电液伺服系统故障诊断技术研究

冶玉清

（国投新疆罗布泊钾盐有限责任公司，新疆哈密 839000）

随着机械工程、电气工程、控制技术、液压传动等现代工业技术的快速发展，电液伺服系统无论是基础研究还是应用实践都在逐渐完善，并还扩展到轻工业机械、纺织机械、化工机械、采矿机械、建筑机械、国防工业等各个领域，给故障排除技术带来一个又一个的难题，同时也给故障排除技术的发展前景带来了生机。当前，大量的研究团队在许多方面都取得了重大进展，但要最终满足实际应用的需求，还有很长的路要走。

1 电液伺服控制系统研究综述

电液伺服控制系统是连接大型旋转机械设备，连接工作器械和液压器械的中介，是一种集机械、电气和液压于一体的复杂控制系统，有着控制精度高、响应速度快、信号处理灵活、结构紧凑、重量轻等优点。

电液伺服系统的故障检测技术在20世纪70年代初开始进入大众眼中，至今为止经历了两三次大型改变。初期的检测手段是传统诊断阶段，基于感官、个人经验以及专家和维护人员的判断。然后开始利用传感器和动态测试技术、信号分析和建模过程等现代诊断手段。如今，电液伺服系统的故障检测较多地融合了知识处理技术和计算机信息技术等智能诊断手段。

2 故障原因分析

2.1 电液伺服系统的工作机理

电液伺服系统由伺服控制器、伺服阀、伺服油缸、阀位传感器等组成。控制原理如下：伺服控制器比较可编程逻辑控制器（PLC）输出的与阀位反馈的电流信号，放大为±10V的电压信号，并传送到比例阀，以此驱动油缸活塞带动阀门开关上下运动。如输入与输出相同，则控制器不进行任何输出，伺服阀的控制阀芯在中间位置，伺服油缸的活塞停止，阀门不动。当PLC输出大于阀位反馈时，经放大后变为正值，伺服阀的主阀芯从中位向上或下一侧移动，阀门在伺服缸活塞的作用下开启，阀位处在新位置，相反，伺服缸活塞关闭，移向关闭方位。对于大型伺服控制系统，控制器的比例、积分和微分参数应根据专家的经验来进行设置，实现快速跟踪，减少偏差。

2.2 电液伺服系统故障原因分析

大型旋转机械的电液伺服控制系统可分为动力油系统、执行器以及执行机构三部分。对于动力油系统，油泵是液压系统中一个非常不稳定的元素。执行器包含伺服控制器和PLC、执行机构阀门和液压缸等组件。

2.2.1 动力油系统

动力油的能源通常来自动力油泵。油泵常见的故障包括配合件磨损、承重件变形或损坏、密封件磨损、老化等。液压系统中存在的流量和压力异常以及液压泵发出噪音，液压泵的泵壳升温，严重时无流量输出是较为常见的损坏表现。

2.2.2 执行器

执行器损坏的原因包括内置变压器烧毁，造成阀门快开、伺服放大器损坏、电路元器件板劣化、检测反馈元件的质量下降等，使得放大系数变小，从而导致整个系统工作异常，控制误差大。此外，伺服控制器接线松动、信号丢失、零点漂移和外部干扰也是引起故障的因素。

2.2.3 执行机构

液压缸的损坏通常表现为密封失效或伸出杆形变等。大部分液压系统故障都是由于油液污染造成的。液压阀由阀体和阀芯组成；阀体内部有流路，由阀芯控制连接或阻断；而液压阀故障包括阀芯损坏、线圈故障等，表现为液压系统的执行机构反应不灵敏，系统中的温度升高以及执行机构无反应。

3 电液伺服系统故障诊断技术分析

3.1 基于主观判断的故障诊断方法

基于主观直接判断的故障诊断法是指诊断人员根据个人的实践经验，通过“望、闻、问、切”来找出机械毛病，识别系统错误。直接判断法有时会借助简单的仪器来查找问题的位置和原因。这种方法需要进行系统或组件的结构、模型和功能等各项知识综合分析和评估，因此，对工作人员有两个要求，一是能掌握各种系统错误的机理知识，二是要具有丰富的诊断经验。常用的分析方法包括感官诊断、图纸分析等。

3.2 测量参数诊断方法

当液压系统正常运行时，其相关运行参数也处于正常范围。如果运行参数值不处于正常范围，则意味着系统的某个组件或整体运行出现了问题。当系统出现故障时，压力、温度、油流量、旋转速度、运动速度、扭矩等参数都会相应地呈现异常。而引入太多参数会使诊断过程变得复杂，因此通常选择代表工作参数信息最多的压力、油液流量和油液污染水平来作为诊断参数。

3.3 故障树分析方法

故障树分析直观地绘制了系统错误以及导致它们的各种因素，直观地反映了组件故障、系统异常及其原因之间的关系。采用故障树分析方法要具有大量的故障原因的知识。诊断过程从系统的故障表现入手，依次解释所有情况发生的原因，由下到上绘制故障树，并利用系统的动态实时数据进行故障推理，最终找出故障原因。故障树的绘制过程是按照故障发生的概率来进行排序的，但这对于实际电液伺服系统的故障是不切实际的。①因为系统元件损坏的可能性不确定，②同一元件的检测难度和成本也有所不同，检测所获取的信息量也不同。因此，在确定概率最低的损坏事件时，要考虑检测成本以及损坏概率，充分发挥所有信息的效果。

3.4 信息综合评估诊断方法

通常，由于电液伺服系统的工作环境较为恶劣，检测信号容易受到作业现场的干扰。从单个传感器中提取到的特征信息往往非常模糊，如果用传统的信号处理方法，将难以有效改善故障检查效果，而广泛使用从多个方面获得的同一对象的多维故障信息，则可以对系统进行更可靠、更准确地监控和诊断。基于大量融合信息的综合评估利用从多个传感器收集到的不同类型故障信息，与故障树分析方法的数据层、特征层或决策层相结合，获得对系统错误的一致性描述，有效防止个别检测错误导致的误诊，提高诊断结果的可靠性。

3.5 专家系统诊断方法

专家系统故障诊断是一种智能推理软件，由知识库、数据库、推理引擎、解释引擎组成。专家系统的知识库包括系统知识和规则库。系统知识是反映系统结构和运行原理的知识，规则库是错误因果关系。实际发生错误时识别的数据或者人为识别错误都可以作为样本数据。专家系统在知识库和数据库的辅助下进行工作，通过人机交互检索到必要的信息后，推理引擎广泛使用不同规则，调用各种相关的应用程序来执行一系列的推理。通常，只需要输入一个错误、原因或者损坏组件，便可以通过复杂的自动化程序给出完整的维修报告。

3.6 基于人工智能的故障诊断法

人工智能故障诊断系统如同人脑的神经网络，由许多高度并行、互连的非线性处理单元组成。它具有一定大脑的基本特性，如学习、记忆等，具有强大的数学思维、模拟能力。凭借先进的并行分布式处理、联想记忆、自组织、自学习能力，这个“大脑”有着容错、拓扑的特性，在故障诊断领域中有着多样化的应用视角。电液伺服系统是较为经典的非线性动态系统，可以由人工智能系统来进行检测。部署系统时，应建立动态关系，处理相关的动态信息，形成延时网络或者循环网络。

3.7 龙伯格（Luenberger）观测器诊断法

根据电流状态观测的故障诊断方法是电液伺服系统故障诊断中研究最多、使用最有效的方法。该方法的基本理念是估计观测系统的性能，通过将估计的输出值与实际测量值进行比较，生成残差，对残差进行定量分析进而对故障进行分析。如果根据历史数据进行诊断，电动液压伺服系统将不可避免地受到诸如时间变化、建模误差、干扰等因素的影响，使得诊断无法有效地分离伺服阀泄漏、传感器输出异常及其他不确定因素对残差的影响。为此，龙伯格观测器是最好的解决方式，其设计目标是最小化不确定因素对残差的影响，最大化系统故障对残差的影响，具体形式有龙伯格残差的生成和龙伯格残差的评估。

3.8 支持向量机（SVM）的故障排除方法

SVM应用结构风险最小化原则和万普尼克-泽范兰杰斯理论来自动学习模型结构，根据有限的样本信息计算模型复杂度，并计算最佳的学习能力，以达到最佳泛化能力。SVM最初用于模式识别，现在已经覆盖到逆问题推理以及回归估计等其他领域，它也是非线性系统建模的最佳理想方法。

3.9 卡尔曼滤波器诊断方法

卡尔曼滤波器的一个特点是可以有效衰减任意噪声对机械检测信息的影响。如果干扰噪声值呈正态分布，则卡尔曼滤波器可以提供最小方差的估计；如果干扰噪声值并非随机变量，则提供线性最小方差的估计。卡尔曼滤波器通常应用于线性系统的监测，当用于非线性系统时，应考虑扩展相应的监测范围，应用线性化系统模型来计算滤波器的协方差矩阵和增益矩阵，将非线性系统线性化。

4 结束语

电液伺服系统的故障诊断是一个非常活跃的研究领域，通过引入新技术和新理论，可以不断地对其进行开发和改进。①各种智能故障诊断方法可以进行整合、相互补充，充分发挥各种诊断方法的作用，以提高故障诊断的整体性能。②可以结合先进信号处理技术、虚拟技术，进行大型便携式诊断技术的开发。③故障排除策略更加强力。应用新的理论和方法来制定有效且稳健的故障排除策略，是诊断电液伺服系统的一个具有挑战性的课题，科学研究人员将会不断地对其进行挑战。④故障诊断将是多维性的，也就是多重诊断系统，考虑在有限输出设计下利用具有不同误差敏感度的残差，实现多误差诊断。⑤目前，SVM在电液伺服系统误差诊断领域的应用还处于测试实验阶段，未来将会有更多的研究。⑥将使用更多的微处理器控制。微处理器可将传感器从单一功能转换为自动校正、检测、报警等多种功能，实现对传感器的自动控制，将诊断工作进一步细化。总之，可以预见到的未来，电液伺服系统的故障诊断一定会具有一片非常繁华的景象，更加科学、更加高效。