基于SOM的電靜壓伺服機(jī)構(gòu)油濾堵塞故障診斷

　　摘要：以電靜壓伺服機(jī)構(gòu)(EHA)為研究對(duì)象，對(duì)該機(jī)構(gòu)特有的油濾堵塞故障模式進(jìn)行故障診斷.首先在AMESim系統(tǒng)中建立EHA的仿真模型，并根據(jù)油濾堵塞程度劃分故障狀態(tài);然后以仿真中作動(dòng)器的位移、電機(jī)轉(zhuǎn)速和電機(jī)電流(指非輸入電流)為特征值，建立基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的EHA故障診斷模型，并以神經(jīng)元反饋分布作為故障標(biāo)識(shí)，進(jìn)行故障診斷;最后利用樣機(jī)的實(shí)測(cè)數(shù)據(jù)建立EHA的故障診斷模型，驗(yàn)證所提出方法的可行性.研究結(jié)果可應(yīng)用到其他故障模式中.

　　關(guān)鍵詞：電靜壓伺服機(jī)構(gòu);油濾堵塞;自組織映射神經(jīng)網(wǎng)絡(luò);AMESim系統(tǒng)

　　電液伺服機(jī)構(gòu)因其良好的穩(wěn)定性和高響應(yīng)性，被廣泛應(yīng)用于航空航天領(lǐng)域•其中，電靜壓伺服機(jī)構(gòu)(EHA，Electro-HydraulicActuator)作為一種新型的電液伺服機(jī)構(gòu)，既具有與電機(jī)伺服機(jī)構(gòu)(EMA，Electro-MechanicalActuator)類似的電機(jī)驅(qū)動(dòng)和控制功能，又具備高承載、易實(shí)現(xiàn)余度設(shè)計(jì)等突出優(yōu)點(diǎn)，是當(dāng)今伺服機(jī)構(gòu)的主要發(fā)展趨勢(shì)之一⑴.但是，EHA是一個(gè)復(fù)雜的電、氣、液系統(tǒng)，其故障呈現(xiàn)多樣化和廣泛性特點(diǎn)•其中，油濾堵塞故障是EHA相比于EMA特有的故障類型，也是EHA機(jī)構(gòu)的薄弱環(huán)節(jié)•機(jī)構(gòu)中雙向油濾主要用來濾除系統(tǒng)油路中存在的固體雜質(zhì)，降低油液的污染度，減少油腔內(nèi)部的磨損，從而延長(zhǎng)使用壽命•文獻(xiàn)[2]研究表明，油濾堵塞會(huì)直接導(dǎo)致通油面積減小，流阻和節(jié)流損失增大而顯著影響系統(tǒng)的響應(yīng)速度•

　　堵塞嚴(yán)重時(shí)還會(huì)造成油溫升高，甚至導(dǎo)致液壓部件的損壞.目前，EHA的故障診斷技術(shù)尚處于起步階段.WLAMIR等考慮噴嘴堵塞有關(guān)的失效模式，提出了一種利用衰落擴(kuò)展卡爾曼濾波器進(jìn)行系統(tǒng)辨識(shí)的伺服閥退化估計(jì)的方法⑸;黃岳等基于執(zhí)行器內(nèi)部測(cè)點(diǎn)的數(shù)據(jù)變化，選用多元統(tǒng)計(jì)學(xué)方法對(duì)伺服機(jī)構(gòu)執(zhí)行器進(jìn)行了故障診斷⑷.SONG等從數(shù)學(xué)上推導(dǎo)了電液伺服機(jī)構(gòu)油路泄漏和受摩擦影響的兩種故障模型肖雪等建立了伺服機(jī)構(gòu)健康工況的主元模型，并依據(jù)油濾堵塞工況的平方預(yù)測(cè)誤差統(tǒng)計(jì)量、Hotelling-T2統(tǒng)計(jì)量及其與健康閾值的對(duì)比狀況，進(jìn)行了故障診斷⑷.這些研究主要針對(duì)的是伺服機(jī)構(gòu)的液壓泵、伺服閥等單部件•

　　對(duì)于EHA的研究，目前還停留在性能分析與設(shè)計(jì)階段，且在系統(tǒng)層面利用統(tǒng)計(jì)數(shù)據(jù)分析進(jìn)行故障診斷的研究很不深入.由于伺服機(jī)構(gòu)本身的復(fù)雜性和實(shí)際工況的多變性，伺服機(jī)構(gòu)的信號(hào)隨外負(fù)載而隨機(jī)變化，信號(hào)不具有典型的頻譜特征，導(dǎo)致特征提取十分困難，因此采用傳統(tǒng)的故障診斷方法無法準(zhǔn)確地反饋伺服機(jī)構(gòu)的當(dāng)前狀態(tài).自組織映射網(wǎng)絡(luò)，是一種無監(jiān)督的學(xué)習(xí)方式，因此無需設(shè)置狀態(tài)標(biāo)簽.它能夠根據(jù)輸入樣本的分布，通過神經(jīng)元之間的競(jìng)爭(zhēng)選擇獲勝神經(jīng)元，對(duì)輸入模式進(jìn)行分類，同時(shí)能夠識(shí)別輸入向量的拓?fù)浣Y(jié)構(gòu)，展現(xiàn)故障神經(jīng)元之間的內(nèi)部關(guān)聯(lián)性•若將人工神經(jīng)網(wǎng)絡(luò)運(yùn)用到EHA的故障診斷中，則可從數(shù)據(jù)處理層面進(jìn)一步挖掘故障信息和特征，建立更為可靠、精確的故障診斷模型.

　　1自組織映射神經(jīng)網(wǎng)絡(luò)

　　自組織特征映射網(wǎng)絡(luò)(Self-OrganizingFeatureMaps，SOFM)又稱自組織映射神經(jīng)網(wǎng)絡(luò)(SOM)，最早由芬蘭赫爾辛基理工大學(xué)的神經(jīng)網(wǎng)絡(luò)專家Kohonen于1981年提出⑺，是一種競(jìng)爭(zhēng)性神經(jīng)網(wǎng)絡(luò)，且具有自組織特性.

　　2仿真建模及數(shù)據(jù)分析

　　選取油濾堵塞類故障模式，并在AMESim系統(tǒng)中進(jìn)行仿真建模.在AMESim系統(tǒng)中建立一個(gè)模擬飛控系統(tǒng)襟翼結(jié)構(gòu)的電靜壓伺服機(jī)構(gòu)仿真模型&訶.系統(tǒng)在實(shí)際運(yùn)行時(shí)，通過飛行控制計(jì)算機(jī)確定一個(gè)特定位置.電機(jī)通過泵的液壓來推動(dòng)作動(dòng)器，從而移動(dòng)襟翼來調(diào)整飛行姿態(tài)，完成指定動(dòng)作•在仿真模型中，電機(jī)驅(qū)動(dòng)液壓泵旋轉(zhuǎn)而提供系統(tǒng)流量，通過伺服驅(qū)動(dòng)控制器調(diào)節(jié)電機(jī)轉(zhuǎn)速、方向來改變系統(tǒng)的流量和方向，實(shí)現(xiàn)對(duì)作動(dòng)器活塞桿伸縮和速度的控制，同時(shí)通過集成位移傳感器，實(shí)現(xiàn)反饋閉環(huán)控制.在仿真模型中，設(shè)置阻尼孔并改變其通徑，以模擬不同程度的油濾堵塞故障工況•將阻尼孔(即油濾通油孔)的直徑分別設(shè)為5.0健康工況)、3.0mm、2.0mm、l.5mm，1.0mm、O.5mm.剩余通油面積百分比分別為100%、36%、16%、9%、4%、1%.系統(tǒng)仿真時(shí)間為20s，采樣頻率為1000Hz.考慮到現(xiàn)實(shí)中傳感器的布置特點(diǎn)及機(jī)構(gòu)布置的合理性，選取作動(dòng)器位移、電機(jī)電流和伸出腔油路壓力這3個(gè)量進(jìn)行信號(hào)采集•

　　在高負(fù)載情況下，當(dāng)系統(tǒng)通油面積在16%及以上時(shí)，各測(cè)量曲線基本重合，無法直接判斷系統(tǒng)狀況;當(dāng)通油面積下降到4%時(shí)，系統(tǒng)各參數(shù)的幅值隨著通油面積的下降，出現(xiàn)劇烈變化，相比于正常工況差異較大，作動(dòng)器出現(xiàn)明顯的沖擊、動(dòng)作信號(hào)出現(xiàn)黏連，無法達(dá)到預(yù)定運(yùn)行要求•對(duì)此進(jìn)一步分析研究發(fā)現(xiàn)，在無負(fù)載下，系統(tǒng)的故障信息差別不大，但作動(dòng)器位移信號(hào)隨著通油孔徑(即通孔直徑)改變而發(fā)生變化的趨勢(shì)更為明顯.

　　3基于SOM模型的油濾堵塞故障診斷

　　3.1仿真數(shù)據(jù)訓(xùn)練及測(cè)試

　　(1)在AMESim系統(tǒng)中，選取7類以時(shí)間序列為故障樣本的數(shù)據(jù)集(它包含正常狀態(tài)1組，輕微堵塞和嚴(yán)重堵塞狀態(tài)各3組).每個(gè)故障樣本集中含有4組特征，分別是電機(jī)電流、電機(jī)轉(zhuǎn)速、輸出位移和輸出速度.(2)選取通孔直徑0.5mm、l.0mm、2.0mm、3.0mm、5.0mm這5類狀態(tài)作為訓(xùn)練樣本，以通孔直徑0.6mm、2.5mm，即通油面積1.44%、25%為測(cè)試樣本，并設(shè)置神經(jīng)元個(gè)數(shù)為10X10，till練步數(shù)為1000.那么，應(yīng)用SOM建立油濾堵塞故障模型的步驟如下：①選取故障樣本;②對(duì)每種標(biāo)準(zhǔn)故障樣本進(jìn)行學(xué)習(xí)，學(xué)習(xí)后將具有最大輸出的神經(jīng)元作為該故障的標(biāo)記;③將待檢測(cè)樣本輸入SOM模型;④若輸出神經(jīng)元在輸出層的位置與某標(biāo)準(zhǔn)故障樣本的位置相同，則說明待檢測(cè)樣本發(fā)生了相應(yīng)的故障;若輸出神經(jīng)元在輸出層的位置介于很多標(biāo)準(zhǔn)故障之間，則說明這幾種標(biāo)準(zhǔn)故障樣本都有可能發(fā)生，且各故障發(fā)生的程度可根據(jù)該位置與相應(yīng)標(biāo)準(zhǔn)故障樣本位置的歐式距離來確定.

　　3.2實(shí)測(cè)數(shù)據(jù)訓(xùn)練及測(cè)試

　　搭建EHA試驗(yàn)平臺(tái)，在空載荷下進(jìn)行測(cè)試與分析EHA樣機(jī)的基本參數(shù)如表2所示.以通孔直徑14mm(BP健康工況)作為參考，模擬油濾堵塞導(dǎo)致節(jié)流損失增大的故障工況，使通孔直徑下降到6.3mm，通油面積下降到7&29%，進(jìn)行連續(xù)的位置指令階躍信號(hào)測(cè)試•測(cè)試時(shí)間為0.5s，采樣頻率為500Hz，同時(shí)選取3個(gè)直接量(即作動(dòng)器位移、電機(jī)轉(zhuǎn)速和電機(jī)電流)對(duì)位移進(jìn)行微分，得到作動(dòng)器速度(這里稱作間接量).

　　以兩種工況的3個(gè)直接量和1個(gè)間接量作為SOM模型的基本參數(shù)，完成實(shí)測(cè)數(shù)據(jù)的訓(xùn)練.4結(jié)束語通過仿真和試驗(yàn)數(shù)據(jù)的SOM模型搭建發(fā)現(xiàn)，SOM對(duì)于電靜壓伺服機(jī)構(gòu)油濾堵塞故障診斷有良好的適用性，以神經(jīng)元反饋分布作為故障程度判斷的依據(jù)，比傳統(tǒng)上依靠單個(gè)神經(jīng)元來判斷故障狀態(tài)更為準(zhǔn)確，在缺乏訓(xùn)練數(shù)據(jù)的情況下也可反饋當(dāng)前狀態(tài).盡管本文模型訓(xùn)練使用的數(shù)據(jù)點(diǎn)較少，且存在不可預(yù)測(cè)的測(cè)量噪聲，使健康工況也有故障率，最后的反饋分布存在部分異常點(diǎn)，但這些異常點(diǎn)可通過后續(xù)加大訓(xùn)練樣本量或者進(jìn)一步優(yōu)化訓(xùn)練模型得到消除•此外，基于SOM在電靜壓伺服機(jī)構(gòu)油濾堵塞故障診斷方面的研究成果可應(yīng)用于其他故障模式.

　　參考文獻(xiàn)：

　　「1]GARRISONM，STEFFANS.Two-faulttolerantelectricactuationsystemsforspaceapplications[C^//42ndAIAA/ASME/SAE/ASEEJointPropulsionConference&Exhibit.California，USA：AmericanInstituteofAeronauticsandAstronautics，2006.

　　【2】劉文浚，祁增軻.裝載機(jī)液壓油不清潔對(duì)液壓系統(tǒng)的影響分析口].酒鋼科技，2018(2):63-66，51.

　　【3】WLAMIROLV，LUIZGDSR，YONEYAMAT.ElectrohydraulicservovalvehealthmonitoringusingfadingextendedKalmanfilter[C^//Prognostics&HealthManagementConference.Beijing，China:IEEE，2015.

　　【4】黃岳，劉丙杰，唐震.基于數(shù)據(jù)驅(qū)動(dòng)的伺服機(jī)構(gòu)執(zhí)行器故障診斷「J1科學(xué)技術(shù)與工程，2009，9(13):3854-3856，3863.

　　相關(guān)論文投稿刊物：《科學(xué)技術(shù)與工程》及時(shí)報(bào)道我國自然科學(xué)各學(xué)科基礎(chǔ)理論和應(yīng)用研究方面具有創(chuàng)新性的最新研究結(jié)果，優(yōu)先登載自然科學(xué)基金資助課題及國家、省、部的重大科研項(xiàng)目的研究論文。除發(fā)表學(xué)術(shù)論文、研究簡(jiǎn)報(bào)等一次文獻(xiàn)外，還有自然科學(xué)各領(lǐng)域?qū)＜�、學(xué)者對(duì)各專業(yè)、各學(xué)科的國內(nèi)外動(dòng)向和發(fā)展前景發(fā)表綜述評(píng)論。

轉(zhuǎn)載請(qǐng)注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/22144.html