基于虚拟仪器和BP神经网络液压系统故障诊断

摘要 针对液压系统故障诊断中存在的检测和分析判断困难、耗时费力且准确度不高等诸多问题，提出了一种基于虚拟仪器和BP神经网络技术的液压系统远程故障诊断系统的设计。利用虚拟仪器数据采集、分析和处理能力以及其开放性特点，实现了对液压系统故障的实时远程监测判断。利用BP神经网络技术对历史监测数据的分析判断，实现了对液压系统将来工作状态的预测，发现潜在故障，做好预防措施。该方法具有良好的软件交互界面，操作简单，准确度高。
关键词 液压系统；虚拟仪器；BP神经网络；故障诊断

液压系统在工程机械中占有重要的地位，其性能的好坏直接影响和决定整机的性能和品质。液压传动具有重量轻、体积小、可实现无级变速、易于实现载荷控制和动力传输等优点，因而在工程中得到了广泛应用。因此保证液压系统正常稳定的工作是保证工程机械正常工作状态的必备条件。但液压系统的工作介质是流体，它本身存在连续性和静压传递的均布性，且工作在各元件和封闭管路内，故很难判断液压系统故障的因果关系。一旦出现故障，单凭感官、经验和传统的检测方法来判断，相当困难并且准确率不高，故障的分析和排除比较困难。文中提出了一种基于虚拟仪器和BP神经网络技术的液压系统远程故障诊断方法。虚拟仪器和BP神经网络技术的引入，能实时远程监测液压系统的工作状态，收集当前液压系统各参数数据，通过数据融合分析判断系统工况，并预测将来的工况走向，发现潜在故障，真正达到预防为
主的目的，保证液压系统处于正常稳定工作状态。

1 虚拟仪器和BP神经网络技术
1．1 虚拟仪器技术
虚拟仪器(Virtual Instrument，VI)是现代测控技术和计算机技术相结合的产物。它本质上是一个开放型的结构，由通用计算机、数字信号处理器或其它CPU来提供信号处理、存储和显示功能，由数据采集板卡、GPIB或VXI总线接口板进行信号的获取与控制，实现仪器的功能。虚拟仪器是软件和硬件相结合的产物，其基本思想和核心内容是借助仪器设备完成数据采集和预处理以及仪器控制功能。图1为虚拟仪器的基本构成图。

与传统仪器相比，虚拟仪器具有如下特点：
(1)测量精度高、可重复性好。由于虚拟仪器减少了硬件的使用，因此减少了测试误差，同时测试可重复性进一步提高。
(2)测量速度快。由于测量输入信号只需一个量化的数据模块，就可通过数据处理器将信号特性计算出来，因此可缩短测量时间，提高测量速度。
(3)缩短了系统组建的时间，降低仪器硬件开销，同时也降低了系统故障率。
(4)实现了用户自定义测量功能，可测量传统物理仪器不能测量的对象。
(5)易于扩展。为提高系统性能，可方便地加入或更换仪器模块，有利于测试系统扩展。
随着计算机及网络技术的发展，利用网络技术，进行网络化测控将成为虚拟仪器技术发展的重点。将虚拟仪器和网络技术结合起来，使虚拟仪器拓展到网络测控应用环境中去，对于丰富测控手段、提高测控效率、充分合理地利用有效资源都有着很好的作用。
1．2 BP神经网络技术
BP神经网络是采用BP算法进行训练的网络，BP算法是应用广泛的神经网络算法，具有较强的非线性拟合能力，可以用来预测非线性时间序列数据的发展趋势。该网络具有1个输入层、1个输出层和至少1个隐藏层。增加隐藏层的层数不一定能提高网络的精度和表达能力，一般情况下，选用1个隐藏层即可。BP算法是非循环多级网络的训练算法，其学习过程由正向传播和反向传播组成。输入值经过非线性变换从输入层经隐藏单元逐层处理，并传向输出层，每一层神经元的状态将影响到下一层神经元状态。如果在输出层不能得到期望的输出值，则转入反向传播，通过修改各神经元权值以及阀值，使误差信号最小。

通过压力、流量和温度传感器等测得的相关数据，经数据融合，进行滤波，剔除噪声，得到训练集和测试集。以训练集为学习样本，采用BP算法修正神经网络的权值和阀值，直到满足精度要求为止。若训练后的神经网络仍不能使用，必须使用附加样本进行性能验证。若不能满足要求，则需要重新训练网络，所以神经网络的训练是一个反复的过程。经训练和测试后的BP神经网络就可以用来对液压系统将来的工作状况进行预测，发现潜在故障，做好预防，减少损失。

2 液压系统故障诊断原理
液压元件和液压系统性能监测中，常见的监测指标有压力、温度、流量、转速及其他响应类型的参数。工作中若这些参数偏离了预定值，则系统有可能出现故障。所以液压系统产生故障的实质就是这些检测参数的异常变化。当液压系统发生故障时，必然是系统中某一回路的某些元件有故障，进一步可断定液压回路的检测参数已经偏离了预定值。因此，对系统参数进行在线检测十分必要。在液压系统中需要检测的主要参数有压力和流量，同时还有油温和液位等。对于压力、流量和温度等，可采用动态的在线检测，能及时反映出系统的运行状态和故障情况。典型的液压系统故障检测与诊断原理如图3所示。