电液伺服阀故障模糊诊断及学习方法研究.docVIP

伺服阀故障模糊诊断及学习方法研究1 黄志坚 （广州珠江钢铁有限责任公司 广东广州 510730） 摘要 本文提出一种电液伺服阀故障模糊综合评判方法，其基本依据是：当故障yi出现时常出现症状xj，且当症状xj出现时常出现故障yi，则故障yi发生的可能性大。这种评判方法突出了较密切的故障-症状的关系。本文提出一种基于故障--症状实际关系的学习方法。根据经验或统计数据初步确定故障--症状关系密切系数矩阵R中各元素rij的初值。后将对象实际的故障--症状因果关系r的数据加入到R 中去，由此对R进行修正，由此使R逐步符合实际情况。本文列举轧机D761型电液伺服阀模糊诊断、学习及程序的实例验证了有关理论的正确性和实用性。 关键词：伺服阀 故障 模糊 诊断 学习 1液压故障模糊综合评判的途径 由于液压设备故障—症状因果关系的交错性、重叠性、和随机性，一个症状往往对应多个可能的故障，一个故障发生时，也有多个症状出现；同时，由于故障的隐蔽性，难以直接检测液压系统的内部状况。模糊评判常用于评判各故障可能性的大小。文献[1]~[5]对有关模糊理论及其在液压故障诊断中的应用作了一定的研究。 模糊评判的一般表达式为： 式中为故障集；为症状集，xj的取值范围是0或1，症状出现即为1，否则为0。 R为关系密切系数，反映症状xj与故障yi的关系密切程度，为模糊算子。 y i越大则它所代表的故障的可能性也越大，相关。 本文提出一种统筹、全面的模糊评判方法，其基本依据是当故障yi出现的同时经常出现症状xj，且当症状xj出现的同时经常出现故障yi；则故障yi发生的可能性大。 R建立之初，其中不可避免地含有不切实际的成分或主观成分，这是模糊评判的通常问题。为使评判式得出的结论更加符合实际，就必须通过学习不断修正R。本文提出一种基于故障--症状实际关系的学习方法，其过程是： 根据经验或统计数据初步确定故障--症状关系密切系数矩阵R中各元素rij的初值。 每次系统出现异常时用模糊系统进行评判，求出目前症状组对应的故障及可能性大小。 根据评判结论找到实际的故障，求出其实际的故障--症状因果关系r。 将对象实际的因果关系r的数据加入到R 中去，由此对R进行修正。 2 模糊系统的构建 设tij为由初步统计得出的症状xj出现且故障yi也出现的次数，由此得到矩阵T0 。 故障yi出现的总次数是tyi 则Ty=（ty1， ty2，。。。，tyn）, tyi 症状xj故出现的总次数是txj 则Tx=（tx1， tx2，。。。，txm），txj 设故障yi 出现的前提下症状xj出现的概率为p（xj / yi）， 则 p（x/ yi） 为（ ti1 / tyi，ti2/ tyi，．．．，tim /tyi）， p（x/ y）= (1) 对于故障yi来说，（ ti1 / tyi，ti2/ tyi，．．．，tim /tyi）中较大者所对应的症状与它的关系更加密切。（ ti1 / tyi，ti2/ tyi，．．．，tim /tyi）中各元素最大值是1，它表明故障yi每次出现时，症状xj都会出现；最小值是0，它表明症状xj与故障yi无关。 设症状x j出现的前提下故障yi出现的概率为p（yi / xj）， 则 p（y/xj） 为（ ti1 / txj，ti2/ txj，．．．，tim /txj）， p（（y/xj）= (2) 对于症状xj来说，（ ti1 / txj，ti2/ txj，．．．，tim /txj）中较大者所对应的故障与它的关系更加密切。（ ti1 / txj，ti2/ txj，．．．，tim /txj）中各元素最大值是1，它表明症状x j每次出现时，故障yi都会出现；最小值是0，它表明症状xj与故障yi无关。 R’中i行代表故障yi与各症状的关系密切程度，R’’中j列代表症状xj 与各故障的关系密切程度。 如果以R’作为X与Y的关系密切系数矩阵，是从故障的角度来考察问题，评判的准则是： 当故障yi出现的同时经常出现症状xj（根据纪录与统计）； 症状xj在此次评判中出现了； 则故障yi发生的可能性大。 如果以R”作为X与Y的关系密切系数矩阵，是从症状的角度来考察问题，评判的准则是： 当症状xj出现的同时经常出现故障yi（根据纪录与统计）； 症状xj在此次评判中出现了； 则故障yi发生的可能性大。 这两种评判方法得到的结果经常是不一致的。例如，在液压系统中，液压泵发生故障时经常出现压力下降的症状，但压力下降的原因主要是调压系统故障。因此，需要统筹、全面地考察问题，评判的准则应该是： 当故障yi出现的同时经常出现症状xj，且当症状xj出现的同时经常出现故障yi；