液压泵信息融合故障诊断&&&王少萍
苑中魁
!
!
杨光琴
液压泵信息融合故障诊断
苑中魁
王少萍
北京航空航天大学!北京!!###*)
杨光琴
!
!
摘要#针对液压泵故障特征的分散性和模糊性!提出基于振动和压力传感器的信息融合故
障诊断方法"在充分分析液压泵球头松动故障机理 的 基 础 上!对 振 动 信 号 和 压 力 信 号 进 行 小
波消噪处理!有效提取球头松动的故障特征"将不同类型特征参数进行特征层融合!利用主成
分分析和改进算法的
神经网 络 实 现 液 压 泵 球 头 松 动 故 障 诊 断" 试 验 表 明!基 于 不 同 类 型
传感器信息融合故障诊断方法可以有效地实现液压泵微弱故障的诊断"
,9
关键词#故障诊断*信息融合*液压泵*主成分分析*小波分析
中图分类号#6>!)(!!!
文章编号#!##’&!)$!’$##%(#’)$(%
H-,1<)*G%,7-I/%8*)$/$)BI%-%G,$$/)*/*V<1&%,7/’3,.4
Z?<=-N?;U@<=^R?<‘N;<=WR@^?<=:R?<=_@<
,4@N?<=H<@I4FJ@KL!,4@Q@<=!!###*)
+:$-&%’-#[@F4TK@<=K;KN4 2@JU4FJ@I4<4JJ?<2M?@
用单一信息来反 映 其 状 态 行 为 都 是 不 完 整 的!如
果从多方面获取同一对象的多维故障冗余信息加
以综合利用!就能 对 系 统 进 行 更 可 靠 更 精 确 的 监
测和诊断"本文 针 对 柱 塞 泵 球 头 松 动 故 障 模 式!
通过在液压泵出口配置振动传感器和压力传感器
进行故障检测!通过小波分析进行信号消噪处理!
利用主成分分析 提 取 有 效 融 合 信 息!采 用 改 进 算
法的
神经网络实现液 压 泵 微 弱 信 号 或 多 故 障
的有效诊断"
,9
液压泵球头松动故障机理分析
!!
由于制造误差或液压泵在工作过程中的压力
冲击!常常使柱塞 球 头 与 球 窝 沉 凹 变 形 使 球 头 与
球窝间隙增大!从而产生柱塞球头松动的故障"
=8=!
基于振动信号的故障机理分析
液压泵缸体在 转 动 过 程 中!柱 塞 在 油 缸 中 往
复运动"当缸体 转 过 一 定 角 度 时!经 过 上 死 点 柱
塞进入吸油区!球头与柱塞发生一次碰撞#当缸体
转动经过上死点后!球头开始向柱塞方向运动!球
头与柱塞发生相对运动#当转过排油区时!高压油
作用在柱塞上!使柱塞迅速向球头方向运动!从而
又一次产生 冲 击" 缸 体 转 动 一 周!球 头 与 柱 塞 发
生两次碰撞!经过 传 动 轴 和 轴 承 将 能 量 传 递 到 壳
体上!故球头 松 动 故 障 的 振 动 频 率 为 轴 频 率 的
倍!即
$
中国机械工程第
卷第
期
’
!&
$##%
年
$
月下半月
安装了
$
力传感器
个加速度传感器
’1&’2
检测振动!!
个压
检测泵的压力脉动$见图
,
!%"
图
=!
液压泵故障诊断系统示意图
由于液压泵出口检测到的振动信号和压力信
号常被干扰信号淹没!为了提取故障特征!对上述
传感器的检测信号进行小波消噪处理"
小波信号消噪处理
$!
液压泵的工作 环 境 一 般 比 较 恶 劣!其 工 况 受
环境的影响较大!通 常 在 泵 出 口 检 测 到 的 信 号 含
有很大的噪 声" 试 验 表 明!液 压 泵 出 口 检 测 到 的
压力信号和振动 信 号 体 现 出 以 下 特 点’#
信 号 的
频谱分布很宽&波形杂乱!规律性差#$
平稳性表现明显"
时变与非
因此!基于这 两 种 信 号 的 故 障 特 征 提 取 非 常
$!%
困难!有必要对检测的信号进行消噪处理"
&$ "$#
式中!&$
=(>!
为振动信号频率##
基于压力信号的故障机理分析
为泵的轴频率"
球头松 动 对 液 压 泵 出 口 的 压 力 脉 动 也 有 影
响"当缸 体 转 过 上 死 点 时!球 头 向 柱 塞 方 向 运 动!
当油缸的排油进入 卸 荷 区 时!球 头 与 柱 塞 还 未 发
生碰撞!这时在高压油的作用下!柱塞又向球头方
向运动!球头与球窝发生碰撞!产生振动冲击的同
时!碰撞通过柱塞 作 用 在 高 压 油 上 从 而 产 生 一 个
压力脉动!所以球 头 松 动 引 起 泵 出 口 的 压 力 脉 动
频率与泵的轴频率相同!即
&- "#
$$%
式中!&-
为泵出口压力脉动频率"
由上述 分 析 可 知!如 果 球 头 与 球 窝 的 间 隙 很
小时!球头与柱塞的相对速度不大!产生的碰撞能
量很小"当 间 隙 增 大 时!产 生 的 振 动 能 量 就 会 增
大!且具有周期变化的时变特性!壳体检测的振动
能量通常分布于
倍 轴 频 率 处#对 于 压 力 脉 动 信
号!能量主要分布在轴频率处"
$
球头松动故障诊断系统
=(?!
针对球 头 松 动 故 障!在 液 压 泵 出 口 垂 直 方 向
万方数据
**$)*
小波分析是目 前 较 有 效 的 信 号 处 理 方 法!它
可以同时在时 域 和 频 域 中 对 信 号 进 行 分 析(!)!能
有效地区分信号 中 的 突 变 部 分 和 噪 声!实 现 信 号
的消噪"
$
图
为泵出口振动信号及其小波消噪后的信
号!选取小波消噪的 全 局 阈 值 为
!Y#’"" 很 明 显!
检测信号中包含 了 许 多 干 扰 信 号!很 难 简 单 地 利
用检测到的振动信号进行有效的故障诊断"为了
消除干扰影响!经过小波处理!可以有效地消除泵
出口振动信号中 所 包 含 的 噪 声!有 利 于 故 障 特 征
的提取"
图
>!
泵出口振动信号及其小波消噪后的信号
液压泵信息融合故障诊断///王少萍
苑中魁
!
!
杨光琴
信息融合故障诊断方法
)!
信息融合是将 多 源 信 息 加 以 智 能 合 成!产 生
比单一信息源更 精 确"容 错 性 和 鲁 棒 性 更 强 的 估
计和判 断#$$% 由 于 液 压 泵 出 口 检 测 到 的 信 息 微
弱!易于被干扰所淹没!很难利用单个传感器的检
测信号进行微弱故障特征的有效诊断%图
给出
了采用的信息融 合 故 障 诊 断 过 程!即 将 振 动 信 号
和压力信号进行 小 波 消 噪 处 理!利 用 统 计 分 析 提
取有 效 特 征 信 息!采 用 主 成 分 分 析 &UF@!
9/0
是特征 提 取 和 数 据 压 缩 的 多 变 量 统 计
分析技术!它能够有效地去除数据间的相关性#)$%
方法是 对 现 有 的 样 本 空 间 进 行 某 种 正 交 组
9/0
合变换产生新的学 习 样 本 空 间!使 得 新 的 样 本 空
间的相关性小%
)($(!!
获取样本矩阵
#)H
上述传感器&$
个振动传感器和
个压力传感
!
器’中!如 果 每 个 传 感 器 感 受 到 的 信 息 有
子!则样本数据矩阵可以描述为
个 因
H
万方数据
1!!!1!$!-!1!H
,
.
#)H "
1$!!1$$!-!1$H
" !!#$!-!#H’ &%’
-
1)!!1)$!-!1)
/H
式中!#/&/"!!$!-!H’表示因子间的相关性%
)($($!
交特征向量
求协方差矩 阵
(
&
#
)的 特 征 值 和 标 准 正
根 据 样 本 矩 阵
#)H!得 到 其 协 方 差 矩 阵
./&/" !!$!-!
个彼此
&’的 特 征 值
&’!从而得到
L’%为了消除样本内部的数据耦合!寻找
正 交的特征向量
L
$!!$$!-!$L&L*H’使得
$F
满足
&&’
互 不
$F "’F!#! 4’F$#$ 4 - 4’FH#H
F"!!$!-!L
为 样 本 数 据
#)H
的 第
F
个 主 成 分*$/
与
$F
式中!$F
相关%
)($()!
根据累计贡献率选取主成分
定义第
个主成分的贡献率为
F
L
&F ".F,+
F"!
./
&(’
个主成分的特征量*&F&F"
式 中!.F&F"!!$!-!L’为第
F
!!$!-!L’为主成分贡献率%
在新样 本 空 间 上!逐 次 计 算 传 感 器 信 息 的 综
合指数为
’"$!&! 4$$&$ 4 - 4$L&L!!L*H &*’
其中!$/&/&/"!!$!-!L’给出了每个样本在
主成分上的贡献%令 主 成 分 贡 献 综 合 指 数 阈 值 为
*%d!根据贡献综合指数选取前
个主成分!作为
下一步信息融合的信息%
L
故障的可诊断性检验
?(?!
可诊断性检验主要是验证所选择的特征向量
9/0
经过
分析后 对 系 统 的 故 障 是 否 达 到 区 分 不
同故障的目的%故 障 的 可 诊 断 检 验 的 实 质 主 要 是
分析各种 故 障 的 故 障 状 态 样 本 是 否 具 有 显 著 的
差异%
(
@
H
假设系统有
种故障状 态!并 且 有
个 诊 断
( " &2!!2$!-!2@’6 表 示!其 中 向
分 析 后 的 各 种 特 种 向 量 的 线 性
9/0
指标!用向 量
是经过
量
组合出来的新的特 征 向 量%假 定 从
测 得
(!
个样本!记为
#!!#$!-!#H
H
!!($
! *(!
!!-!(#!
个 母 体 是 等 协 方
$ *-*(!
(/ ! S&0/!"/’&/"!!$!-!H’%其中!0/"
个故障状态样本的均值和标准差%
H!-!(#H
H !H
H!($
$!
$!-!(#$
($
差阵!即
个 故 障 状 态
分别表示第
/
个样本进行判别!需要检验的假设是
H
"/
为了对
当
6#
6#+0! "0$ " - "0H
被接受时!说明区分
&"’
个母体是没有意
义的!即不 具 备 可 诊 断 性!除 非 增 加 新 的 指 标*当
个 母 体 是 有 意 义 的!即 具
6#
备可诊断性!由此建立的诊断模型是有意义的%记
被否定时!则区分
H
H
."$).
组内离差阵为
H
#
!
)" +
组间离差阵为
J"! +
F"!
H
!(F
J *7(J"!(F
J *7(J"6
"" +
J"!
#J!(J*7("!(J*7("6
总离差阵为
H
#
!
* ")4"" +
J"! +
F"!
!(F
J *7("!(F
J *7("6 !!$"
#"#! 4#$ 4 # 4#H
7("
H
#
J
!
#+
J"! +
F"!
(F
J
7(J ""
#
J
!
#J+
F"!
(F
J
!!)"
!!’"
!!%"
组内离差和组间离差的实质是多源变量的方差$
分布%故采
均服从
Z@JN?FK
可 以证明%)&"&*
Z@OWJ2
用均值检验的
统计量’’(
2$ "
"
K)K
K)K
K*K
分布%对于某一置信水平
K)K4K"K
2
它服从
42%!@%#*H%H"%则接受
2%
见文献’%($
!2!@%#*H%H"!!&"
!*%%如果
2$
6#$其中
6#%否则拒绝
如果假 设 成 立%那 么 所 选 的 特 征 向 量 不 足 以
用来诊断%需要选 取 新 的 特 征 量 才 能 够 达 到 对 故
障的区分和诊断)反之%所选的特征量可以达到对
故障的区分%无需再选择新的特征量$
多层感知器神经网络信息融合
?(!!
信息融合故障诊断算法的最后一级采用改进
神经网络进行全局故 障 诊 断$原 始 的
,9
网络由输入层&隐层和输出层组成’&(%见图
神 经
,9
中国机械工程第
卷第
期
’
!&
$##%
年
$
月下半月
!!#"
!!!"
由于增 加 了 动 量 项%可 以 方 便 地 实 现 学 习 率
的自适应调整$如 果 在 预 定 义 范 围 内 新 的 误 差 超
过了前一次误差%那么新的权值和阈值就被舍弃)
否则%新的权值就被保留下来$通过优化可以得到
最优的学习率%即当新的误差比原来的误差小%学
习率增大%使学习平稳)当学习率过大使得学习不
稳定%那么减小学习率%直至重新达到稳定$
试验分析
’!
本文采用
-/^
其转 速 为
%$*#F,E@<%相 应 的 轴 频 率 为
和
柱塞式液压泵作为试验对 象%
**>\$在
的球
!%0E
$
&0E&"0E&!$0E
该泵上预先设置了
头松动故障$通过 检 测 泵 出 口 垂 直 设 置 的
速度传感器 和
征%图
号%很明显其故障特征被噪声淹没$用
以获得消噪后的特征信号%见图
球头松动故障下检测到的振动信
个 压 力 传 感 器 可 以 获 得 故 障 特
!$0E
小波可
个 加
2G)
为
!
%
&$
图
@!
液压泵
!$0E
球头松动故障下振动信号
’1
’$
图
A!
振动信号
’1
的小波能量图
图
!!,9
神经网络结构图
网 络 的 基 础 上%附 加 动 量
,9
我们在 原 始 的
项%改进权值学习*
3$J4!
3WJ4!
R/
R/ "4>/1R 4%3$J
/F "5!F3/4,3WJ
为学习率)%&,
/ +F
为动量项)J
!!("
为学习次数)
分别代表输入层&隐层及输出层的节点数$
万方数据
式中%#"4&5"!
下标
/&F&R
-#))-
&
由图
可 以 看 出%经 过 小 波 消 噪 后 的 振 动 信
号峰值确实在轴频 率 和 其 倍 频 处%结 论 同 故 障 机
理分析$在垂直方向的振动信号和压力信号中%提
取信号的均值&有效值&峰值因子&脉冲因子&四次
矩&特征频带的能 量 值 和 特 征 频 率 点 的 功 率 谱 的
方向振动信 号特征 向 量 的
幅值为特征量$假设
协方差矩阵为
+P!(%("%其特征值为
P
,-.P " ’#(%)%#(&&%#(’$%#()$)%#(#’(%
对
#(#))%#(##%$(6
!!*"
分析%
得各个 特 征 值 对 应 的 贡 献 率 和 积 累 贡 献 率 !见
方向振动信号特征向量进行
9/0
P
液压泵信息融合故障诊断+++王少萍
苑中魁
!
!
杨光琴
表
!!"
表
=!P
方向振动信号特征值的贡献率和累积贡献率
输出节点 正常
&0E
"0E
!$0E
!%0E
表
>!,9
神经网络故障诊断输出
贡献率
#($%%$#()$#’#($#’’#(!%&’#(#$%##(##!(#’
累积
贡献率#($%%$#(%(%((("##(")%’#(")("#("%’#!(####
!
从表
可得在满足 积 累 贡 献 率 为
!!
件时应选的特征量 有
征向量的线性组合#这种线性组合如下$
的 条
个#它 们 是 协 方 差 矩 阵 特
*%d
’
节点
节点
节点
节点
节点
! #(*"’% #($%*& #(#(%&$ #(!$%( #(!&%’
$ #(!*)$ #("’$! #(!’$% #($!&% #(!)%&
) #($’%! #(%’%$ #("%*& #($’*& #()’%!
’ #(!%’* #()’&% #()&’% #("#!$! #(!)%’
% #(%%’% #($%’’ #(’%&$ #()%’& #("$%&
结论
%!
#(!*’& #(!*&& #($#)# #(!"#(
,
6
.
#(*#!! #(*#%% #((’#% #(*!#$
#($’$% #($’%& #($&(" #($’(*
(P "
#(#!%& #(#!"! #(#!)& #(#!("
%#P
#(%!’* #(%#%& #(%*!* #(’"%%
#(&%!! #(*"$! #(%’’& #(*("’
-
#(!"## #(%&(% #(%’*% #(
/%&(’
为振动
式中##P
量#它是原特征向量的线性组合"
方向的归 一 化 向 量’(P
P
&!"!
为 新 的 特 征 向
本文通 过 液 压 泵 出 口 的 振 动 信 号 和 压 力 信
号#通 过 小 波 消 噪 处 理 有 效 提 取 故 障 特 征#利 用
分析很大 程 度 上 减 少 了 信 息 融 合 特 征 向 量
9/0
的维数#通过可诊断性检验证明
特征向量可以实现多故障诊断"在
附加动量项#获得最优学 习 率#通 过 改 进
实现不同间隙大小球头松动故障的有效诊断"
9/0
,9
,9
算法中引入
重新组合的
算 法
参考文献$
同理#可以得 到
Q
方 向振动信号和压力 信 号
(!)! :;RE?J - c#‘4FI?W@J B 78/O?JJ@M@T?K@;< ;M
个振动传感器和
的新特征向量"由于系统中有
个压力传 感 器#总 共 提 取 的 原 特 征 量 为
过
!
个#通
个"
对新的 样 本 数 据 进 行 可 诊 断 性 检 验#得 到 均
分析可将故障特征向量减少到了
9/0
$!
!!
$
值检验的
Z@OWJ2
统计量为
($)!
Z?JN@<= B?TN@<4J b@GF?K@;< -@=?
;RJ4#98]8/N@#$##!
(&)!/;N4< 08Z?I4O4KJ?<2 BROK@JT?O4-@=?OO8#!""%
(()!,;FF?J[#/?JK@OO? B8Z?I4O4K?<2 14RF?O-KFRTX
KRF4$0 14S 6;;OM;F[@?=<;JK@T;M9;S4F-LJK4E
[@JKRFG?