一种伺服阀故障智能监测方法

技术领域

本发明属于液压故障监测技术领域，具体涉及一种伺服阀故障智能监测方法。

背景技术

随着中国制造2025的提出，智能制造已经成为当今工业发展的主旋律，各个工厂生产线上的很多关键设备都使用了液压伺服控制系统，例如轧机、平整机、钢卷小车等，其中伺服阀是液压伺服控制系统的关键一环，一旦故障会造成严重的经济损失，因此对伺服阀实现有效的故障监测是至关重要的。目前工业现场针对伺服阀出现的故障需要人工以点检方式进行排查，费时费力且降低了工业现场的生产效率，从而严重影响了企业的经济效益。随着大数据时代的到来，可以通过采集伺服阀的关键数据，实现对伺服阀的故障进行实时监测。

申请号为：CN202010840213.0的发明申请，公开了“一种基于迁移学习的电液伺服阀故障诊断方法及系统”，包括以下步骤：获取电液伺服阀故障数据库，包括对应电流下的空载流量数据与故障类型；对电液伺服阀数据进行预处理，建立训练集；利用所述训练集，基于马氏度量的迁移学习框架建立故障诊断模型；处理待检测电液伺服阀的样本数据，并利用所建立故障模型对该电液伺服阀数据进行故障甄别。

申请号为：CN201611161353.5的发明申请，公开了“一种电液伺服阀故障诊断方法”，包括以下步骤：1)参数采集：采集伺服阀参数包括阀左腔压力、阀右腔压力、阀进口流量、阀出口流量、阀壳体温度和阀电流；2)数据处理：采用奇异值分解及余弦分析法对采集到的伺服阀参数进行处理；3)故障诊断：运用准备好的参数训练快速准确的神经网络模型，基于该网络模型进行故障诊断；4)结果输出和处理：模型输出并反归一化，显示并处理诊断结果。

申请号为：CN201910823504.6的发明申请，公开了“电液伺服阀故障诊断方法及装置、存储介质和电子设备”，该方法包括：采集若干个电液伺服阀数据；以流量值等于零为界，将获取的特性曲线分割成上半部特性曲线与下半部特性曲线；计算在同一电流值对应的上半部与下半部特性曲线的流量差值；采用Kolmogorov-Smirnov方法验证各流量差值是否符合正态分布；符合正态分布，计算每个电液伺服阀的上半部与下半部特性曲线流量差值的均值与标准差；基于统计学的F-test分别对每个电液伺服阀进行统计学检定，判断各电液伺服阀是否发生故障。

发明内容

本发明提供了一种伺服阀故障智能监测方法，其技术方案具体如下：

一种伺服阀故障智能监测方法，其特征在于：通过如下步骤建立对伺服阀是否安全运行的实时监控：

S1：基于伺服放大器输入电压与伺服阀主阀阀芯位置的历史数据分布特性，设置包络曲线函数；

S2：基于设置的包络曲线函数建立判断模型；

S3：按照设定的采集周期将实时采集的数据送入判断模型，根据判断模型的判断结果确定伺服阀是否处于安全的工作状态。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

所述的包络曲线函数为：

其中，

x：输入电压；

y：主阀阀芯位置；

a：椭圆函数的长半轴；

b：椭圆函数的短半轴；

注：输入电压与阀芯位置输入的量是转化之后的数字量，无单位，本案中采用的伺服阀范围是-16000-+16000。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

步骤S2中的判断模型具体为：

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

所述的伺服阀故障智能监测，还包括对伺服阀零点漂移状况的实时监控；

所述的对伺服阀零点漂移状况的实时监控，具体为：

SS1：基于伺服放大器输入电压与伺服阀主阀阀芯位置的历史数据确定伺服阀理论零点位置；

SS2：按照设定的采集周期对伺服放大器输入电压及伺服阀主阀阀芯位置进行实时采集，并根据周期内的采集数据进行伺服阀实时零点位置的确定；

SS3：将实时零点位置与理论零点位置进行比较，若两者未发生偏差，则判定为未发生零点漂移，否则判定为发生零点漂移。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

包络曲线函数中的a与b通过如下步骤确定：

S21：基于伺服放大器输入电压的历史数据最大值、历史数据最小值及基于历史数据分布拟合的斜率，确定a值；

S22：根据确定的a值、包络曲线函数及滞环计算的要求三因素完成b值的确定。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

若连续5个采集周期内的实时数据计算结果符合判断模型，则判定为伺服阀处于安全工作状态，否则判定为伺服阀故障。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

所述的基于历史数据分布拟合的斜率，具体为：

对伺服放大器输入电压与伺服阀主阀阀芯位置的历史数据分布进行基于最小二乘的线性拟合，根据拟合确定斜率。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

建立的对伺服阀是否安全运行的实时监控与建立的对伺服阀零点漂移状况的实时监控以并程的方式运行。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

所述的理论零点位置及实时零点位置均基于各自相应数据空间各数据值的加权平均确定。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

实时采集的数据均先通过线性旋转的方式转换为包络曲线函数直角坐标系下的数值表达，然后再进行相应的判定或比较；

所述线性旋转的旋转角度基于历史数据分布拟合的斜率确定。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

所述的a值根据如下确定：

其中，

u

u

θ：拟合斜率的夹角。

根据本发明的一种伺服阀故障智能监测方法，其特征在于：

所述的基于历史数据分布拟合的斜率，具体为：

对伺服放大器输入电压与伺服阀主阀阀芯位置的历史数据分布进行基于最小二乘的线性拟合，根据拟合确定斜率。

本发明的一种伺服阀故障智能监测方法，通过伺服放大器输入电压与伺服阀主阀阀芯位置历史数据分析，设计一种用于伺服阀实时故障监测的包络曲线函数，同时可以获取伺服阀实际零点的位置坐标。一方面，如果出现数据点在一段连续时间内多次处于包络曲线区域之外，则认为出现故障，予以报警，同时，在监测模型中引入容错机制，如果只是单个数据点超出包络范围，则认为属于正常的情况，不进行报警；另一方面，通过时间移动滑动窗的方式，求取一段时间内的数据中心，与历史数据所得的中心零点坐标进行比对，可获取当前伺服阀的零点偏移情况。利用该发明，可以实时监测伺服阀的数据点是否处于包络曲线范围之内，以及零点漂移情况，从而实现伺服阀实时故障监测。该发明是实现液压伺服系统故障监测前提，同时也是实现含液压伺服系统的机械设备智能运维的基础。

附图说明

图1为本发明的步骤示意图；

图2为本发明中的对伺服阀零点漂移状况监控步骤示意图；

图3为本发明中的包络曲线函数中的a、b值确定步骤示意图；

图4为本发明实施例的伺服阀故障智能监测流程示意图；

图5为本发明实施例中液压伺服系统信号控制原理示意图；

图6为本发明实施例中的步骤6的坐标转化原理示意图；

图7为本发明中实施案例中平整机DS侧伺服数据分布与包络曲线示意图；

图8为本发明中实施案例中平整机WS侧伺服数据分布与包络曲线示意图；

图9为本发明实施案例1中平整机DS侧伺服数据仿真结果图；

图10为本发明实施案例1中平整机WS侧伺服数据仿真结果图；

图11为本发明实施案例2中平整机DS侧伺服数据仿真结果图；

图12为本发明实施案例2中平整机WS侧伺服数据仿真结果图。

具体实施方式

下面，根据说明书附图和具体实施方式对本发明的一种伺服阀故障智能监测方法作进一步具体说明。

一种伺服阀故障智能监测方法，如图1所示，通过如下步骤建立对伺服阀是否安全运行的实时监控：

S1：基于伺服放大器输入电压与伺服阀主阀阀芯位置的历史数据分布特性，设置包络曲线函数；

S2：基于设置的包络曲线函数建立判断模型；

S3：按照设定的采集周期将实时采集的数据送入判断模型，根据判断模型的判断结果确定伺服阀是否处于安全的工作状态。

其中，

所述的包络曲线函数为：

其中，

x：输入电压；

y：主阀阀芯位置；

a：椭圆函数的长半轴；

b：椭圆函数的短半轴。

其中，

步骤S2中的判断模型具体为：

其中，

所述的伺服阀故障智能监测，还包括对伺服阀零点漂移状况的实时监控；

所述的对伺服阀零点漂移状况的实时监控，如图2所示，具体为：

SS1：基于伺服放大器输入电压与伺服阀主阀阀芯位置的历史数据确定伺服阀理论零点位置；

SS2：按照设定的采集周期对伺服放大器输入电压及伺服阀主阀阀芯位置进行实时采集，并根据周期内的采集数据进行伺服阀实时零点位置的确定；

SS3：将实时零点位置与理论零点位置进行比较，若两者未发生偏差，则判定为未发生零点漂移，否则判定为发生零点漂移。

其中，如图3所示，

包络曲线函数中的a与b通过如下步骤确定：

S21：基于伺服放大器输入电压的历史数据最大值、历史数据最小值及基于历史数据分布拟合的斜率，确定a值；

S22：根据确定的a值、包络曲线函数及滞环计算的要求三因素完成b值的确定。

其中，

若连续5个采集周期内的实时数据计算结果符合判断模型，则判定为伺服阀处于安全工作状态，否则判定为伺服阀故障。

其中，

所述的基于历史数据分布拟合的斜率，具体为：

对伺服放大器输入电压与伺服阀主阀阀芯位置的历史数据分布进行基于最小二乘的线性拟合，根据拟合确定斜率。

其中，

建立的对伺服阀是否安全运行的实时监控与建立的对伺服阀零点漂移状况的实时监控以并程的方式运行。

其中，

所述的理论零点位置及实时零点位置均基于各自相应数据空间各数据值的加权平均确定。

其中，

实时采集的数据均先通过线性旋转的方式转换为包络曲线函数直角坐标系下的数值表达，然后再进行相应的判定或比较；

所述线性旋转的旋转角度基于历史数据分布拟合的斜率确定。

其中，

所述的a值根据如下确定：

其中，

u

u

θ：拟合斜率的夹角。

工作过程、原理及实施例

下面参照图4-8进行工作过程原理的阐述：

首先，将伺服放大器输入电压作为横坐标，伺服阀主阀阀芯位置作为纵坐标，根据其数据点的历史分布，设计一种包络曲线函数，作为数据分布的“安全域”。

其次，通过伺服放大器输入电压与伺服阀主阀阀芯位置历史数据的坐标点可以求出其数据中心点作为伺服阀的实际零点。

最后，通过判断输入电压与主阀阀芯位置的实时数据点是否处于包络函数区域内，判定此时伺服阀是否处于正常的工作状态。同时，通过时间移动滑动窗的方式，求取一段时间内的数据中心，与历史数据所得的中心零点坐标进行比对，可获取当前伺服阀的零点偏移情况，从而实现伺服阀的故障监测。

为实现上述技术效果，通过如下步骤进行具体的过程及原理阐述：

步骤1：根据伺服放大器输入电压与伺服阀主阀阀芯位置数据历史分布，设计一种包络曲线函数，作为数据分布的“安全域”。具体的包络函数如公式(1)所示。

式中，x表示输入电压，y表示主阀阀芯位置，a与b分别表示包络区域的长半轴与短半轴；注：输入电压与阀芯位置输入的量是转化之后的数字量，无单位，本案中采用的伺服阀范围是-16000-+16000。

步骤2：步骤1所述的包络曲线函数是处于新坐标系X

步骤3：步骤1所述的包络曲线函数的参数a与b是依据历史数据的分布进行确定，确保正常的数据点处于包络区域范围内。

步骤4：根据公式(2)和(3)，在坐标系UOV下，可以求出伺服放大器输入电压与伺服阀主阀阀芯位置数据的数据中心点作为伺服阀的实际零点。

u

v

式中，u

步骤5：步骤2所述的坐标系X

θ＝arctank (4)

步骤6：步骤1与步骤2所述的包络曲线函数中，参数a与b的确定至关重要，如图3和4所示，在坐标系UOV中，首先从历史数据点分布中选择横坐标最小和最大两个点对应的横坐标分别为u

参数b的确定根据滞环计算的要求，满足约束条件(6)。

τ为滞环，根据经验一般τ≤5％，U

步骤7：根据伺服放大器输入电压与伺服阀主阀阀芯位置实时的数据点代入公式(1)(注：实时的数据点是需要转化到监测坐标系下)，判断此时的数据点是否处于包络区域的范围之内，即是否符合公式(7)。如果符合，则可以判定此时数据点处于包络区域内，如果不符合，则可以判定此时数据点处于包络区域外。

步骤8：步骤4中所述的判断结果如果符合数据点均处于包络区域内，则可以判定此时伺服阀的工作状态正常，反之，如果数据点均处于包络区域外，则可以判定此时伺服阀的工作状态异常，但同时为了降低监测模型的误报率，引入容错机制，设定数据点连续处于包络区域外的个数为N，满足公式(8)时，则可以判定此时伺服阀的仍然处于正常的工作状态，反之，则可以判定此时伺服阀的工作状态异常。

N≤5 (8)

步骤9：步骤6、步骤7与步骤8中所述的过程中涉及一种坐标转化，需将当前伺服放大器输入电压与伺服阀主阀阀芯位置实时的数据点坐标转化为包络曲线函数的直角坐标系下的坐标值。具体的过程如图6所示。

利用该发明可以实现：

(1)伺服阀实时的故障监测。

(2)监测伺服阀零点漂移状况。

(3)有效避免伺服阀故障引发的设备故障，从而减少经济损失。

实施例1：

以某钢厂热镀锌生产线的平整机液压伺服系统为例，说明本发明提出的一种伺服阀故障智能监测方法，具体流程图如图4所示，信号控制原理如图5所示，采用的编程软件为Visual Studio Code，采用的编程语言为Python，具体包括如下步骤：

对某钢厂热镀锌生产线的平整机液压伺服系统伺服阀进行仿真，首先通过获取平整机WS与DS两侧各自伺服阀的输入电压与主阀阀芯位置历史数据，按照步骤1至步骤6，依据其坐标点历史数据分布，如图7与图8所示，确定了包络曲线函数，如公式(6)所示。

然后根据公式(2)和(3)，求出了该钢厂热镀锌生产线的平整机液压伺服系统伺服阀的实际零点(3747，3718)。最后根据平整机WS与DS两侧各自伺服阀的输入电压与主阀阀芯位置实时数据，按照步骤7至步骤9进行实时数据显示，结果如图9与图10所示。结果显示该平整机WS与DS侧的伺服阀的输入电压与主阀阀芯位置数据坐标点处于安全域内，同时此时的数据中心零点与实际零点重合，因此可以判定伺服阀处于正常的工作状态。

实施例2：

以某钢厂热镀锌生产线的平整机液压伺服系统为例，说明本发明提出的一种伺服阀故障智能监测方法，具体流程图如图4所示，信号控制原理如图5所示，采用的编程软件为Visual Studio Code，采用的编程语言为Python。

在本实施例中，对某钢厂热镀锌生产线的平整机液压伺服系统伺服阀进行监测，首先通过获取平整机WS与DS两侧各自伺服阀的输入电压与主阀阀芯位置历史数据，按照步骤1至步骤6，依据其坐标点历史数据分布，如图7与图8所示，确定了包络曲线函数，如公式(9)所示。

然后根据公式(2)和(3)，求出了该钢厂热镀锌生产线的平整机液压伺服系统伺服阀的实际零点(3736，3705)。最后根据平整机WS与DS两侧各自伺服阀的输入电压与主阀阀芯位置实时数据，按照步骤7至步骤9进行运行，结果如图11与图12所示。结果显示该平整机WS与DS侧的伺服阀的输入电压与主阀阀芯位置数据连续6个坐标点处于安全域外，同时此时的数据中心零点与实际零点存在偏移，因此可以判定伺服阀出现故障。

本发明的一种伺服阀故障智能监测方法，通过伺服放大器输入电压与伺服阀主阀阀芯位置历史数据分析，设计一种用于伺服阀实时故障监测的包络曲线函数，同时可以获取伺服阀实际零点的位置坐标。一方面，如果出现数据点在一段连续时间内多次处于包络曲线区域之外，则认为出现故障，予以报警，同时，在监测模型中引入容错机制，如果只是单个数据点超出包络范围，则认为属于正常的情况，不进行报警；另一方面，通过时间移动滑动窗的方式，求取一段时间内的数据中心，与历史数据所得的中心零点坐标进行比对，可获取当前伺服阀的零点偏移情况。利用该发明，可以实时监测伺服阀的数据点是否处于包络曲线范围之内，以及零点漂移情况，从而实现伺服阀实时故障监测。该发明是实现液压伺服系统故障监测前提，同时也是实现含液压伺服系统的机械设备智能运维的基础。