基于小波分析的液压系统故障特征提取研究

　　由于液压系统具有功率大、响应快、精度高等特点，被广泛应用于冶金、国防、建筑等领域，但其故障又具有隐蔽性、多样性、不确定性和因果关系复杂等特点，故障出现后不易查找原因。一旦液压系统出现故障，不仅导致设备受损，产品质量下降，生产线停工，还可能造成环境污染，带来巨大的经济损失。现在针对液压系统的故障诊断方法主要有: 主观诊断法、基于数学模型与信息处理的诊断法、智能诊断法^[1]。主观诊断法受操作人员经验的限制较大，具有较大的局限性。基于数学模型的方法首先需要建立液压元件数学模型，但是数学模型的建立是一个复杂的过程，尤其是建立准确的数学模型是比较困难的。随着计算机技术的发展，智能诊断技术成为当前液压系统故障诊断方法发展的趋势，其本质是模拟人脑机能，又能比人脑更有效地获取、传递、处理、再生和利用故障信息，成功识别和预测诊断对象的状态。而智能诊断技术的关键环节是提取出能代表故障的特征量，但目前针对液压系统故障特征量的研究较少。液压系统中的状态信号多为非平稳信号，传统的基于傅里叶变换的信号分析方法在应用上受到很大限制。综合上述分析，作者将小波分析方法应用到信号处理中，综合利用压力、流量、液压缸运动速度作为故障特征量，结果证明该方法有效。

　　1 小波去噪原理^[3]

　　假定有观测数据 y( i)

式中: f( i) 为原始信号，y( i) 为含噪信号，z( i) 为高斯白噪声序列。设 ε 为表示噪声大小的已知参数，h( i) ( i = 1，2，…，n) 表示对 x( i) ( i = 1，2，…，n) 的估计，估计的准则是极小化均方误差，即极小化风险函数 R( x，h) 为:

式中:( ( w) )i为选择估计器，且有:

　　利用选择估计器，保留│x_i│大于方差 ε 对应的w_i作为 x_i的估计，去掉│x_i│小于噪声方差 ε 对应的w_i， 认为此处噪声占统治地位，对 x_i的估计为零。

　　2 液压系统特征量分析

　　液压系统出现故障时，系统中的状态量会产生相应的变化，鉴于此，许多研究者通过采集故障信号，提取故障特征量，以此作为故障诊断的依据，取得了良好的效果^{[4 -6]}。已有液压系统故障特征研究中的不足是: 特征量多为某一状态量，故障为某一特定故障，诊断对象多为液压泵，针对液压系统其他部件的研究较少。液压系统是一个有机联系的整体，不同的故障会产生相同的结果，仅仅依靠一种状态量进行判断，容易产生误判。例如在液压缸出现内泄和外泄两种情况时，产生的现象都是液压缸运动速度变慢，压力变小，如果仅以压力信号作为判断的依据，是不能准确对液压缸故障进行判断的。诊断对象只针对某一液压元件，而不是针对液压系统，利用提取的特征量不一定能准确判断液压元件故障。例如当液压缸不能运动时，原因可能是液压缸泄漏过大或者是系统压力不够，而采集的液压缸压力信号都表现为压力值过低，但是产生故障的元件却不是同一个。鉴于此，综合利用液压系统中的压力、流量、温度等状态量，采集在不同故障状态下的故障信号，对其进行分析处理，提取代表故障的特征量，并以此作为故障诊断的依据，是提高故障诊断精度切实可行的方法。