原裝MOOG伺服閥性能曲線圖
美國(guó)MOOG穆格伺服閥在線特征向量的提取
利用上述小波包技術(shù)對(duì)伺服閥的開(kāi)口度信號(hào)進(jìn)行聯(lián)合時(shí)頻分析。作者采集了正常到zui終因球頭過(guò)度磨損而損壞的伺服閥開(kāi)口度信號(hào)，分別對(duì)正常、中間和損壞狀態(tài)進(jìn)行5 層小波包分解。圖4 列出了第2、3、6、16、24 和31 頻帶上的圖譜。圖中橫坐標(biāo)為一個(gè)道次的時(shí)間，單位為s，縱坐標(biāo)為開(kāi)口度。比較分析三種狀態(tài)的伺服閥開(kāi)口度發(fā)現(xiàn)，損壞的伺服閥的信號(hào)分解后在各個(gè)頻帶上的變化頻率要大于正常狀態(tài)，但無(wú)法直觀判斷哪個(gè)頻帶對(duì)伺服閥狀態(tài)的變化zui靈敏。為此需要進(jìn)一步進(jìn)行實(shí)驗(yàn)研究。實(shí)驗(yàn)證明，5 層小波分解得到的結(jié)果結(jié)合神經(jīng)網(wǎng)絡(luò)狀態(tài)識(shí)別方法能較好地區(qū)分出伺服閥的狀態(tài)，故基于伺服閥開(kāi)口度獲得32 個(gè)特征量，同時(shí)結(jié)合伺服閥的在線檢測(cè)參數(shù) δs 和pl，提取出伺服閥在線特征向量[ew1，ew2，…，ew32，δs，pl]。但是，過(guò)多的特征量將對(duì)在線診斷效率產(chǎn)生較大的影響，因此需要對(duì)特征量進(jìn)行約簡(jiǎn)。
美國(guó)MOOG穆格伺服閥的動(dòng)態(tài)故障診斷，需要對(duì)伺服閥的在線工作特性進(jìn)行研究，在此基礎(chǔ)上對(duì)其工作特征信息進(jìn)行在線提取。這方面的研究目前還很少，文獻(xiàn)[6]提出了用小波分析的方法來(lái)構(gòu)造奇異信號(hào)的提取器，應(yīng)用于伺服閥的故障診斷中。文獻(xiàn)[7]運(yùn)用動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)對(duì)伺服閥建立了動(dòng)態(tài)模型仿真，并進(jìn)行實(shí)時(shí)監(jiān)控，在系統(tǒng)發(fā)生故障時(shí)可對(duì)故障源準(zhǔn)確定位。前者對(duì)伺服系統(tǒng)的實(shí)時(shí)信號(hào)進(jìn)行采集，并與正常情況下的標(biāo)準(zhǔn)信號(hào)分別進(jìn)行離散小波變換后對(duì)比，然后在提取器中做信號(hào)重構(gòu)并輸出異常成分，從而達(dá)到對(duì)系統(tǒng)故障的實(shí)時(shí)診斷效果。后者的動(dòng)態(tài)診斷性能體現(xiàn)在對(duì)系統(tǒng)的位置、壓差等連續(xù)信號(hào)進(jìn)行實(shí)時(shí)監(jiān)控檢測(cè)，并與系統(tǒng)原有信號(hào)生成故障殘差，從而動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)故障。作者運(yùn)用小波包分解結(jié)合系統(tǒng)實(shí)時(shí)檢測(cè)選取適當(dāng)?shù)奶卣飨蛄?，并借助粗糙集?jiǎn)化特征向量維數(shù)，動(dòng)態(tài)監(jiān)控系統(tǒng)運(yùn)行狀態(tài)，通過(guò)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)發(fā)生的故障進(jìn)行動(dòng)態(tài)檢測(cè)。
美國(guó)MOOG穆格伺服閥狀態(tài)信號(hào)的分析和選擇
所研究的伺服閥為多級(jí)伺服閥，一個(gè)雙噴嘴擋板的二級(jí)先導(dǎo)閥和一個(gè)大功率輸出級(jí)滑閥的主閥。伺服閥把微小的電信號(hào)通過(guò)力位移轉(zhuǎn)換器 ( 力矩馬達(dá))變?yōu)槲⑿〉奈灰菩盘?hào)，再用前置放大器把微小的位移信號(hào)轉(zhuǎn)換為推動(dòng)滑閥運(yùn)動(dòng)的壓力信號(hào)?；y借助閥芯的位移輸出很大的流體動(dòng)力信號(hào)。
原裝MOOG伺服閥性能曲線圖
美國(guó)MOOG穆格電液伺服閥的在線故障診斷長(zhǎng)期以來(lái)都是重大裝備性能維護(hù)中亟需解決的難題之一，作者對(duì)伺服閥的動(dòng)態(tài)特征信息的在線提取方法進(jìn)行了研究:
( 1) 基于伺服閥的工作特性，提出了一種反映伺服閥動(dòng)態(tài)特征的狀態(tài)信號(hào)選取方法。
( 2) 通過(guò)對(duì)伺服閥閥芯開(kāi)口度的時(shí)頻聯(lián)合分析，結(jié)合所選取的伺服閥特征參數(shù)，提取出反映伺服閥動(dòng)態(tài)特征信息的特征向量。
( 3) 基于粗糙集理論對(duì)特征量進(jìn)行了特征約簡(jiǎn)，大大提高了伺服閥異常狀態(tài)在線識(shí)別的效率。通過(guò)人工神經(jīng)網(wǎng)絡(luò)對(duì)伺服閥性能在線診斷的實(shí)驗(yàn)結(jié)果表明: 基于所提出的伺服閥動(dòng)態(tài)特征信息在線提取方法，能有效判斷伺服閥的工作狀態(tài)，為電液伺服閥的在線故障診斷奠定了基礎(chǔ)，對(duì)實(shí)際伺服閥的使用和維護(hù)具有指導(dǎo)意義。進(jìn)一步的研究將是通過(guò)伺服閥故障模式的積累，對(duì)伺服閥的潛在故障作出診斷和預(yù)測(cè)，為伺服閥的維護(hù)提供更加有效便捷的手段。
美國(guó)MOOG穆格電液伺服閥是電液伺服控制中的關(guān)鍵元件，其性能關(guān)系到整個(gè)伺服系統(tǒng)的控制精度和響應(yīng)速度。當(dāng)前，伺服閥的故障診斷仍以離線為主，缺乏在線診斷的有效手段。根據(jù)伺服閥的工作特性，提出一種反映伺服閥動(dòng)態(tài)特征的狀態(tài)信號(hào)選取方法; 通過(guò)對(duì)伺服閥閥芯開(kāi)口度進(jìn)行時(shí)頻聯(lián)合分析，結(jié)合所選取的伺服閥特征參數(shù)，提取出反映伺服閥動(dòng)態(tài)特征信息的特征向量; 采用粗糙集理論對(duì)特征量進(jìn)行約簡(jiǎn)以提高在線診斷效率?；谌斯ど窠?jīng)網(wǎng)絡(luò)的伺服閥性能在線診斷的實(shí)驗(yàn)結(jié)果表明: 所提取的特征向量能夠準(zhǔn)確反映伺服閥動(dòng)態(tài)特征信息，有效判斷伺服閥的異常狀態(tài)，為電液伺服閥的在線故障診斷提供了參考。
原裝MOOG伺服閥性能曲線圖

上海維特銳是一家專(zhuān)業(yè)從事工業(yè)系統(tǒng)自動(dòng)化，集科技、設(shè)備供應(yīng)，工程、貿(mào)易為一體的綜合性企業(yè)，公司主要銷(xiāo)售德國(guó)、歐美、日本、韓國(guó)、中國(guó)臺(tái)灣等精良的工控元件、工控自動(dòng)化等產(chǎn)品。