翟 亮

（兰州铁路技师学院，甘肃 兰州730050）

0 引言

液压系统故障诊断技术是随着液压设备不断高度自动化和复杂化以及对液压系统工作可靠性要求越来越高而发展起来的,是针对现代液压设备需要及时排除液压故障而提出来的,是将医疗诊断中的基本思想推广到液压工程技术而形成的,是建立在液压控制理论,信息理论和电子技术、传感器技术、人工智能技术等基础上的一门综合性新技术。 回顾液压系统故障诊断技术的发展,大致经历了三个发展阶段:基于人的主观诊断法、基于模型诊断法和基于智能技术的诊断法。

1 主观诊断法

主观诊断法主要是依靠简单的诊断仪器,凭借个人的实践经验,判别故障发生的部位及其原因。这种方法要求诊断人员掌握丰富的故障机理知识和诊断经验,需利用系统或元件的结构、模型和功能等方面的知识,综合分析才能了解。 基于人的主观诊断法主要包括系统分析法、参数测量法、方框图分析法、鱼刺图分析法等。

2 模型的诊断法

模型的诊断法是先运用一定的数学手段描述系统某些可测量特征量,这些特征量在幅值、相位、频率及相关性上与故障源之间存在着联系,然后通过测量、分析、处理这些特征量信号,来判断故障源所在。这种方法实质上是以传感器技术和动态测试技术为手段,以信号处理和建模处理为基础的诊断技术。基于数学模型与信息处理的故障诊断方法通常有状态估计方法、参数估计方法、频谱分析法、小波分析法等。

3 智能诊断技术

液压系统故障智能诊断技术是人工智能技术在液压系统故障诊断领域中的应用,它是计算机技术和液压系统故障诊断技术相互结合与发展进步的结果。 智能诊断的本质特点是模拟人脑的机能,又能比人脑更有效地获取、传递、处理、再生和利用故障信息,成功地识别和预测诊断对象的状态。 因此,智能诊断技术是液压系统故障诊断的一个极具生命力的发展方向。目前，智能技术的故障诊断法主要有：故障树分析的诊断法、模糊逻辑的诊断法、神经网络的诊断法和专家系统的诊断法等。

3.1 故障树分析的诊断法

故障树分析法是一种图形演绎方法，通过对可能造成系统故障的各种因素进行分析，画出逻辑框图(故障树)，再对系统中发生的故障事件，由总体至部分按树枝状逐级细化的分析，其目的就是判明基本故障、确定故障原因、故障影响和发生概率等。故障树分析诊断法的关键是建立故障树，故障树完善与否直接影响到分析结果的准确性。因而，需要分析人员对分析系统的设备及运行环境有透彻的理解，将故障症状作为树顶，将发生故障的各种因素逐一排列，然后建立故障树的数学模型，对故障树进行定性分析和定量计算，给出分析结果。故障树分析法具有直观性和理论性强、逻辑严密等特点，对一个系统而言，一切故障诊断都必然要先经过某种程度的故障树分析，是故障诊断系统的基础。

3.2 模糊逻辑的诊断法

模糊逻辑的诊断法是借助模糊数学中的模糊隶属关系提出的一种新的诊断方法， 它将各种故障及其症状视为两类不同的模糊集合，它们之间的关系用一个模糊关系矩阵来描述。由于液压系统故障既有确定性的，也有模糊性的，表现为同一故障可能由不同的原因造成，同一故障可能会产生不同的故障症状，不同的故障也可能引起同样的故障症状，多故障并发时故障症状更加复杂。 当确定性故障和模糊性故障相互交织、密切相连时，就需要通过探讨液压系统故障的模糊性，寻找与之相适应的诊断方法， 才能有利于正确描述故障的真实状态，揭示其本质特征。

3.3 神经网络的诊断法

神经网络的诊断法是利用神经网络具有非线性和自学习以及并行计算能力的特点，对液压系统的故障进行诊断。它具有的超高维性、强非线性等动力学特性,使其具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式等功能,带来了提供最佳诊断性能的潜在可能性,解决了传统方法在知识表示、获取和并行推理等问题上的“瓶颈”问题。神经网络在出现新故障时通过自学习不断调整权值、闽值,以提高故障正确检测率,降低漏报率和误报率。

3.4 专家系统的诊断法

专家系统是一种基于知识的应用软件系统，从领域专家那里获得专业知识，用来解决只有专家才能解决的困难问题。它是研究最多、应用最广的一类智能诊断系统,主要用于那些没有精确数学模型或很难建立数学模型的复杂系统。 由于在专家系统中,知识通常是系统性、理论性较强的知识,因此求解结果可靠性高,并且由于知识是显式的,使其具有很好的解释能力。 然而,专家系统在发展的同时遇到了知识获取的“瓶颈”、“窄台阶”等困难,使其支持能力受到较大的限制。

4 未来故障诊断技术的发展趋势

液压系统故障智能诊断技术是液压系统故障诊断技术的发展趋势。 但任何一种诊断方法,不论多么先进,总存在一定的局限性,单一的故障智能诊断方法难以胜任液压系统的故障诊断。随着知识工程的发展及数据库、虚拟现实、神经网络等技术的日新月异,必然引起智能故障诊断技术在下列几个方面的不断发展。

4.1 混合智能故障诊断技术研究

将多种不同的故障诊断技术有效地融合,进一步提高诊断系统的综合性能,是智能诊断技术发展的必然趋势。 结合方式主要是基于规则的专家系统与神经网络的结合,CBR 与基于规则系统和神经网络的结合,模糊逻辑、神经网络与专家系统的结合等。 其中模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的,也是目前人工智能领域的研究热点之一。

4.2 数据库技术与人工智能技术相互渗透

人工智能与数据库技术是计算机科学的两大重要领域,越来越多的研究成果表明,这两种技术的相互渗透将会给故障智能诊断系统带来更广阔的应用前景。 人工智能技术多年来曲折发展,虽然成果累累,但比起数据库系统却相形见绌。其主要原因在于缺乏像数据库系统那样较为成熟的理论基础和实用技术。人工智能技术的进一步应用和发展越来越表明,结合数据技术可以克服人工智能不可跨越的障碍,这也是智能系统成功的关键。 对于故障诊断系统来说,知识库一般比较庞大,因此可以借鉴数据库关于信息存储、共享、并发控制和故障恢复技术,改善诊断系统的性能。

4.3 基于internet 的远程协作诊断技术研究

基于internet 的设备故障远程协作诊断是将设备诊断技术与计算机网络技术相结合,用若干台计算机作为服务器,在液压系统的关键元件上建立状态监测点,采集设备状态数据,在技术力量较强的科研院所建立分析诊断中心,为企业提供远程技术支持和保障。

5 结束语

液压系统故障具有隐蔽性、复杂性、随机性、模糊性及分散性等特点,尽管国内外学者对液压系统故障诊断进行了深入广泛的研究,但实际诊断过程中仍面临许多问题。对于今后越来越复杂的液压系统的故障诊断,最佳途径是将专家系统与神经网络有机地结合起来,作为智能诊断的发展方向, 同时融入先进的现代信息技术, 如多媒体技术、internet 技术、信息融合技术、智能传感器技术等,提高控制系统的开放性、容错性和实用性,应用前景十分广阔。

［1］史纪定.液压系统故障诊断与维修技术[M].北京:机械工业出版社,1990.

［2］刘永健,胡培金.液压故障诊断分析[M].北京:人民交通出版社,1998.

［3］张兆国,包春江.机械故障诊断与维修[M].北京:中国农业出版社,2003.

［4］闻新，张洪钺，周露.控制系统的故障诊断和容错控制[M].北京:机械工业出版社,1998.

［5］黄志坚.液压设备故障分析与技术改进[M].武汉:华中理工大学出版社,1999.