基于RBF神经网络的电液伺服阀污染故障诊断

《Flow Measurement and Instrumentation》：Contamination Fault Diagnosis of Electro-Hydraulic Servo Valves Based on an RBF Neural Network

　　

• •
  对三个伺服阀的污染故障进行了模拟和实验研究。
• •
  通过在AMESim中增加间隙来模拟阀芯与阀套的磨损。
• •
  选择了流量、压力和内部泄漏作为对故障敏感的参数。
• •
  使用RBF神经网络进行污染故障诊断。
• •
  三种类型的伺服阀都实现了高诊断精度。

引言

电液伺服阀是液压闭环伺服控制系统的关键组件。由于其快速的动态响应、高控制精度和长使用寿命，它们被广泛应用于航空航天、航空、造船等高端工业领域[1]、[2]。

液压系统依靠油在闭合回路中传递能量和控制信号[3]。液压油同时充当动力介质、润滑剂和冷却介质；因此，其清洁度直接影响液压部件的配合条件和运动边界[4]。在长期运行过程中，液压系统不可避免地会受到颗粒污染、水分侵入和油品老化的影响，其中固体颗粒污染最为常见[5]。油品污染会改变润滑和密封条件，加速关键摩擦对的磨损，从而导致喷嘴堵塞、节流边缘磨损、卡死以及内部泄漏增加[6]。

作为伺服系统的核心控制元件，电液伺服阀的特点是间隙非常小、节流结构精确，并且对流量和压力变化高度敏感。一旦油品清洁度下降，污染物颗粒就更容易在阀芯与阀套之间的微小间隙中积聚或嵌入，导致阀芯运动阻力增加、零偏移漂移、滞后增大、内部泄漏增加以及输出特性下降[7]。因此，与普通液压部件相比，电液伺服阀对油品污染更为敏感[8]。

电液伺服阀依靠精密的阀芯-阀套配合和锋利的节流边缘来调节流量和压力。在接近零位置的微小开度条件下，阀口流通面积非常小，导致流速高、动能大、水膜喷射强烈且产生涡流。因此，携带在液压油中的固体颗粒会反复撞击并磨损工作边缘，造成侵蚀磨损和几何失活。之前的研究表明，这种侵蚀可能会增加零泄漏和内部泄漏，降低压力增益和线性度，导致工作点漂移，甚至导致阀门失效。此外，对于具有微米级间隙的伺服阀，污染物颗粒可能会在间隙中积聚并导致阀芯卡住。这些机制表明，油品污染是电液伺服阀性能下降和失效的主要原因[9]。

由于电液伺服阀的污染故障具有复杂的机制、发生随机性和多种表现形式，因此在故障样本采集和故障模式识别方面仍然存在困难。因此，伺服阀的污染故障诊断既是技术挑战，也是液压系统健康监测的研究热点。因此，开发智能诊断方法和有效的故障诊断模型具有重要的实际和学术意义[10]、[11]。

章节 excerpt

伺服阀结构与仿真模型

• (1)
  喷嘴-挡板伺服阀。

喷嘴-挡板伺服阀主要由扭矩电机、喷嘴-挡板组件、反馈杆和阀芯-阀套对等关键部件组成[12]，如图1所示。其工作原理如下：当没有输入信号时，作用在电枢上的磁扭矩保持平衡，电枢保持在中间位置。在这种情况下，喷嘴-挡板伺服阀的两个控制腔的压力相等

测试平台

为了模拟油品污染对伺服阀性能的影响，使用专门的伺服阀测试平台进行了实验研究。测试平台的照片如图16所示，其液压原理图如图17所示。

该平台是一个集成测试系统，能够进行在线和离线操作，用于伺服阀性能评估和故障诊断。它被开发用于评估关键性能指标，包括流量等工作参数

故障特征数据集的构建

基于收集的仿真和实验样本，建立了一个完整的伺服阀故障样本数据库，涵盖了三种类型的阀门，即喷嘴-挡板阀、直驱阀和比例阀。定义了两种操作状态，即正常状态（S0）和污染状态（S1）。对于正常状态和污染状态，都在相同的参数水平下进行了多次独立重复仿真，以确保数据的可靠性

结论

在液压系统中，大约70%的故障是由油品污染引起的。作为核心控制元件，电液伺服阀特别容易受到这种影响，因此由污染引起的故障非常典型。为了解决电液伺服阀的污染故障样本采集和故障模式识别方面的困难，本研究提出了一种基于RBF神经网络的污染故障诊断方法

数据可用性声明

由于本研究的性质，参与者不同意公开共享他们的数据，因此支持数据无法提供。

作者贡献声明

叶兴海：指导。 王玉佩：起草初稿。 郑希瑞：研究调查

伦理考量

本研究未涉及人类参与者或动物实验，因此不需要伦理批准。

参与同意

本文没有人类参与者，因此不需要签署知情同意书。

出版同意

不适用。

资金声明

作者未因本文章的研究、作者身份和/或出版获得任何财务支持。

利益冲突声明

? 作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

叶兴海|王玉佩|郑希瑞