快锻液压机主缸油路仿真与神经网络故障预测.pdf

2 0 1 2年 6月 第 4 0卷 第 1 1 期 机床与液压 MACHI NE T0OL ＆ HYDRAUL I CS J u n ． 2 01 2 Vo 1 ． 4 0 No ． 1 l D OI 1 0 ． 3 9 6 9 ／ j ． i s s n ． 1 0 0 13 8 8 1 ． 2 0 1 2 ． 1 1 ． 0 4 5 快锻液压机主缸油路仿真与神经网络故障预测 陈吉朋 ，顾红力 ，姚佳烽 1 ．南京理工大学机械 工程学院 ，江苏南京 2 1 0 0 9 4 ；2 ．徐州工程机械 高级技工学校 ，江苏徐 州 2 2 1 0 0 8 摘要针对快锻液压机主缸油路故障预测 ，建立了主缸油路 A M E S i m模型，在 A ME S i m环境下仿真，获得了主缸油路 故障特征；建立故障预测 B P神经网络 ，并利用仿真样本训练、测试了 B P神经网络模型。计算结果表明所建立的 B P神 经网络预测模型具有较好的故障预测能力，可用于快锻液压机主缸油路故障预测。 关键词液压机 ；故障预测；B P神经网络；A ME S i m仿真 中图分类号 T H1 3 7 文献标识码A 文章编号1 0 0 1 3 8 8 1 2 0 1 2 l 1 1 5 23 S i mu l a t i o n a nd Fa i l ur e Pr e di c t i o n f o r t he M a s t e r Cy l i nd e r Oi l w a y o f Ql l i c k f o r g i n g Hy d r a u l i c P r e s s C HE N J i p e n g ，GU Ho n g l i ，YAO J i a f e n g 1 ． S c h o o l o f Me c h a n i c a l E n g i n e e r i n g ，N a n j i n g U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y ，N a n j i n g J i a n g s u 2 1 0 0 9 4 ，C h i n a ； 2 ． Xu z h o u C o n s t r u c t i o n Ma c h i n e r y S e n i o r T e c h n i c a 1 S c h o o 1 ．X u z h o u J i a n g s u 2 2 1 0 0 8，Ch i n a Ab s t r a c t T h e AME S i m mo d e l o f t h e ma s t e r c y l i n d e r o i l wa y o f t h e q u i c k - f o r g i n g h y d r a u l i c p r e s s w a s s e t u p a n d s e v e r a l t y p i c a l f a i l u r e s w e r e s i mu l a t e d i n t h e AME S i m s i mu l a t i o n e n v i r o n me n t ． Ac c o r d i n g t o t h e s a mp l e s a c q u i r e d f r o m AMES i m s i mu l a t i o n， B P n e u r a l n e t wo r k w a s a p p l i e d t o r e a l i z e f a i l u r e p r edi c t i o n ． T h e r e s u l t s i n d i c a t e t h a t t h e n e u r a J n e t w o r k h a s a g o o d a b i l i t y f o r f a i l u r e p r e d i c t i o n for t h e ma s t e r c y l i n d e r o i l wa y o f t h e q u i c k f o r g i n g h y d r a u l i c p r e s s ． Ke y wo r d s Hy d r a u l i c p r e s s ； F a i l u r e p r e d i c t i o n； B P n e u r al n e t wo r k；AME S i m s i mu l a t i o n 锻造 液压机具有高压 、大流量 、大运动惯量等特 点 ，这些特点往往造成锻造液压机快速性和稳定性难 以协调、卸压卸荷换向冲击大、控制精度低和故障率 高 。为实现高压成型 、快速卸荷 ，快锻液压机液 压系统大量使用插装阀和集成阀块，使得系统趋于复 杂，故障发生的潜在性增大，故障出现后诊断困难。 因此，研究快锻液压机液压系统故障机理及故障预测 方法对液压机的安全、稳定和高效运行具有重要意 义 。 快锻液 压机 主缸油路 由主缸 、并联 泵及各 种控制 阀构成，主要故障体现在主缸不泄压、主缸运行速度 变慢 、主缸不保压等。根据伯努利方程，油路的故障 特征可以通过检测油路压力及流量的变化获得。然 而，由于快锻液压机结构庞大以及故障出现的不确定 性 ，通过现场检测获得故障特征难度大、周期长。作 者在仿真环境下研究典型故障，提取故障特征并基于 神经网络研究主缸油路故障预测。 1 基于 A ME S i m的主缸油路模型 A ME S i m作为专门用于液压、机械系统建模、仿 真及动力学分析的优秀软件，为流体动力 、机械 、控 制系统提供了一个完善的仿真环境 。根据快锻液压 机液压系统工作特点 ，设置插装 阀、溢流 阀、油缸等 液压元件参数 ，建立快锻液压机 主缸油 路 A ME S i m仿 真模型如图 1 油路为典型功率放大回路和卸压 回 路 ，已作简化 。 如图 1 所示，主缸油路是快锻液压机液压系统的 关键油路 ，完成主缸锻压的进给、加压 、卸荷 、回程 等动作。图 中 ，P U O 0 1 C为 液 压 泵 模 型 ，M A S 0 0 5组 合体为插装阀模型，H J 0 1 0 ． 1为主缸模型，H S V 3 4为 电磁 阀模 型 ，S H T L 1 为梭 阀模型 。系统 提供 的液压油 通过 支路 并联 的溢 流 阀 一插装 阀 回路 实 现溢 流 、减 压 ；电磁阀及梭阀通过控制插装阀控制端口压力实现 主缸的换向。系统压力及流量由多台柱塞泵提供 ，柱 塞泵转速 1 4 5 0 r ／ m i n ，排 量 2 5 0 m L ／ m i n ，公 称压 力 31 ． 5 MP a 。 在主缸 H J 0 1 0 1 下方设置线性载荷 F O R C 一 1 模拟 液压机运行环境，得到主缸正常运行的速率及位移分 别如 图 2 、 3示 。 收稿 日期 2 0 1 1 0 5 2 3 作者简介陈吉朋 】 9 8 4 一 ，男，硕士，助理工程师，研究方向为制造系统检测、控制、诊断与维护。Em a i l c j 1 2 - 1 4 1 6 3． c o rn。 第 1 1 期 陈吉朋 等快锻液压机主缸油路仿真与神经网络故障预测 1 5 3 0． 1 4 0 ． 1 0 目 0 ． 0 6 0 ． 02 0． 80 0． 60 o． 40 0 ． 2 O 0 图 1 主缸油路 A ME S i m模型 0 2 4 6 8 1 0 0 2 4 6 8 10 t ／ s t l s 图2 主缸正常运行速度 图 3 主缸正常运行位移 如图 2 、3 所示，主缸在锻压成型过程中，首先快 速下行 ，当达到设定位置时，行程开关发出信号，主 缸慢速接近锻压件，以工进速度开始锻压加工并保压 一 段时间。需要说明的是图2第 9 1 0 s 出现的曲线 细微波动为液压缸的低速爬行现象 ，文中不作探究。 2 基于 B P神经网络的主缸油路故障预测 2 ． 1 故障预测神经网络的建立 神经网络通过计算机程序模仿人类神经活动实现 信息处理。神经网络包括输入层、一个或多个 隐含 层、输出层 ，每层由一个或多个神经元构成，每个神 经元组成独立的计算单元，依照权重获得加权平均 数 ，通过激活函数得到输出值 。 定义主缸 油路故 障特征 向量 ， { } i 1 ， 2 ， ⋯ ， 5 ， 定义故 障原 因向量 F， F{ } i 1 ， 2 ， ⋯， 6 ，建 立神 经 网 络模 型如 图 4 。 图 4 A N N故障预测模型 网络第一层 为输 入层， ， 表示系统出口压力 ， 表示主缸进 口流量， ，表示主缸 进 口压力 ， 表示 主缸 出 口流 量 ， 表 示主缸 出 口压力 ，对输入 向量采用 归一化处理 ，对于 输入 x ，变化范围为 [ |m ] ，归一化论域 [ ⋯] ，则 芋 一 1 其中k 兰 _ 。第二层为神经网络隐含层，其 m 十 mi n 输入 I i Xw 0 ”一 2 输出使用 s i g mo i d函数激活 O s i g m o i d 3 s i g m o i d定义为 4 第三层为神经网络输出层， 表示液压泵磨损、 表示主缸泄漏、 表示进油油路泄漏 、 表示进油 油路阻塞、 表示 回油油路阻塞、厂 6 表示 油液污染， 输出层使用 s i g m o i d函数激活 ，输 出量在 01之间， 输出向量代表故障 F。神经网络权重 按照改进后 的 B P算法进行有师训练 W ／j 1 w i ￡ 一 一 t 一1 5 其中 为学习系数， ≥0 。o为动量因子 ，n∈ 0 ， 1 ；E 寺l∑I{ F 一 。 2 ． 2故障分析与仿真 主缸油路故障可以分为 1 液压源故障。液 压泵的磨损、泄漏等导致系统压力损失，造成主缸无 动作或动作无力 ； 2 主缸进油油路故障。体现在 主缸进口处压力或流量不足，其原因一方面为油路中 液压阀内泄、外泄严重导致的油路泄漏 ，另一方面为 换向阀阀芯堵塞、插装阀阀芯卡死无法动作导致的系 统阻塞、流量不足 ； 3 主缸 回油油路故障。由于 电磁阀无换向动作 、插装阀控制端无信号等造成油路 阻塞，回油不畅，同样造成主缸运动运动受阻，速率 1 5 4 机床与液压 第4 0卷 偏低 ； 4 主缸密封件磨损。主缸密封件磨损直接 导致 主缸泄漏与压 力不 足 ； 5 液压 油污 染 。过多 的空气及 污染物导致系统运行不稳定 。 在 A M E S i m仿真环境下 ，分别加入周期性压力及 流量波动模仿液压泵故障，在油路并联节流孔模仿系 统泄漏，串联节流孑 L 模仿系统阻塞，加大主缸泄漏系 数模仿主缸泄漏 ，加大杂质含量模仿油液污染。在油 泵出口、主缸进 口、主缸出口建立观测点 ，观测量为 油泵 出 口压 力 、主缸进 口流量 、主缸进 口压力 、主缸 出口流量、主缸出口压力。通过仿真，得出液压泵故 障、主缸进油油路泄漏、主缸进油油路阻塞、主缸回 油油路阻塞、主缸泄漏、油液污染等6个故障特征。 以主缸进油油路泄漏故障为例，在主缸进口处并联直 径 1 0 m m的节 流孔 ，分别 得 出主缸 进 口流 量特 征如 图 5 a ，主缸进 口压力特征如 图 5 b ，主缸 出 口流 量特 征如图 5 c ，主缸 出 口压力特征如 图 5 d 。 由图5 a 、 b 知当主缸进油油路泄漏时， 导致主缸进 口处 的流量大于正常值 、压力小于正常 值 ，且与正常曲线变化趋势一致。由图 5 c 、 d 知 主缸 出 口处 流量及压 力在系统工进 压制时与正常 值相差较大，说明主缸供油油路泄漏对锻压成型过程 影响较大。限于篇幅，其余故障特征曲线不作列举。 0． 0 -0 ． 4 ． 0 ． 8 250 一 口 1 5 0 目 5 0 50 1 2 8 堇 4 0 0 2 4 6 8 1 0 0 2 4 6 8 1 0 t ／ s t ／ s a 进 13 流量 b 进 口压力 0 7 O 5 皇0 ．3 宣 0 1 ．O． 1 0 2 4 6 8 1 0 0 2 4 6 8 1 0 t ／ s t ／ s c 出I 1 流量 d 出口压 力 图 5 主缸进油油路泄漏 2 ． 3 故障预测计算与结果 根据上节 的 A ME S i m故障仿真结果 ，得出 1 2 0 组样本 ，选取 6 0组为神经网络训练样本 ，其余 6 0 组为神经网络测试样本。列 出部分样本数据如表 1 示 。 表 1 故 障样本 部分 故障预测神经网络输入层神 经元个数为 5 ，输出层神经元个 数为 6 ，取隐含层神经元为 1 4 ， 学习效率 o ． 6 ，误差 目标 0 ． 0 2 ， 动量因子 0 ． 9 。通 过 M A T L A B编 制神经网络程序，经过 8 7 5 1 次 迭代，达到学习目标。神经网络 迭代收敛曲线如图6 。 图 6 神经 网络迭 代收敛曲线 根据计算好 的神经网络权值 ，测定其误差 ，将 6 0组测试样本输入 ，得到故障预测结果 ，神经网络 预测结果 部分如表 2示，统计 出 6 0组样本 中 错误预测 或预测失 效 的个数为 4 ，预测 正确 率为 9 3 ． 3 ％ ，证明文中所建立的神经网络故障预测模型 具 有较好 的预测 能力 。 表 2 神经网络预测结果 部分 下转第 1 2 7页 第 1 1 期 赵丽君 等 波浪能液压转换装置的非线性状态空间模型的建立 式中 变量 q ⋯ q q 、q s 2 是如 图 1 所示 的截 止 阀 的流量 。 公 式 2 1 中 ，q 是 进 入液 压马 达 的流 量 ，它 取决于轴 的角速度 ∞ 。在线性波理论 中，激振力 F t 可以由线性叠加得到。作用力 F t 、 F t 、 F t 分别由公式 7 、 1 3 、 1 4 中描述。最 后 ，蓄能器压力 P H P 和P L P 可 由公式 1 8 用各个蓄能 器参数求得。 从公式 2 1 可以看到波浪能转换装置的功 率输出系统是强非线性 的，所 以不适合进行频域分 析，可以用时域分析来处理模型。 4结论 针对波浪力很大而速度较小这种特殊的物理环境 设计了一种新型的液压式波浪能转换装置，充分利用 液压传动的很多优点。该装置中通过对液压管路以截 止阀的特殊布置，使得液压缸活塞在向上、向下运动 时均能输出高压油，排油量约为单向输出高压油的2 倍，而且油压增大，使功率大大提高 ，从而提高了液 压转换系统的效率。另外 ，运用气囊式蓄能器解决了 波浪能发 电不稳定 的问题。这样对于压力 、流量时大 时小的高压油，经过蓄能器后的输出在一定时间段内 可以完全平稳，大大提高了发电质量。 对于液压缸 、蓄能器 、液 压 马达 3个 主要 部件 ， 文中建立了系统非线性动力学模型。对于液压缸设定 了其活塞运动 为单 自由度运 动 ，分析活塞受力及浮子 运动约束方程 ，最后得到液压缸内腔的压力变化率与 油液体积、活塞速度的关系。然后运用等熵的压力 一 体积规律，推导得到工作中蓄能器的压力 一 体积的非 线性容量变换关系。马达和发电机之间联轴器的状态 方程也是建模的一个重要基础部分。最后作者定义了 个状态变量并结合分析模型所作的假设 ，得到了系统 的整个非线性状态空间模型。文中的工作为进一步研 究波浪能转换装置系统的S i m u l i n k仿真分析、全寿命 设计 以及优化积 累了经验 。 参考文献 【 1 】 S A B Z E H G A R R ， M O A L L E M M ． A R e v i e w o f O c e a n Wa v e E n e r g y C o n v e r s i o n S y s t e ms [ C] ／ ／ 2 0 0 9 I E E E E l e c t ri c a l P o w e r ＆ E n e r g y C o n f e r e n c e E P E C ， 2 0 0 9 1 6 ． 【 2 】 F a l e o A n t 6 n i o F d e O ． Wa v e e n e r gy u t i l i z a t i o n A r e v i e w o f t h e t e c h n o l o g i e s [ J ] ． R e n e w a b l e a n d S u s t a i n a b l e E n e r gy R e v i e w s ， 2 0 1 0 ， 1 4 3 8 9 9 9 1 8 ． 【 3 】 盛松伟， 游亚戈， 马玉久． 一种新型海上液压发电装置实 验模型的设计[ J ] ． 机床与液压 ， 2 0 0 6 1 1 1 3 71 3 8 ． 【 4 】 盛松伟 ， 游亚戈， 冯波， 等． 特殊工况下柱塞泵和液压缸 的性能测试[ J ] ． 动力工程 ， 2 0 0 9 5 4 9 75 0 1 ． 【 5 】 游亚戈 ， 李伟， 刘伟民， 等． 海洋能发电技术 的发展现状 与前景[ J ] ． 电力系统 自动化， 2 0 1 0 7 11 2 ． 【 6 】 S A L T E R S ， R A M P E N W H S ． T h e We d d i n g C a k e M u l t i ． e c c e nt ric Ra d i a l Pi s t o n Hyd r a u l i c Ma c hi ne wi t h Di r e c t Co m- p u t e r C o n t r o l o f Di s p l a c e me n t Ap p l i e d t o Wa v e E n e r gy D e v i c e s [ C] ／ ／ 1 9 9 3 E u r o p e a n Wa v e E n e r g y S y m pos i u m， E d i n b u r g h， S c o t l an d ， 1 9 9 3． 【 7 】 A r t e m i s I n t e l l i g e n t P o w e r - 6 c y l i n d e r D i g i t a l D i s p l a c e m e n t P u m p ／ Mo t o r i n P u m p i n g S e q u e n c e s[ E B ／ O L] ． h t t p ／ ／ w w w． a r t e mi s i p ． c o m． ／ t e c h n o l o gy ． h t m． 【 8 】F A L N E S J ． O c e a n Wa v e s a n d O s c i l l a t i n g S y s t e m s [ M] ． C a mb ri d g e C a mb r i d g e Un i v e r s i t y P r e s s ， 2 0 0 2． 【 9 】T A G H I P O U R R， P E R E Z T ， M O A N T ． H y b r i d F r e q u e n c y T i me D o ma i n Mo d e l s f o r D y n a mi c Re s p o n s e An aly s i s o f Ma r i n e S t r u c t u r e s [ J ] ． O c e a n E n g i n e e ri n g ， 2 0 0 8 ， 3 5 7 68 57 0 5． 【 1 0 】W A M I T ． WA M I T U s e r M a n u al V e r s i o n 6 ． 3 [ M ／ O L ] ． h t t p ／ ／ w ww． w a mi t ． c o m． 【 l l 】J E L A u M， K R O L L A ． H y d r a u l i c S e r v o s y s t e m s M o d e l i n g ， I d e n t i f i c a t i o n a n d C o n t r o l [ M] ． L o n d o n S p ri n g e r ， 2 0 o 3． 【 l 2 】E G E L A N D O ， G R A V D A H L J T ． M o d e l i n g a n d S i m u l a t i o n fo r A u t o m a t i c C o n t rol [ M] ． Ma r i n e C y b e r n e t i c s ， 2 0 0 2 ． 【 1 3 】K A R N O P P D C ， M A R G O L I S D L ， R O S E N B E R G R C ． S y s t e m D y n am i c s Mo d e l i n g a n d S i mu l a t i o n o f Me c h a t r o n i c S y s t e m s [ M] ． J o h n Wi l e yS o n s 。 2 0 0 6 ． 上接 第 1 5 4页 3结论 建立快锻液压机主缸油路模型，在仿真环境下提 取了主缸油路故障特征并获得了故障样本；利用神经 网络算法研究液压机故障预测并得 出仿真结果。结果 表明文中所建立的神经网络故障预测模型具有较好 的预测能力，可用于陕锻液压机主缸油路的故障预测。 参考文献 【 1 】姚静， 孔祥东， 何龙 ， 等． 2 2 M N快锻液压机液压控制系 统[ J ] ． 机床与液压， 2 0 1 0， 3 8 6 2 4 2 7 ． 【 2 】陈柏金． 锻造液压机组液压控制系统研究[ D ] ． 武汉 华 中科技大学， 2 0 0 0 1～ 9 ． 【 3 】 胡宁， 陈真． 基于 A M E S i m的 A T液压控制系统可靠性 分析[ J ] ． 机床与液压， 2 0 1 1 ， 3 9 3 1 4 51 4 7 ． 【 4 】 M o r e A， D e o M C ． F o r e c a s t i n g Wi n d w i t h N e u r al N e t w o r k s [ J ] ． Ma r i n e S t r u c t u r e s ， 2 0 0 3 ， 1 6 1 3 5 4 9 ． 【 5 】 B i l gi l i M， S a h i n B ， Y a s a r A ． A p p l i c a t i o n o f A r t i fi c i al N e u r a l Ne t wo r k s for t h e W i n d S p e e d P r e d i c t i o n o f T a r g e t S t a t i o n U s i n g R e f e r e n c e S t a t i o n s D a t a[ J ] ． R e n e w a b l e E n e r g y ， 2 0 0 7 ， 3 2 1 4 2 3 5 0 2 3 6 0 ． 【 6 】 L i G o n g ， S h i J i n g ， Z h o u J u n y i ． B a y e s i a n A d a p t i v e C o m b i n a ． t i o n o f S h o rtt e r m w i n d S p e e d F o r e c a s t s f r o m Ne u r a l Ne t - w o r k Mo d e l s [ J ] ． R e n e w a b l e E n e r g y ， 2 0 1 1 ， 3 6 3 5 23 5 9 ．