汽车起重机液压系统状态监控及故障诊断系统研究

本资料包含pdf文件1个，下载需要1积分

随着科技的进步，现代机械产品向着高速化、自动化、大型化方向发展。汽车起重机广泛应用于建筑、矿山、道路等国家重大基础设施建设和城市化建设中。

因通常工作在现场十分复杂、人群比较密集的环境，汽车起重机-直是事故多发的特征设备之-，其作业过程的可靠性和安全性越来越被人们所重视。液压系统是汽车起重机中重要的传动系统，起重机的工作装置主要靠液压系统驱动，因此，液压系统设备的工作对整个起重机设备能否正常运行具有重要的影响。状态监控技术是目前工程机械领域广泛采用的安全保障技术，通过比较采集到的机械设备运行信息和预先给定的设备状态阈值来确定告警的级别，为直观地判断设备工作降状态提供了简便、直接的依据 J。但是由于系统各设备之间复杂的状态传递关系，仅仅依赖状态监控技术尚不能准确确定故障的位置和原因。随着数字信号处理、模式识别等相关技术的发展，基于数据驱动的智能诊断方法获得较大的进步 ，为工程机械故障诊断的实现提供了良好的技术基矗利用诊断模型进行故障诊断之前-般要对模型进行训练得到模型参数，开发专用的模型生成工具并集成到诊断系统中，这在当前的文献中还很少有阐述。

本文在对汽车起重机液压系统状态监控及故障诊断需求分析的基础上，基于 UML面向对象建模思想，建立了整个系统的功能模型，分析了系统主要功能模块的信息流向。基于数据驱动的故障诊断方法，阐述了系统中模型生成工具和故障诊断功能的实现。

1 系统功能模型和信息流起重机液压系统状态监控及故障诊断系统应对不同类型用户设置不同的操作权限。对-般的用户，只能进行设备告警信息的查询，以及对告警信息的确认；对专家用户，可以进行专家系统知识库的维护和诊断模型的生成；对于系统操作员，除了可以对告警信息进收稿 Et期 ：2012-11-28基金项目：国家自然科学基金资助项目(51205371)；上浩技创新行动计划资助项 目 (11dzl121500，11JC1405800)；机械系统与振动国家重点实验室资助项目(MSV-2012-06)作者简介：崔英(1965-)，女，山西汾西人 ，高级工程师，学士，主要从事信息管理系统开发和起重机液压系统的设计工作。

2013年第6期 液压与气动 73图 1 系统功能模型图行管理，还可以对设备进行故障诊断的操作；对于数据库系统管理员，则主要进行数据库恢复、备份，以及对日志、用户、设备的管理等。基于 UML语言和面向对象思想 ]，建立起重机状态监控和故障诊断的功能模型如图 1所示。

起重机状态监控及故障诊断的业务流程可以描述为：根据设备的运行特点，在设备特定位置进行传感器的布置，数据采集系统对不同的监控对象按照特定的频率进行数据采集。对在同-工况下变化比较平稳的物理量，采用较低的采样频率进行采样，这样的数据称为慢变数据，比如温度、压力、流量等；相反，对变化比较剧烈的物理量，采用较高采样频率进行采样，这样的数据称为快变数据，比如振动数据。根据设备的性能特征，分别设定慢变、快变数据对应的本征数据，也就是各级告警阈值。对慢变数据，直接进行数据传输，对快变数据，除了在本地存储原始数据外，利用特征提取拈提取状态特征，将特征数据传输到数据中心。在数据中心，利用慢变、快变数据的本征数据进行告警映射，得到设备当前的运行状态，如果出现告警，则启动故障诊断系统功能，利用神经网络 J、支持向量机 J等方法，判断出现故障的具体部位和原因。状态监控和故障诊断的信息流图如图2所示。

2 系统主要功能的实现起重机液压系统状态监控及故障诊断系统中的状态监控部分模型比较简单，主要是通过检测量和事先设定的告警阈值进行比较来实现。对设备进行故障诊断的方法很多，-般都要利用-定量的训练样本对模型进行训练得到诊断模型，将诊断模型存储在数据库中供故障诊断系统调用。在本系统中，特别开发模型生成工具拈，以方便进行模型训练。本节主要对模型生成工具和故障诊断拈的开发进行阐述。

2.1 模型生成工具模型生成工具的主要作用是方便用户完成模型的训练。它基于数据驱动的方法，将故障诊断每-步相应的处理方法生成方法工具箱，在用户对设备故障诊断没有先验知识的情况下，可以按照诊断步骤在工具箱中选择相应的分析处理方法，最终生成的诊断模型将以-个应用范式的形式保存于数据库中，从而实现故障诊断工具的傻瓜”式应用模式。

以汽车起重机液压系统中主泵设备的关键部件轴承为例介绍相应的模型生成工具对应的拈。如图 3所示，为轴承的自定义故障诊断模型的获取过程。共有 5个步骤：在步骤 1中，用户需设定对象、故障类型及其对应的训练数据；在步骤 2-4中，根据原始数据的特点，分别选择相应的分析处理方法；在步骤 5中，通过已知类别的样本对生成的模型进行验证，看是否已经达到分类精度的要求，若已经满足要求，则将模型参数保存至用户专有的模型库中。否则重新选择各步骤的处理方法，重复训练模型～每-步中相应的处理方法设计成方法工具箱，分别为特征提取工具箱、特征选择工具箱及故障类别分类工具箱。各个工具箱内模型与方法均规范化定义调用接口和数据交换格式，使得模型生成过程中可以针对不同的诊断对象选择相应的处理方法，组合形成自定义的诊断模型。

74 液压与气动 2013年第6期用户- b)故障诊断图2 状态监控和故障诊断的信息流图在具体开发中，依据 OSA-CBM (Open System Ar。

chitecture for Condition-based Maintenance)标准流程进行 。运用 Visual Studio 2008开发平台以及 MicrosoftSQL Server 2008数据库系统，完成汽车起重机故障诊断模型生成工具，系统实现的界面如图4所示。

2.2 故障诊断功能开发基于 Web的诊断系统的核心拈是发布在服务器端 ASP.NET的Web服务程序，它将客户端上传的实时监测数据及其评估结果以网页的形式呈现给用户，同时与后台的故障诊断模型库进行交互，为用户提供诊断模型各部分的选项。实现对设备的故障诊断，系统架构如图5所示。

基于该系统框架 以及 Web服务端 Visual Studio2008开发平台以及 Microsoft SQL Server 2008数据库系统完成了诊断系统的开发。诊断过程分为3个主要步骤：首先是诊断对象的选择，在交互界面上列出了起重机的关键部件。然后选择诊断模型，由于对同-个对象，如果选用不同的模型结构，即使是同-个诊断算法，也会得到不同的诊断模型，因此，选择诊断模型后，模型参数信息中会显示出对应模型的具体参数。选定模型参数后，就可以进行诊断。在本系统中，除了利用文字的形式显示诊断结果外，还利用雷达图直观地对