经网络诊断和专家系统诊断等现代智能诊断法给此类系统的故障诊断带来了方便。

（1）模糊诊断 液压系统工作过程中，系统及元件的动态信号多具有不确定性和模糊性，许多故障征兆用模糊概念来描述比较合理，如振动强（弱）、偏心严重、压力偏高、磨损严重等。同一系统或元件，在不同的工况和使用条件下，其动态参数也不尽相同，因此对其评价只能在一定范围内做出合理估价，即模糊分类。模糊推理方法采用IF-THEN形式，符合人类思维方式。同时模糊诊断法不需要建立系统的精确数学模型，对非线性系统尤为合适，因此在液压系统故障诊断中得到了应用和发展。

（2）神经网络诊断 人工神经元网络是模仿人的大脑神经元结构特性而建立的一种非线性动力学网络，它由大量的简单非线性单元互联而成，具有大规模并行处理能力、适应性学习和处理复杂多模式的特点，在液压系统故障诊断中得到了较多的应用和发展。

（3）专家系统诊断 由于各种液压系统及元件具有一定的相似性，所以各液压系统及元件的故障具有一定的共同特点，如各种伺服阀的结构、故障特点都具有一定的共同点。在这一领域积累了大量的专家知识，对发展液压系统故障诊断的专家系统创造了条件，具有广阔的发展前景。

（4）其他诊断 随着现代智能技术的发展，各种复合的智能诊断法将不断涌现，如模糊-专家系统诊断法、神经网络-专家系统诊断法等，将使单一液压系统故障诊断方法的能力得到大大改善。如基于神经网络的专家系统在知识获取、并行处理、适应性学习、联想推理和容错能力等方面具有明显的优势，而这些方面恰好是传统专家系统的主要弱点。这些复合智能诊断系统具有诊断速度快、容错能力强和精度高的特点，将是今后长时间的发展方向之一。