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@?OO8#!""% (()!,;FF?J[#/?JK@OO? B8Z?I4O4K?<2 14RF?O-KFRTX KRF4$0 14S 6;;OM;F[@?=<;JK@T;M9;S4F-LJK4E [@JKRFG?