基于小波自回归谱的液压系统故障诊断方法研究

　　液压系统是一个有机联系的多元件复杂整体,故压力差和各元件间的间隙等原因引起。泄漏作为一种常见的液压系统故障危害很大,但是由于其发生的部位隐 蔽,尤其是内泄漏发生在元件内部,给故障的诊断带来了很大困难。小波分析是近年发展起来的一门新号分析、弱信号提取、信噪分离提供了一条有效途径,自回归 谱估计相对于传统的DFT谱估计,隐含着对观测数据自相关函数的外推,具有高分辨率的特点。综合上述分析,本文将小波自回归谱的信号处理方法应用到液压系 统故障信号处理中,结果证明该方法能有效的诊断液压系统泄漏故障。

　　1　小波自回归谱

　　1. 1　小波分解与重构

　　S.Mallat提出了多分辨分析的概念,从空间概念上形象地说明了小波的多分辨率特性,将此之前所有正交小波基的构造方法统一起来,给出了正交小波基的构造方法以及正交小波变换的快速算法,即Mallat算法,分解算法为:

　　式中,c,j k为尺度系数,d,j k为小波系数,h、g为一对正交滤波器组,j为分解层数,n为离散采样点数。

　　小波重构是分解的逆过程,重构算法为:

　　1. 2　小波分解序列的自回归谱分析

　　信号x(t)通过小波分解后某频带序列为{ck},k=0,1,2,…,N,其M阶自回归模型AR(M)为:

　　式中ai为自回归模型系数,ui代表白噪声,ui~NID(0,σ2),N为数据长度,则分量{ck},k =0,1,2,…,N的自回归谱为:

　　由式(4)可知,求自回归谱先求模型系数ai,由正则方程给出:

　　其中a = [1,a1,a2,…aM]^T,0_M为M×1全列零向量,R是(M +1)×(M +1)的自相关矩阵,式(5)由Marple快速算法实现。

　　2　诊断实例

　　2. 1　故障信号采集

　　针对液压系统泄漏故障,利用Festo液压实验系统搭建如图1所示的液压系统模型。

　　系统由液压泵、溢流阀、电磁换向阀、液压缸组成,节点1安装压电传感器,节点2安装刚性开关,节点3安装双向可调节流阀,泄漏故障通过控制刚性开关实现。 液压缸做带负载垂直方向运动,采集的信号为液压缸克服重力带动重物上升过程的有杆腔压力信号。选用PXI-6289M型数据采集卡对信号进行采集,通过 Labview保存采集数据,采样点数为2500,采样频率为1 kHz,设定压力为4 MPa,分别采集正常和故障情况下的有杆腔压力信号。考虑到Festo液压实验系统和实验室环境是较理想的条件,采集的压力信号信噪比高于实际使用的液压 系统压力信号的信噪比,为使采集的压力信号更有代表性和实用性,给采集的信号加上白噪声,加噪信号如图2所示。从图2a、2b可知,液压缸在相同行程下, 出现内泄漏故障所用的时间比正常情况所用时间长,液压缸到位时,故障情况的压力值低于设定压力值,而正常情况的压力值接近设定压力值。综合上述分析,压力 能作为故障判断的依据,但是从图2中可以看出,压力信号被噪声淹没,正常和故障信号的压力时域波形图的区别不明显,仅仅通过压力的时域波形图对故障进行判 断,易产生误判。