CN103410892B - 液压盘式制动器泄漏及液压油混入空气故障在线诊断方法 - Google Patents

Abstract

本发明公开了一种液压盘式制动器泄漏及液压油混入空气故障在线诊断方法，在制动器开闸时，分别测量闸片位移 、液压缸进口处流量和压强，确定闸片离开制动盘时刻和闸片接触限位开关时刻，再通过、的变化动态特征计算液压缸内流量损失量与液压缸体积之比的积分，对进行定积分得到，对和进行二次多项式拟合得到二次项系数，最后，基于特征量和进行故障检测，结合基于支持向量机的分类模型进行故障分离，并进行故障幅值的估计；本发明能够有效地在线检测矿井提升机液压盘式制动器液压缸泄漏和液压油混入空气两种故障，辨识故障类型，并估计故障幅值，为保障矿井提升机的可靠运行提供了技术条件。

Description

液压盘式制动器泄漏及液压油混入空气故障在线诊断方法

技术领域

本发明涉及液压设备故障检测领域，尤其涉及一种液压盘式制动器泄漏及液压油混入空气故障在线诊断方法。

背景技术

矿井提升机是矿山工业的咽喉设备，它负担着提升煤炭、材料、设备和升降人员的任务。提升机的紧急制动是保障提升过程安全性的重要措施之一，是由制动系统完成。液压控制的盘式制动器是矿井生产过程中主要应用的提升机制动器。在制动器运行过程中，液压缸泄漏和液压油混入空气两种故障都会降低制动器性能，威胁到提升机的安全运行。在当前矿井实际生产过程中，运行维护人员主要通过定期离线检修方式对这两种故障进行检测。本发明涉及一种矿井提升机液压盘式制动器液压缸泄漏及液压油混入空气故障在线检测、故障分离和幅值估计方法，能够提前预警故障，避免灾难性故障发生。

盘式制动系统主要包含两部分：盘式制动器和液压站。盘式制动器通过推动闸片沿轴向从两侧压向制动盘产生制动力矩，以产生制动效果。液压站通过向液压缸提供油压来控制闸片运动及制动正压力。制动器的开闸合闸过程即是液压站通过改变液压缸内的压力来控制液压缸内活塞运动的过程。在制动器的实际运行过程中，密封圈磨损会导致液压缸泄漏，同时液压油混入空气会导致液压油的有效体积弹性模量降低，这些故障都会导致制动器性能退化。如果能够对这两种故障进行在线检测，就可以极大地提高矿井提升机的运行安全性。

目前工业现场应用的矿井提升机液压盘式制动器液压缸泄漏和液压油混入空气故障检测技术主要是离线检修方法：液压油混入空气故障可通过液压油体积弹性模量检测设备进行检测；而液压缸泄漏故障的检测方法主要包括保压法、沉降法和量杯法。此外，很多研究还提出了其它检测方法，但这些方法都假定系统发生单个故障，无法对液压缸泄漏和液压油混入空气两种故障同时进行诊断，而且这些方法中在线检测方法较少。

发明内容

本发明的目的在于针对现有技术的不足，提供一种液压盘式制动器泄漏及液压油混入空气故障在线诊断方法。

本发明的目的是通过以下技术方案来实现的：一种液压盘式制动器泄漏及液压油混入空气故障在线诊断方法，该方法包括以下步骤

(1)将流量传感器和压力传感器安装在制动器液压油进口处，将位移传感器安装在制动器外壳上，使位移传感器的探头跟随闸片运动。位移传感器、流量传感器和压力传感器分别实时测量开闸信号发出后3秒内的闸片位移x(t)、液压缸进口处流量q(t)和压强p(t)，t为时间。

(2)确定闸片离开制动盘时刻t₀和闸片接触限位开关时刻t₁。闸片贴紧制动盘时位移为x₀，闸片贴紧限位开关时位移为x₁。整个开闸过程中位移从x₀变为x₁，t₀是满足x(t)≤x₀的最后一个时刻，t₁时刻是满足x(t)≥x₁的第一个时刻。

(3)根据步骤2确定的闸片离开制动盘时刻t₀和闸片接触限位开关时刻t₁计算流量损失量与体积之比的积分w(t)：

$w\left(t\right)={\∫}_{t_0}^t\frac{q}{V\left(x\right)}\mathrm{dt}-\ln \frac{V\left(x\right)}{V_0}$   t₀≤t≤t₁

式中，V(x)为液压缸内油腔体积，V(x)＝V₀+Sx，V₀为t₀时刻的液压缸内油腔体积，S为液压缸有效作用面积，q和x分别为步骤1测量得到的液压缸进口处流量和闸片位移。

(4)计算变量w(t)对时间的定积分，作为特征量：

$\mathrm{char}1={\∫}_{t_0}^{t_1}w\left(t\right)\mathrm{dt}$

如果char1大于char1_thrhd，则表明液压缸存在泄漏或液压油混入空气，系统存在故障，需要进一步判断故障类型。其中，char1_thrhd为故障阈值。

(5)判断故障类型，该步骤通过以下子步骤来实现。

(5.1)通过实验建立训练样本，每次实验都是使系统处于液压缸泄漏和液压油混入空气两种故障中某一种故障状态。建立训练样本过程中，对每种故障进行多次实验，并且使每次实验的故障幅值不同，对每次实验分别计算特征量char1和特征量char2，其中，特征量char2为对w(t)和压强p(t)进行二次多项式拟合后得到的二次项系数。分别以char2和char1为横、纵坐标构成二维平面，根据故障类型将训练样本分成两个子样本。通过学习得到具有最大边缘超平面的线性决策边界，决策边界将二维平面分为两个子平面，分别代表不同的故障类型。

(5.2)根据实测数据计算特征量char1和char2，并将其映射到二维平面中，根据其所在的位置，即可确定其故障类型。

(6)估计故障幅值，该步骤通过以下子步骤来实现。

(6.1)对每种故障进行多次实验，每次实验都设置不同的故障幅值。根据实验所得故障幅值和特征量char1数据，进一步通过二次多项式拟合得到故障幅值和特征量char1的映射关系。

(6.2)确定实测数据对应的故障类型后，根据相应故障的幅值与char1的映射关系估计故障幅值。

本发明的有益效果是，通过实时计算特征量char1和char2，并结合基于支持向量机的分类器，对液压缸泄漏和液压油混入空气两种故障同时进行在线诊断，能够进行故障检测、分离和幅值估计，可以有效提高矿井提升机生产运行的安全性。

附图说明

图1为液压盘式制动器泄漏及液压油混入空气故障在线诊断流程图；

图2为基于特征量char1、char2和支持向量机分类模型的故障分离方法实施效果图；

图3为泄漏流量估计误差率图；

图4为空气含量估计误差率图。

具体实施方式

本发明主要是通过测量闸片位移x(t)、制动器进口处流量q(t)和压强p(t)，进一步计算流量损失量与体积之比的积分w(t)，提取特征量char1和特征量char2，根据特征量char1判定是否发生故障，然后根据特征量char1和特征量char2，应用基于支持向量机的分类模型进行故障分离，最后根据故障类型和char1估计故障幅值。

下面根据附图详细说明具体实施方式。

如图1所示，此方法的具体实施步骤如下：

1、将流量传感器和压力传感器安装在制动器液压油进口处，将位移传感器安装在制动器外壳上，使位移传感器的探头跟随闸片运动。位移传感器、流量传感器和压力传感器分别实时测量开闸信号发出后3秒内的闸片位移x(t)、液压缸进口处流量q(t)和压强p(t)，t为时间。

通常3秒足以完成从开闸信号发出时刻到制动器处于稳定开闸状态这一过程，这一过程可分为三个过程，从开闸信号发出到闸片离开制动盘的反应过程，从闸片离开制动盘到接触限位开关的运动过程，从闸片接触限位开关到最终稳定的稳定过程。

2、确定闸片离开制动盘时刻t₀和闸片接触限位开关时刻t₁。闸片贴紧制动盘时位移为x₀，闸片贴紧限位开关时位移为x₁。整个开闸过程中位移从x₀变为x₁，t₀是满足x(t)≤x₀的最后一个时刻，t₁时刻是满足x(t)≥x₁的第一个时刻。

3、根据步骤2确定的闸片离开制动盘时刻t₀和闸片接触限位开关时刻t₁计算流量损失量与体积之比的积分w(t)：

$w\left(t\right)={\∫}_{t_0}^t\frac{q}{V\left(x\right)}\mathrm{dt}-\ln \frac{V\left(x\right)}{V_0}$   t₀≤t≤t₁

式中，V(x)为液压缸内油腔体积，V(x)＝V₀+Sx，V₀为t₀时刻的液压缸内油腔体积，S为液压缸有效作用面积，q和x分别为步骤1测量得到的液压缸进口处流量和闸片位移。

液压缸泄漏和液压油混入空气都会引起w(t)变化，因此可通过w(t)的变化反映故障幅值和故障类型。

4、计算变量w(t)对时间的定积分，作为特征量：

$\mathrm{char}1={\∫}_{t_0}^{t_1}w\left(t\right)\mathrm{dt}$

如果char1大于char1_thrhd，则表明液压缸存在泄漏或液压油混入空气，系统存在故障，需要进一步判断故障类型。其中，char1_thrhd为故障阈值，故障阈值根据矿井提升机液压盘式制动器正常工作状态下的特征量char1来确定。

5、判断故障类型，该步骤通过以下子步骤来实现。

5.1 通过实验建立训练样本，每次实验都是使系统处于液压缸泄漏和液压油混入空气两种故障中某一种故障状态。建立训练样本过程中，对每种故障进行多次实验，并且使每次实验的故障幅值不同，对每次实验分别计算特征量char1和特征量char2，其中，特征量char2为对w(t)和压强p(t)进行二次多项式拟合后得到的二次项系数。char1与两种故障的幅值正相关，而两种故障分别使char2有不同的变化趋势，泄漏故障使char2向正的方向变化，混入空气故障使char2向负的方向变化。分别以char2和char1为横、纵坐标构成二维平面，根据故障类型将训练样本分成两个子样本。通过学习得到具有最大边缘超平面的线性决策边界，决策边界将二维平面分为两个子平面，分别代表不同的故障类型。

5.2 根据实测数据计算特征量char1和char2，并将其映射到二维平面中，根据其所在的位置，即可确定其故障类型。

6、估计故障幅值，该步骤通过以下子步骤来实现。

6.1 对每种故障进行多次实验，每次实验都设置不同的故障幅值。根据实验所得故障幅值和特征量char1数据，进一步通过二次多项式拟合得到故障幅值和特征量char1的映射关系。

6.2 确定实测数据对应的故障类型后，根据相应故障的幅值与char1的映射关系估计故障幅值。

以下介绍本发明的一个实施例：

在AMEsim仿真实验平台上对所提出的矿井提升机盘式制动器液压缸泄漏和液压油混入空气故障检测和诊断方法进行了验证。AMEsim是应用于多学科领域的复杂建模仿真平台，用户可在这一平台上建立复杂的、多学科领域的研究对象系统模型，并在此基础上进行仿真计算和深入分析。本次实验主要调用AMEsim内的液压系统和机械系统元件构建了制动器开闸运行过程模型。改变泄漏模块的泄漏系数和液压油的空气含量，可对不同程度的两种故障进行仿真。

表1：基于特征量char1的故障检测方法实施效果

首先进行无故障状态下的仿真实验，实际运行过程中液压缸总是存在微小的泄漏，泄漏流量小于0.0001L/min，泄漏量达到一定值时系统才处于故障状态，计算特征量char1得到故障阈值char_thrhd；然后分别进行液压缸泄漏和液压油混入空气两种故障状态下的仿真实验，每种故障进行五种不同程度的仿真实验。在液压缸泄漏故障状态下，泄漏流量分别为0.0017L/min、0.0093L/min、0.0274L/min、0.0606L/min和0.1136L/min；在液压油混入空气故障状态下，空气含量分别为0.2％、0.4％、0.6％、0.8％和1％，计算特征量char1。正常工作状态下和故障状态下char1的值如表1所示，故障阈值为4.78×10^-4，当发生故障时，char1大于char_thrhd。同时，液压缸泄漏越严重，或者液压油空气含量越多，特征量char1越大。因此可以通过特征量char1的值反映故障发生与否。将泄漏流量作为液压缸泄漏故障的幅值，对泄漏流量和char1进行二次多项式拟合，得到泄漏流量和char1的关系式；将空气含量作为液压油混入空气故障的幅值，对空气含量和char1进行二次多项式拟合，得到空气含量和char1的关系式。这样就建立了两种故障的幅值和char1的映射关系。

但是，仅通过特征量char1无法进行故障分离，因此引入特征量char2，并利用基于支持向量机的分类模型进行故障分离。分别进行液压缸泄漏和液压油混入空气两种故障状态下的仿真实验，每种故障进行五种不同程度的仿真实验。在液压缸泄漏故障状态下，泄漏流量分别为0.0017L/min、0.0045L/min、0.0094L/min、0.0169L/min和0.0276L/min；在液压油混入空气故障状态下，空气含量分别为0.2％，0.4％、0.6％、0.8％和1％。计算特征量char1和char2，以这10个样本点构成训练样本，建立基于支持向量机的分类模型。接着通过实验模拟实测过程，改变系统参数，一共进行40次仿真实验，计算每次实验的char1和char2。其中20次使系统处于液压缸泄漏故障状态下，每次泄漏流量不同；另20次使系统处于液压油混入空气故障状态下，每次空气含量不同。同时在实验过程中改变比例溢流阀阻尼孔直径和主阀弹簧刚度，以检验方法抗干扰的能力。然后用已建立的分类模型进行分类，结果如图2所示。以char2和char1分别为横、纵坐标构成二维平面，图中直线为线性决策边界，实测数据的特征量在二维平面上的映射点在决策边界左平面表明故障类型为液压油混入空气，而映射点在决策边界右平面表明故障类型为液压缸泄漏。当故障幅值较小时，分类算法错误较多，而当故障幅值达到并超过一定值时，分类算法准确率很高。分类算法的整体准确率到达了92.5％，验证了所提出故障分离方法的有效性。确定样本点的故障类型后，根据其对应的故障幅值和char1关系式，可对故障幅值进行估计。图3和图4分别展示了液压缸泄漏故障和液压油混入空气故障的幅值估计误差率随故障幅值的变化情况。当故障幅值较小时，幅值估计误差率较大，但当故障幅值达到并超过一定值时，幅值估计误差率小于6％，验证了故障幅值估计方法的有效性。

Claims (1)

1.一种液压盘式制动器泄漏及液压油混入空气故障在线诊断方法，其特征在于，该方法包括以下步骤：

(1)将流量传感器和压力传感器安装在制动器液压油进口处，将位移传感器安装在制动器外壳上，使位移传感器的探头跟随闸片运动；位移传感器、流量传感器和压力传感器分别实时测量开闸信号发出后3秒内的闸片位移x(t)、液压缸进口处流量q(t)和压强p(t)，t为时间；

(2)确定闸片离开制动盘时刻t₀和闸片接触限位开关时刻t₁；闸片贴紧制动盘时位移为x₀，闸片贴紧限位开关时位移为x₁；整个开闸过程中位移从x₀变为x₁，t₀是满足x(t)≤x₀的最后一个时刻，t₁时刻是满足x(t)≥x₁的第一个时刻；

(3)根据步骤(2)确定的闸片离开制动盘时刻t₀和闸片接触限位开关时刻t₁计算流量损失量与体积之比的积分w(t)：

$w\left(t\right)={\∫}_{t_0}^t\frac{q}{V\left(x\right)}\mathrm{dt}-\ln \frac{V\left(x\right)}{V_0}$  t₀≤t≤t₁

式中，V(x)为液压缸内油腔体积，V(x)＝V₀+Sx，V₀为t₀时刻的液压缸内油腔体积，S为液压缸有效作用面积，q和x分别为步骤(1)测量得到的液压缸进口处流量和闸片位移；

(4)计算变量w(t)对时间的定积分，作为特征量：

$\mathrm{char}1={\∫}_{t_0}^{t_1}w\left(t\right)\mathrm{dt}$

如果char1大于char1_thrhd，则表明液压缸存在泄漏或液压油混入空气，系统存在故障，需要进一步判断故障类型；其中，char1_thrhd为故障阈值；

(5)判断故障类型，该步骤通过以下子步骤来实现：

(5.1)通过实验建立训练样本，每次实验都是使系统处于液压缸泄漏和液压油混入空气两种故障中某一种故障状态；建立训练样本过程中，对每种故障进行多次实验，并且使每次实验的故障幅值不同，对每次实验分别计算特征量char1和特征量char2，其中，特征量char2为对w(t)和压强p(t)进行二次多项式拟合后得到的二次项系数；分别以char2和char1为横、纵坐标构成二维平面，根据故障类型将训练样本分成两个子样本；通过学习得到具有最大边缘超平面的线性决策边界，决策边界将二维平面分为两个子平面，分别代表不同的故障类型；

(5.2)根据实测数据计算特征量char1和char2，并将其映射到二维平面中，根据其所在的位置，即可确定其故障类型；

(6)估计故障幅值，该步骤通过以下子步骤来实现：

(6.1)对每种故障进行多次实验，每次实验都设置不同的故障幅值；根据实验所得故障幅值和特征量char1数据，进一步通过二次多项式拟合得到故障幅值和特征量char1的映射关系；

(6.2)确定实测数据对应的故障类型后，根据相应故障的幅值与char1的映射关系估计故障幅值。