液压能源系统故障诊断策略及特征提取

1.多维鲁棒故障特征提取方法

飞机液压系统温度和液位信号属于慢变信号，提取其平均值就可以反映实际工况，而压力、流量和振动信号却受环境及其他部件工况的影响。通过大量研究表明，飞机液压泵的轴承故障会造成液压泵轴承外壳上振动特征异常，采用倒谱包络方法很有效，如式（9-5）和式（9-6）；飞机液压泵球头松动故障对压力和振动均有影响，采用归一化加权剪裁提取故障特征，如式（9-7）；液压泵斜盘不对中故障，采用倍频相对能量和进行故障特征提取，如式（9-12），最终形成多维包络剪裁故障特征提取算法。

（1）倒谱包络算法 假设液压系统上检测到的信号为x（t），它是故障信号经传输后的信号，f（t）为故障激励信号，h（t）为传输通道的脉冲响应。其相应的傅里叶变换为X（w），F（w）和H（w），则有

式中，为倒频率；为倒频谱。

显然，通过倒谱包络可以将故障信号与传输通道信号分开，而一般情况下和信号占据不同的倒频谱区段，所以该方法可以突出故障信号的特性。对该信号进行包络处理，其Hilbert变换为，从而得到信号包络为

式中，为最小意义的最佳包络。

可见，倒谱包络双重突出了故障信息，为信噪比小的故障特征的提取提供依据。

（2）归一化加权剪裁算法 假设有m个特征量，x_ij为第i个特征量的第j个影响要素的数值，其中i=1，2，…，n，j=1，2，…，m。对x_ij作归一化处理：

计算第i个特征量的第j个因素的比重：

计算第j个特征量的熵：

求权值：

式中，。

则特征信息的综合比重为

s_j=w_j·g_j （9-11）

采用式（9-11）进行故障特征提取可以有效提升多特征量对故障特征的贡献。当特征量太多或特征量的熵较接近时，可以采用剪裁方法获得最具综合比重的特征量组合。

（3）倍频相对能量和 根据液压泵故障模式影响分析，其常见故障在轴频率及其倍频点处有响应，这里最高倍频选8倍频，在各倍频点选择±10Hz小范围能量平均作为平均能量，在基频和倍频处轴向振动的相对能量和为

式中，X_max（if₀）为i倍频区间内的最大能量（i=1，2，3，4，5，6，7，8）；f₀为轴频率；X（Δif₀）为各倍频点周围±10Hz小范围平均能量；AS为轴向振动在这些频率点处相对能量和。(www.xing528.com)

显然，由于AS放大了相对差距，所以可以有效提取有用信号。类似地，径向振动的倍频相对能量和用RS表示。

2.圆壁缸体结构的极大值热网络模型

将任何液压元件可以用圆壁缸体结构，如图9-11所示，其中r₁和r₂为缸体的内径和外径，L为缸体长度。T₁和T₂为圆壁缸体内壁和外壁温度，T₃和T₄为圆壁缸体轴向左右两侧温度。对圆壁缸体建立热网络模型如图9-12所示。

设热网络模型由径向和轴向两部分组合而成，其中R_1r、R_2r和R_mr分别为圆壁缸体径向热阻，R_a为圆壁缸体轴向热阻。网络中包含两个温度结点T_m和T_mean，T_mean结点温升为所求温升。G为圆壁缸体的内生热，且为内生热密度，v为圆壁缸体体积。

图9-11 圆壁缸体结构

图9-12 圆壁缸体建立热网络模型

假设轴向和径向热传导相互独立，忽略圆周向热传导，内生热在圆壁缸体内均匀分布，轴向平均温度同径向平均温度相等，则可以得到圆壁缸体热网络模型中对应的热阻表达式：

式中，T_m为圆壁缸体的平均温升。

将T分别替换为圆壁缸体径向和轴向分布函数T_r（r）及T_a（l），则可求得圆壁缸体径向同轴向平均温升T_meanr和T_meana表达式；将T_r和T_a同T_meanr和T_meana式中相同变量的对应系数比较，则可求得热网络机构中的热阻表达式为

通过计算热网络热阻并与理想热阻比较可以实现基于温度的故障诊断。

3.交叉相关增强实现多传感器故障诊断与定位

对于分层多传感器信息，构建第i层C_i与第j层C_j耦合矩阵，定义：

式中，A为比较矩阵：a_ij为相对尺度，表征影响程度。

这里对应矩阵A最大特征根（记为λ）的特征向量作为权向量w满足：

A_w=λ_w （9-16）

成对比较矩阵通称为不一致阵。为了能用不一致阵对应的特征向量作为比较因素的权向量，需要进行不一致检验。定义：（一致性指标），（随机一致性指标，随n不同而不同）。当式（9-16）成立时，认为A的不一致程度在允许范围之内。以此类推，可以得到各层对上一层及其对整个系统的相关交叉增强的多传感器信息融合故障诊断定位算法。采用交叉增强多传感器信息融合分层故障诊断算法对飞机液压能源系统进行故障诊断，结果见表9-6。

表9-6 多传感器信息融合分层故障诊断算法诊断结果