用于可持续维护规划的液压缸泄漏故障数据驱动表征

《Machines》：Data-Driven Characterization of Leakage Faults in Hydraulic Cylinders for Sustainable Maintenance Planning

　　

本研究提出了一种经济高效的方法，通过利用从现有控制信号（特别是PID阀输入）中提取的特征，检测液压缸内部泄漏故障。关键创新在于无需额外传感器或硬件修改，使该方法适用于低成本的实时实现。研究人员从控制信号中识别并提取了若干低复杂度时域特征，这些特征反映了因内部泄漏引起的系统行为变化。这些特征专为边缘计算平台设计，便于在工业环境中实际部署。所提出的方法特别适用于已知负载和恒定工作循环的系统，例如液压机，其中控制信号行为的偏差可可靠地指示泄漏。然而，当应用于随机或高度可变负载的系统（如移动机械）时，存在局限性，因为外部干扰可能掩盖泄漏效应。该方法能够在不增加系统复杂度或成本的情况下实现液压系统的早期故障检测和状态监测，为固定式和移动式液压设备的预测性维护策略奠定了基础，有助于提高可靠性并减少停机时间。

**论文解读文章**

**研究背景与问题**
液压系统广泛应用于现代机械、航空、汽车和建筑行业，以提供高压和稳定速度。液压缸和阀门是常见的执行元件，其内部泄漏故障（因密封磨损、活塞点蚀等导致）会显著降低系统效率。现有故障检测方法分为三类：基于模型的方法（需建立精确数学模型，但参数不确定）、数据驱动方法（依赖传感器信号）和信号基方法（分析振动、压力等）。然而，这些方法通常需要额外传感器、硬件改造或复杂计算，增加了成本和实施难度。因此，本研究旨在开发一种低成本、无需额外传感器的内部泄漏检测方法，利用现有控制信号（尤其是PID控制器输出）实时监测泄漏，支持可持续维护规划。论文发表在《Machines》。

**研究方法**
研究人员采用MATLAB/SimHydraulics库建立液压系统仿真模型，通过可变节流阀引入可控泄漏（泄漏面积0.5-1 mm2）。主要技术方法包括：
1. **特征提取**：从PID控制信号中提取六个低复杂度时域特征——均值、标准差、偏度、峰度、主成分分析（PCA）得分和t-SNE第一维（后者因弱相关被排除）；
2. **降噪处理**：应用一维卡尔曼滤波器（Q=0.001, R=5）抑制高斯白噪声（标准差0.001-0.01）；
3. **回归建模**：使用MATLAB的fitrensemble函数构建基于集成学习（LSBoost算法）的回归模型，以决策树为基础学习器，并通过贝叶斯优化自动调参（Expected Improvement Plus采集函数）。
样本数据来源于仿真，共1200个观测值，无实际样本队列。

**研究结果**
**特征与泄漏的相关性**：通过分析特征随泄漏面积的变化（图8），发现均值、PCA得分、标准差、偏度和峰度与泄漏面积强相关，而t-SNE特征弱相关，因此被排除。噪声敏感性分析（图9）表明，除均值外，其余特征受噪声影响，但经卡尔曼滤波后（图10）特征输出稳定。
**特征相关性分析**：Pearson相关矩阵（图11）显示特征间存在较强相关性，但集成回归模型对特征冗余不敏感，因此保留所有特征。
**模型预测性能**：单特征模型（均值或PCA得分）的R2约为0.95，多特征线性回归和集成回归模型的R2分别达到0.9999和1.0000（图12）。集成回归模型因能处理非线性关系被保留，并通过五折交叉验证（kfoldloss）验证其鲁棒性。
**结论**：研究表明，从PID控制信号中提取的低成本特征可有效检测液压缸内部泄漏，无需额外传感器或硬件，适用于负载已知且工作循环重复的系统（如液压机）。该方法在移动机械等可变负载场景中存在局限性，但可通过学习负载模式或自适应算法扩展。

**讨论与结论**
讨论部分指出，该方法的优势在于利用现有控制器信号（PID输出），避免硬件改造，计算成本低，适合边缘计算平台。局限性在于对随机或可变负载系统（如挖掘机）的鲁棒性不足，因为控制信号变化可能源于负载而非泄漏。未来研究可结合轻量级分类器或异常检测方法，适应负载变化。结论部分翻译如下：
本研究探索了利用现有控制信号（PID控制信号）的低成本实时特征检测液压缸内部泄漏故障的可行性。主要贡献在于识别出对泄漏敏感的输入信号低计算成本特征，这些特征可在嵌入式平台上高效提取。该方法适用于负载可重复的系统（如液压机），而对移动机械等随机负载系统需结合负载估计策略。总体而言，该方法提供了一种低成本、可扩展、无传感器的内部泄漏检测方案，为预测性维护和故障诊断开辟了新途径，尤其适用于成本或硬件限制无法使用传统传感器方法的场景。