基于SOM的電靜壓伺服機構油濾堵塞故障診斷

　　摘要：以電靜壓伺服機構(EHA)為研究對象，對該機構特有的油濾堵塞故障模式進行故障診斷.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);然后以仿真中作動器的位移、電機轉速和電機電流(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)絡的EHA故障診斷模型，并以神經(jīng)元反饋分布作為故障標識，進行故障診斷;最后利用樣機的實測數(shù)據(jù)建立EHA的故障診斷模型，驗證所提出方法的可行性.研究結果可應用到其他故障模式中.

　　關鍵詞：電靜壓伺服機構;油濾堵塞;自組織映射神經(jīng)網(wǎng)絡;AMESim系統(tǒng)

　　電液伺服機構因其良好的穩(wěn)定性和高響應性，被廣泛應用于航空航天領域•其中，電靜壓伺服機構(EHA，Electro-HydraulicActuator)作為一種新型的電液伺服機構，既具有與電機伺服機構(EMA，Electro-MechanicalActuator)類似的電機驅動和控制功能，又具備高承載、易實現(xiàn)余度設計等突出優(yōu)點，是當今伺服機構的主要發(fā)展趨勢之一⑴.但是，EHA是一個復雜的電、氣、液系統(tǒng)，其故障呈現(xiàn)多樣化和廣泛性特點•其中，油濾堵塞故障是EHA相比于EMA特有的故障類型，也是EHA機構的薄弱環(huán)節(jié)•機構中雙向油濾主要用來濾除系統(tǒng)油路中存在的固體雜質，降低油液的污染度，減少油腔內部的磨損，從而延長使用壽命•文獻[2]研究表明，油濾堵塞會直接導致通油面積減小，流阻和節(jié)流損失增大而顯著影響系統(tǒng)的響應速度•

　　堵塞嚴重時還會造成油溫升高，甚至導致液壓部件的損壞.目前，EHA的故障診斷技術尚處于起步階段.WLAMIR等考慮噴嘴堵塞有關的失效模式，提出了一種利用衰落擴展卡爾曼濾波器進行系統(tǒng)辨識的伺服閥退化估計的方法⑸;黃岳等基于執(zhí)行器內部測點的數(shù)據(jù)變化，選用多元統(tǒng)計學方法對伺服機構執(zhí)行器進行了故障診斷⑷.SONG等從數(shù)學上推導了電液伺服機構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構健康工況的主元模型，并依據(jù)油濾堵塞工況的平方預測誤差統(tǒng)計量、Hotelling-T2統(tǒng)計量及其與健康閾值的對比狀況，進行了故障診斷⑷.這些研究主要針對的是伺服機構的液壓泵、伺服閥等單部件•

　　對于EHA的研究，目前還停留在性能分析與設計階段，且在系統(tǒng)層面利用統(tǒng)計數(shù)據(jù)分析進行故障診斷的研究很不深入.由于伺服機構本身的復雜性和實際工況的多變性，伺服機構的信號隨外負載而隨機變化，信號不具有典型的頻譜特征，導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確地反饋伺服機構的當前狀態(tài).自組織映射網(wǎng)絡，是一種無監(jiān)督的學習方式，因此無需設置狀態(tài)標簽.它能夠根據(jù)輸入樣本的分布，通過神經(jīng)元之間的競爭選擇獲勝神經(jīng)元，對輸入模式進行分類，同時能夠識別輸入向量的拓撲結構，展現(xiàn)故障神經(jīng)元之間的內部關聯(lián)性•若將人工神經(jīng)網(wǎng)絡運用到EHA的故障診斷中，則可從數(shù)據(jù)處理層面進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

　　自組織特征映射網(wǎng)絡(Self-OrganizingFeatureMaps，SOFM)又稱自組織映射神經(jīng)網(wǎng)絡(SOM)，最早由芬蘭赫爾辛基理工大學的神經(jīng)網(wǎng)絡專家Kohonen于1981年提出⑺，是一種競爭性神經(jīng)網(wǎng)絡，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)中進行仿真建模.在AMESim系統(tǒng)中建立一個模擬飛控系統(tǒng)襟翼結構的電靜壓伺服機構仿真模型&訶.系統(tǒng)在實際運行時，通過飛行控制計算機確定一個特定位置.電機通過泵的液壓來推動作動器，從而移動襟翼來調整飛行姿態(tài)，完成指定動作•在仿真模型中，電機驅動液壓泵旋轉而提供系統(tǒng)流量，通過伺服驅動控制器調節(jié)電機轉速、方向來改變系統(tǒng)的流量和方向，實現(xiàn)對作動器活塞桿伸縮和速度的控制，同時通過集成位移傳感器，實現(xiàn)反饋閉環(huán)控制.在仿真模型中，設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)仿真時間為20s，采樣頻率為1000Hz.考慮到現(xiàn)實中傳感器的布置特點及機構布置的合理性，選取作動器位移、電機電流和伸出腔油路壓力這3個量進行信號采集•

　　在高負載情況下，當系統(tǒng)通油面積在16%及以上時，各測量曲線基本重合，無法直接判斷系統(tǒng)狀況;當通油面積下降到4%時，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，作動器出現(xiàn)明顯的沖擊、動作信號出現(xiàn)黏連，無法達到預定運行要求•對此進一步分析研究發(fā)現(xiàn)，在無負載下，系統(tǒng)的故障信息差別不大，但作動器位移信號隨著通油孔徑(即通孔直徑)改變而發(fā)生變化的趨勢更為明顯.

　　3基于SOM模型的油濾堵塞故障診斷

　　3.1仿真數(shù)據(jù)訓練及測試

　　(1)在AMESim系統(tǒng)中，選取7類以時間序列為故障樣本的數(shù)據(jù)集(它包含正常狀態(tài)1組，輕微堵塞和嚴重堵塞狀態(tài)各3組).每個故障樣本集中含有4組特征，分別是電機電流、電機轉速、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)作為訓練樣本，以通孔直徑0.6mm、2.5mm，即通油面積1.44%、25%為測試樣本，并設置神經(jīng)元個數(shù)為10X10，till練步數(shù)為1000.那么，應用SOM建立油濾堵塞故障模型的步驟如下：①選取故障樣本;②對每種標準故障樣本進行學習，學習后將具有最大輸出的神經(jīng)元作為該故障的標記;③將待檢測樣本輸入SOM模型;④若輸出神經(jīng)元在輸出層的位置與某標準故障樣本的位置相同，則說明待檢測樣本發(fā)生了相應的故障;若輸出神經(jīng)元在輸出層的位置介于很多標準故障之間，則說明這幾種標準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)該位置與相應標準故障樣本位置的歐式距離來確定.

　　3.2實測數(shù)據(jù)訓練及測試

　　搭建EHA試驗平臺，在空載荷下進行測試與分析EHA樣機的基本參數(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%，進行連續(xù)的位置指令階躍信號測試•測試時間為0.5s，采樣頻率為500Hz，同時選取3個直接量(即作動器位移、電機轉速和電機電流)對位移進行微分，得到作動器速度(這里稱作間接量).

　　以兩種工況的3個直接量和1個間接量作為SOM模型的基本參數(shù)，完成實測數(shù)據(jù)的訓練.4結束語通過仿真和試驗數(shù)據(jù)的SOM模型搭建發(fā)現(xiàn)，SOM對于電靜壓伺服機構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)上依靠單個神經(jīng)元來判斷故障狀態(tài)更為準確，在缺乏訓練數(shù)據(jù)的情況下也可反饋當前狀態(tài).盡管本文模型訓練使用的數(shù)據(jù)點較少，且存在不可預測的測量噪聲，使健康工況也有故障率，最后的反饋分布存在部分異常點，但這些異常點可通過后續(xù)加大訓練樣本量或者進一步優(yōu)化訓練模型得到消除•此外，基于SOM在電靜壓伺服機構油濾堵塞故障診斷方面的研究成果可應用于其他故障模式.

　　參考文獻：

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

　　【2】劉文浚，祁增軻.裝載機液壓油不清潔對液壓系統(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)驅動的伺服機構執(zhí)行器故障診斷「J1科學技術與工程，2009，9(13):3854-3856，3863.

　　相關論文投稿刊物：《科學技術與工程》及時報道我國自然科學各學科基礎理論和應用研究方面具有創(chuàng)新性的最新研究結果，優(yōu)先登載自然科學基金資助課題及國家、省、部的重大科研項目的研究論文。除發(fā)表學術論文、研究簡報等一次文獻外，還有自然科學各領域專家、學者對各專業(yè)、各學科的國內外動向和發(fā)展前景發(fā)表綜述評論。

轉載請注明來自發(fā)表學術論文網(wǎng)：http:///dzlw/22144.html