基于多源信息融合與Rough集理論的液壓機(jī)故障診斷方法研究.pdf

1、液壓機(jī)在現(xiàn)代生產(chǎn)中扮演極為重要的角色，液壓機(jī)故障輕則引起生產(chǎn)線停產(chǎn)，重則造成安全事故，因此需對(duì)液壓機(jī)工作狀態(tài)作出準(zhǔn)確判斷。但是液壓機(jī)系統(tǒng)構(gòu)成復(fù)雜，采集信息具有多樣性、隨機(jī)性、復(fù)雜性和關(guān)聯(lián)的層次性，日常運(yùn)行時(shí)，需要監(jiān)測(cè)的量有10多種，很多特征量之間是有相關(guān)性的，加上采集信息手段受各種因素影響，從而造成了信號(hào)的隨機(jī)性和不確定性，對(duì)液壓機(jī)的故障診斷造成了極大的困難，因此本文研究先進(jìn)的液壓機(jī)故障診斷方法，以獲取液壓機(jī)的準(zhǔn)確工作狀態(tài)。 本

2、論文將液壓機(jī)的故障診斷分成兩部分進(jìn)行，一部分是液壓動(dòng)力子系統(tǒng)，另一部分是液壓控制子系統(tǒng)。重點(diǎn)討論了液壓動(dòng)力系統(tǒng)關(guān)鍵部件液壓泵和液壓控制子系統(tǒng)的故障診斷。 由于液壓泵工作環(huán)境惡劣，泵出口監(jiān)測(cè)信號(hào)通常雜亂無(wú)章，容易被噪聲信號(hào)淹沒(méi)，單一傳感器提取的時(shí)、頻特征信息常呈現(xiàn)出較強(qiáng)的模糊性，采用常規(guī)信號(hào)處理方法難以有效提取故障特征。因此，需充分利用多傳感器的信息源，以獲得對(duì)設(shè)備狀態(tài)的可靠估計(jì)。本文在液壓泵的故障診斷中綜合利用了泵殼三個(gè)方向的振

3、動(dòng)信號(hào)，并輔以液壓泵外泄口溫度信號(hào)，在兩個(gè)層次分別對(duì)振動(dòng)信號(hào)進(jìn)行空間融合診斷、對(duì)振動(dòng)網(wǎng)絡(luò)診斷結(jié)果和溫度診斷結(jié)果進(jìn)行融合，獲得對(duì)液壓泵故障的準(zhǔn)確診斷。 而液壓機(jī)控制子系統(tǒng)涉及的設(shè)備較多，采集的特征量非常繁雜，難以獲得有效的故障診斷規(guī)則，故障診斷非常困難。因此對(duì)液壓機(jī)控制子系統(tǒng)采用基于粗糙集理論的故障規(guī)則提取算法，通過(guò)屬性約簡(jiǎn)和決策網(wǎng)絡(luò)的構(gòu)造，提取清晰規(guī)整的故障規(guī)則，根據(jù)這些故障規(guī)則，從液壓控制子系統(tǒng)的表征就可以容易地推測(cè)出故障原因

4、。 最后，設(shè)計(jì)和實(shí)現(xiàn)了一套基于B/S結(jié)構(gòu)的液壓機(jī)遠(yuǎn)程在線監(jiān)測(cè)與故障診斷系統(tǒng)，將本文所提出的先進(jìn)故障診斷方法引入該系統(tǒng)，可在線獲取設(shè)備現(xiàn)場(chǎng)數(shù)據(jù)，遠(yuǎn)程傳送特征數(shù)據(jù)，實(shí)現(xiàn)遠(yuǎn)程故障診斷。工廠的實(shí)際應(yīng)用表明該系統(tǒng)有效解決了液壓機(jī)故障診斷難、診斷效率低的問(wèn)題，獲得較好的診斷效果。只要導(dǎo)入其它大型機(jī)電設(shè)備的知識(shí)庫(kù)，該監(jiān)控系統(tǒng)就可以方便地應(yīng)用到其它大型設(shè)備的狀態(tài)監(jiān)測(cè)和故障診斷中。 本文的主要?jiǎng)?chuàng)新點(diǎn)如下： (1)提出了PARD-B

5、P(PARD，Pruning Algorithm based Random Degree基于隨機(jī)度的剪枝算法)神經(jīng)網(wǎng)絡(luò)故障診斷方法，該方法在隨機(jī)度的基礎(chǔ)上，利用分治算法的思想對(duì)BP神經(jīng)網(wǎng)絡(luò)隱層的冗余節(jié)點(diǎn)進(jìn)行剪枝，獲取精簡(jiǎn)的網(wǎng)絡(luò)結(jié)構(gòu)，使網(wǎng)絡(luò)具有更好的泛化性能，使故障診斷結(jié)論更可信； (2)提出了基于PSO(PSO，Particle Swarm Optimization粒子群優(yōu)化算法)的H-BP多級(jí)神經(jīng)網(wǎng)絡(luò)故障診斷方法，該方法利用P

6、SO計(jì)算上的優(yōu)勢(shì)，首先對(duì)Hopfield網(wǎng)絡(luò)權(quán)值矩陣進(jìn)行優(yōu)化，再利用Hopfield對(duì)故障特征數(shù)據(jù)進(jìn)行預(yù)處理，最后通過(guò)BP網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷。該方法可有效解決BP網(wǎng)絡(luò)易陷入局部最小的問(wèn)題，可有效提高神經(jīng)網(wǎng)絡(luò)的診斷精度； (3)提出了液壓泵兩級(jí)多源信息融合故障診斷模型，充分利用了多傳感器的資源，最大限度發(fā)揮系統(tǒng)資源利用率。該模型采用PARD-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行各方向振動(dòng)信號(hào)診斷后，進(jìn)行一級(jí)振動(dòng)子網(wǎng)診斷融合；再利用H-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行溫

7、度信號(hào)診斷；利用兩種信號(hào)的診斷結(jié)果作為獨(dú)立證據(jù)并構(gòu)造概論分配函數(shù)，進(jìn)行第二級(jí)D-S決策級(jí)融合。將數(shù)據(jù)融合技術(shù)應(yīng)用于液壓泵的故障診斷，一定程度上能獲得精確的狀態(tài)估計(jì)，增加置信度，提高診斷容錯(cuò)性和魯棒性。 (4)提出了基于粗糙集理論的液壓控制系統(tǒng)故障診斷規(guī)則提取方法。為提高故障規(guī)則的提取效率，對(duì)粗糙集理論中的約簡(jiǎn)算法進(jìn)行了優(yōu)化，縮短了故障規(guī)則的提取時(shí)間；同時(shí)為了有效濾除噪聲和處理不一致性規(guī)則，在準(zhǔn)確度的基礎(chǔ)上引入了規(guī)則覆蓋度的概念，