機械社區(qū)
標題: 液壓泵故障詳析 [打印本頁]
作者: 柏煜液壓設(shè)備 時間: 2017-4-13 16:54
標題: 液壓泵故障詳析
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(chǔ)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(zhuǎn)動過程中,，柱塞在油缸中往復運動,。當缸體轉(zhuǎn)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(zhuǎn)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(zhuǎn)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(zhuǎn)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(zhuǎn)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(guān)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(zhuǎn)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(jié)構(gòu)，對液壓泵正常和設(shè)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(quán)值矩陣,。在實際使用時，利用BP神經(jīng)網(wǎng)絡的權(quán)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(jié)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,。
7 u8 v2 \3 p& j( {$ l* u
5 t# t3 W, l2 Z7 `( q E
作者: 未來第一站 時間: 2017-4-13 17:05
學術(shù)期刊味好濃
, w4 z7 o+ E9 u0 j謝謝分享！
作者: 17567410 時間: 2017-4-13 18:09
收藏
; E n: V0 I+ A5 D3 e- m
作者: zhouwang 時間: 2017-4-13 21:25
阿薩斯所過付過所所所所所所所所所所所
作者: xiaobing86203 時間: 2017-4-14 08:20
有沒有適用于現(xiàn)場實際操作的方法
作者: 只有快樂 時間: 2017-4-14 12:24
液壓智能化是方向
作者: 只有快樂 時間: 2017-4-14 12:24
液壓智能化方向,。
作者: 只有快樂 時間: 2017-4-14 14:53
液壓智能化的節(jié)奏啊
作者: universal 時間: 2017-4-14 16:30
又是學生的想當然論文,，分析的是柱塞泵，不要用液壓泵啊,，齒輪泵哪來的球頭啊,。再有球頭不就是長柱塞上的嗎？怎么又和柱塞有相對運動了,？現(xiàn)代柱塞泵的球頭和滑靴之間都帶靜壓支承,，沒那么多沖擊。這是越看越不懂了:@
| 歡迎光臨 機械社區(qū) (http://giwivy.com.cn/) |
Powered by Discuz! X3.4 |