CN114753994B - 一种小型集成式液压泵状态监测装置及监测方法 - Google Patents

Abstract

本发明涉及液压泵状态监测的技术领域，具体提供一种小型集成式液压泵状态监测装置，其包括壳体、电源模块、FPGA控制板、连接器模块、接口模块，所述连接器模块包括电源连接器、板间连接器，所述电源模块通过电源连接器为FPGA控制板供电，所述FPGA控制板包括采集模块、存储模块、信号监测模块。所述电源模块、采集模块、信号监测模块为片状芯片，层叠式设置在壳体内部。所述采集模块连接外部液压泵的压力、温度、振动传感器，所述存储模块通过板间连接器存储采集模块的传感器信号，所述信号监测模块烧录有基于信号分解模型和神经网络模型的状态监测算法。本发明可直接安装在液压泵壳体上，提升设备的集成度与智能化，对液压泵进行实时状态监测。

Description

一种小型集成式液压泵状态监测装置及监测方法

技术领域

本发明涉及液压泵状态监测的技术领域，具体提供一种小型集成式液压泵状态监测装置。

背景技术

工业4.0背景下，机械设备正朝着集成化、精密化和智能化的方向发展，机械零部件的状态直接影响到机械设备的运行状态及其安全状况，而液压系统是大型机械中最常用的动力设备，液压泵作为关键部件，在机械加工、交通工具、航空航天等机械中发挥着重要作用。其性能的好坏对整个液压系统操作的可靠性有重要影响。因此，对机械设备液压泵的状态监测极为重要。

目前液压泵缺乏自主感知能力，主要在地面通过以计算机为采集分析核心的系统进行设备监测，主要分为两部分：首先基于大型信号采集仪进行传感信号采集，然后再将采集信号传输至电脑终端进行数据分析、状态监测。其采集装置与状态监测装置相互独立，集成化低，且整体体积占比较大、通讯线缆布线繁杂、冗余重量高、空间利用率低，不具备直接装机功能，只能用于在地面进行实验分析，缺乏智能监测功能，无法直接安装于液压泵设备上进行实时数据采集与在线状态监测。如CN109238672A所公开的一种液压泵运行状态多路监测装置，其采用多通道监测，线路布局复杂，空间利用率低，适用于地面试验，无法装机实时进行动态液压泵状态监测，特别是在液压泵实际工作时，无法第一时间发现问题故障，容易造成安全隐患。

随着设备集成化程度与智能化要求的提升，为提高特定场景下液压泵的可靠性以保证机械设备安全地运行，有必要研制一种智能算法驱动的高度集成的小型液压泵状态监测装置，取代原有的地面大型采集设备与计算机系统，可以较大的提升设备的集成度并降低无效重量，直接安装在液压泵产品上，提升液压泵设备智能化水平，并进行数据采集与状态监测。

发明内容

针对传统液压泵状态监测装置通讯线缆布线繁杂、体积占比较大、冗余重量高、空间利用率差、集成度低等不足，本发明提出小型集成式液压泵状态监测装置。该装置是一种便携集成式在线监测设备，所有功能均集中在一台小型高度集成化的信号采集处理机上，可直接安装在液压泵设备上，实现数据采集、在线监测与故障预警。

为达到上述目的，本发明采取的技术方案如下：

一种小型集成式液压泵状态监测装置，其包括壳体以及安装在其内部的电源模块、FPGA控制板、连接器模块、接口模块，其中，所述连接器模块包括电源连接器、板间连接器，电源模块通过电源连接器为FPGA控制板供电，所述FPGA控制板包括采集模块、存储模块、信号监测模块，所述电源模块、采集模块、信号监测模块为片状芯片，层叠式设置在壳体内部。所述采集模块连接外部液压泵的压力、温度、振动传感器，用于采集液压泵的运行状态信息，所述存储模块通过板间连接器相互连通用于存储采集模块的传感器信号，所述信号监测模块内部烧录有基于信号分解模型和神经网络模型的状态监测算法，对所述存储模块内的液压泵各监测信号进行信号处理、特征提取以及运行状态监测，并通过接口模块连接外部上位机进行结果输出与调试。

所述壳体内部设置有用于集成芯片安装的安装槽，表面设置有接口孔，且上端设置散热板，下端安装底座设置有3～5mm的隔热板，并安装在液压泵平整端面。

所述电源模块内设置有直流转换模块和滤波器，进行电压转换，能够实现多路不同电压输出，满足FPGA控制板和传感器不同电压需求。

所述FPGA控制板内设置有电源转换电路，采用DC/DC电源转换器件将5V转换为3.3V、1.0V、2.5V、1.8V等三次电源，满足FPGA控制板芯片上各类器件电压需求。

所述信号监测模块通过接口模块将状态监测机理判别模型烧录至FPGA芯片内，实现对液压泵采集信息的信号特征提取以及运行状态监测。

所述接口模块为可配置串口模块，采用共用I/O线路的两个RS232单端收发器或一个RS485差分收发器，通过控制相应引脚来实现RS232和RS485两种通信模式的切换。

所述FPGA控制板上设置有三个轴向加速度传感器，其中，X轴和Y轴方向的传感器在采集板上垂直布局，Z轴方向需采用小板焊接到采集板上。

所述FPGA控制板和电源模块之间采用电源连接器互联，FPGA控制板内部的信号监测模块和采集模块通过板间连接器进行互联通信。

所述基于信号分解模型和神经网络模型的监测方法采用经验模态分解方法进行采集信号的特征提取，然后基于概率神经网络算法对特征处理后的信号进行状态监测分析，包括如下步骤：

步骤1：利用压力、温度、振动信号传感器收集液压泵动态信号；

步骤2：利用经验模态分解方法对振动信号进行自适应信号分解

式中，I代表本征模态分量的总分解个数，IMF_i(t)代表第i个本征模态分量，r_I(t)是残余分量，分解后的每一个本征模态分量为单一频率的稳态特征信号；

步骤3：选取前4个本征模态分量作为关键分量进行状态特征提取，涵盖所需的主要特征信息，并滤除噪声和其他干扰分量影响；

步骤4：对特征提取后的振动信号分量与采集的压力、温度信号进行整合构建输入样本矩阵，并进行归一化处理；

步骤5：将归一化后的样本划分70％作为学习样本，其余30％作为测试样本，在提升模型训练效率和精度的同时，保障验证模型的可靠度。

步骤6：将学习样本送入概率神经网络进行训练，计算待识别的样本矩阵中每个样本与学习矩阵中各种模式之间的距离，并激活模式层的径向基函数神经元，再求取求和层中待识别样本矩阵中每个样本归入各个类别的初始概率和，最后计算第i个待识别样本划入正常运行状态或故障状态的初始概率。

步骤7：经过学习样本训练后，根据训练样本的输入向量的维度确定概率神经网络模型的输入节点层数，并通过学习样本自适应确定隐层神经元的结构参数，最终得到液压泵状态监测模型。

步骤8：利用测试样本对构建的液压泵的状态监测模型进行验证，修正网络结构参数，直至满足实际液压泵状态监测精度，确定最终液压泵状态监测模型，并实现对液压泵运行状态的精确监测。

本发明的有益效果：

1)本发明通过巧妙的结构设计，全新设计液压泵状态检测装置硬件电路的小型化、低功耗、高可靠技术以及软件的高安全、高可靠调度及配置技术，采用紧凑型布局，内部集成了FPGA可编程逻辑的SoC，大幅度缩减了传统大型液压泵状态监测地面设备实际占用面积，外形尺寸满足液压泵预留的安装端面大小要求，装备重量低、功能集成度高，并且满足环境适应性要求，具备装机能力。特别是本发明装置可以直接安装在液压泵上，可以实时实现对液压泵工作过程中的状态监测，能够及时发现液压泵的故障，实现预警监测，可有效避免故障事件，提供液压泵工作安全可靠性具有较大价值和意义。

2)本发明针对液压泵环境适应性要求进行器件选型，通过了环境试验验证，实现了液压泵高温、强振动、电磁干扰等运行环境下高精度的多通道传感器信号采集、传输与处理，并基于内嵌的信号分解模型和神经网络模型的状态监测算法具备实时液压泵运行状态监测与预警功能。

3)本发明可通过安装数据库进行扩容处理，实现整个液压泵长时间运行工况下的数据存储。

4)本发明预留了额外的传感器接口，可进行全方位的信号监测、保障液压泵设备的运行安全性。

5)构建了适用于目前及未来的小型集成化液压泵状态监测装置的通用架构，形成系统需求与基于SoC的样机架构、核心软硬件选择的映射策略，并基于效能实施评估和优化迭代，提升液压泵设备智能化水平，并进行数据采集与状态监测。

附图说明

图1是小型集成式液压泵状态监测装置的三维示意图；

图2是小型集成式液压泵状态监测装置的安装示意图；

图3是小型集成式液压泵状态监测装置的结构示意图；

图4是小型集成式液压泵状态监测装置的工作原理图；

图5是小型集成式液压泵状态监测装置的监测流程图，

其中，1-壳体、2-电源模块、3-电源连接器、4-采集模块、5-板间连接器、6-存储模块、7-信号监测模块、8-接口模块、9-传感器装置、10-液压泵设备。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明将原有大型基站式液压泵状态监测装置改进为便携式小型集成式液压泵状态监测装置，可以直接安装在液压泵产品上，通过烧录有基于机理模型与数据驱动的状态监测算法对传感器所采集的监测信号进行实时分析，使液压泵具有状态监测的功能，保障液压泵的运行安全，更好地适配未来液压泵等机电设备集成化、智能化、轻质化的发展需求。

实施例1：

如图1所示，本发明提供了一种小型集成式液压泵状态监测装置，减少不需要使用的原器件，优化布局布线，缩小板面积，结构外形尺寸为95mm(长)×50mm(宽)×45mm(高)，下端安装底座设置有3～5mm的隔热板；电源指示灯为PWR，工作时处于常亮状态，液压泵运行状态指示灯为STA，工作时处于绿色状态，为当液压泵内部出现异常故障时，变为红色；状态监测装置一次电源采用28V直流通过XP1接口进行供电，液压泵监测传感器信号通过XP2接口实现内部采集模块信号采集；XP3接口为所述外部接口模块，可进行FPGA逻辑、程序固化、软件调试以及信号传输至外部设备；

如图2所示，所述小型集成式状态监测装置尺寸大小满足液压泵安装空间需求，可直接安装在液压泵壳体上，并通过环境适应性要求，实现产品一体化设计与状态监测功能。

如图3所示，所述小型集成式液压泵状态监测装置内部结构采用紧凑型设计，其中，电源模块、采集模块、信号监测模块为片状芯片，层叠式设置在壳体内部。电源模块通过连接器连接外部电源接口，然后通过电源连接器给FPGA控制板供电，FPGA控制板主要包含采集模块、存储模块与信号监测模块，存储模块与采集模块通过板间连接器互联，采集模块通过连接器外接至外部采集接口与传感器相连，FPGA控制板可通过接口模块与调试接口连接至上位机，实现外部程序调试与状态监测显示。针对满足液压泵安装的小型化需求，所述小型集成式液压泵状态监测装置内部集成了FPGA可编程逻辑的SoC，同时集成时钟、电源、RTC电路、存储器、调试接口等功能，从而实现样机的小型化设计，满足液压泵装机尺寸要求。针对液压泵高温、强振动、电磁干扰等机载使用特性，对各模块进行适配选型，并通过环境适应性试验。而传统的大型信号采集仪其体积庞大、重量高、需要复杂的线缆布局，只适用于的地面液压泵试验台要求，无法直接安装在液压泵产品壳体上，不具备实际装机功能。

如图4所示，基于上述所设计的一种小型集成式液压泵状态监测装置，其包括壳体1、电源模块2、电源连接器3、采集模块4、板间连接器5、存储模块6、信号监测模块7、接口模块8。壳体1下端安装底座设置有3～5mm的隔热板，并安装在液压泵平整端面。

电源模块2将外部电源输入的直流28V电源转换至15V电压给传感器装置供电，传感器装置9包括压力传感器、温度传感器、振动传感器，外接在液压泵设备10上，通过采集模块4进行电压、电流以及加速度信号的采集，其中电流信号经过电流/电压转换电路，转换为0～5V范围内的电压信号后输入采集模块4内部的A/D采集芯片；采集模块4由电源模块2将外部电源输入的直流28V电源转换至5V电压通过电源连接器3进行供电，信号通过板间连接器5传给存储模块6，用于液压泵各类监测数据的存储使用；将编写后的液压泵机理模型和数据驱动的智能监测算法烧录至信号监测模块7，并读取存储模块6中的数据实现信号的综合处理与实时分析，完成液压泵状态监测并通过壳体的指示灯进行预警；最后通过接口模块8的RS232/RS485总线可以将信号监测模块7中的软件调试信息、液压泵运行监测状态以及存储模块6中的数据输出至外部设备。

所述采集模块4包括电压/电流采集电路、加速度采集电路；电压信号经由二极管、电压跟随器、模拟开关、差分放大器、ADC采集芯片后传输给信号监测模块7；电流信号经由TVS二极管、10R采样电阻、电流检测放大器、模拟开关、差分放大器、ADC采集芯片后传输给信号监测模块7；加速度传感器输出的模拟量通过ADC芯片采集后信号监测模块7。

所述信号监测模块7利用Linux操作系统内嵌FPGA处理芯片作为处理器，设计了电源转换电路，采用DC/DC电源转换器件将5V转换为3.3V、1.0V、2.5V、1.8V等三次电源，供信号监测模块7上的器件使用。

所述状态监测装置接口传感器选用温压复合式传感器，可满足液压泵的工作温度、压力范围；振动传感器可满足三轴方向高频振动测量，实现液压泵振动状态信息的采集。

本发明小型集成式液压泵状态监测装置结构设计以及布局优化，并针对液压泵的特殊功能模块选取，通过了环境试验验证，实现了液压泵高温、强振动、电磁干扰等运行环境下高精度的多通道传感器信号采集、传输与处理，并基于内嵌的信号分解模型和神经网络模型的状态监测算法具备实时液压泵运行状态监测与预警功能，有效解决了现有技术液压泵运行状态实时监测预警的难题。

实施例2：

参考图5所示，基于上述所设计的一种小型集成式液压泵状态监测装置，提供液压泵信号采集、信号处理、特征提取、状态监测的流程。

当液压泵处于正常运行工况时，通过状态监测装置中的采集模块对液压泵的在线运行监测信号(温度、压力、振动数据)经由外接传感器接入本装置，经采集模块内部的A/D采样单元进行电流、电压、加速度值的转换，对于4～20mA的电流输入，经过电流/电压转换电路，转换为0～5V范围内的电压信号后输入A/D；对于8路频率不低于100Hz的模拟量输入采用“多路选择器+ADC”方式实现；然后装置内部的存储模块通过板间连接器将采集模块的液压泵正常状态的监测信号进行存储，预先在信号监测模块烧录编写好的基于信号分解模型和神经网络模型的状态监测算法，将采集回来的原始信号，经过一系列的滤波、特征提取、模型判断处理后，通过接口模块发送到外部上位机中显示工作正常，此时状态监测装置的运行状态指示灯STA为绿灯，此时对液压泵的运行状态进行了实时监测。

实施例3：

该实施例与前面实施例1结构类似，只是液压泵处于故障工况下，状态监测算法的输出结果不同，指示灯显示状态也不同。

当液压泵处于故障运行工况时，通过状态监测装置中的采集模块对液压泵的在线运行监测信号(温度、压力、振动数据)经由外接传感器接入本装置，经采集模块内部的A/D采样单元进行电流、电压、加速度值的转换，然后装置内部的存储模块通过板间连接器将采集模块的液压泵正常状态的监测信号进行存储，预先在信号监测模块烧录编写好的基于信号分解模型和神经网络模型的状态监测算法，将采集回来的原始信号，经过一系列的滤波、特征提取、模型判断处理后判断此时液压泵的状态为发生故障，通过接口模块发送到外部上位机中显示液压泵处于故障状态，此时状态监测装置的运行状态指示灯STA为红灯，此时对液压泵的运行状态进行了实时监测，并在发生故障时及时报警。

以上所述，仅为本发明的具体实施例，对本发明进行详细描述，未详尽部分为常规技术。但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种小型集成式液压泵状态监测装置，其特征在于，包括壳体以及安装在其内部的电源模块、FPGA控制板、连接器模块、接口模块，其中，所述连接器模块包括电源连接器、板间连接器，所述电源模块通过电源连接器为FPGA控制板供电，所述FPGA控制板包括采集模块、存储模块、信号监测模块，所述电源模块、采集模块、信号监测模块为片状芯片，层叠式设置在壳体内部，所述采集模块连接外部液压泵的压力、温度、振动传感器，用于采集液压泵的运行状态信息，所述存储模块通过板间连接器相互连通用于存储采集模块的传感器信号，所述信号监测模块内部烧录有基于信号分解模型和神经网络模型的状态监测算法，对存储模块内的数据进行特征提取与运行状态分析处理，并可通过接口模块连接外部上位机进行液压泵状态的实时监测；

所述壳体内部设置有用于集成芯片安装的安装槽，表面设置有接口孔，且上端设置散热板，下端安装底座设置有3～5mm的隔热板，并安装在液压泵平整端面。

2.根据权利要求1所述的小型集成式液压泵状态监测装置，其特征在于，所述电源模块内设置有直流转换模块和滤波器，实现外部输入电压转换输出，给FPGA控制板与传感器供电。

3.根据权利要求2所述的小型集成式液压泵状态监测装置，其特征在于，所述FPGA控制板内设置有电源转换电路，采用DC/DC电源转换器件将5V转换为3.3V、1.0V、2.5V、1.8V三次电源。

4.根据权利要求3所述的小型集成式液压泵状态监测装置，其特征在于，所述信号监测模块通过将基于信号分解模型和神经网络算法的液压泵状态监测判别模型烧录至FPGA芯片内，实现对液压泵采集信号的特征提取以及运行状态监测。

5.根据权利要求4所述的小型集成式液压泵状态监测装置，其特征在于，所述接口模块为可配置串口模块，采用共用I/O线路的两个RS232单端收发器或一个RS485差分收发器，通过控制相应引脚来实现RS232和RS485两种通信模式的切换。

6.根据权利要求5所述的小型集成式液压泵状态监测装置，其特征在于，所述FPGA控制板上设置有三个轴向加速度传感器，其中，X轴和Y轴方向的传感器在采集板上垂直布局，Z轴方向需采用小板焊接到采集板上。

7.根据权利要求6所述的小型集成式液压泵状态监测装置，其特征在于，所述FPGA控制板和电源模块之间采用电源连接器互联，FPGA控制板内部的信号监测模块和采集模块通过板间连接器进行互联通信。

8.一种基于权利要求1至7任一项所述的小型集成式液压泵状态监测装置的监测方法，其特征在于：所述监测方法采用经验模态分解方法进行采集信号的特征提取，然后基于概率神经网络算法对特征处理后的信号进行状态监测分析，包括如下步骤：

步骤1：利用压力、温度、振动信号传感器收集液压泵动态信号；

步骤2：利用经验模态分解方法对振动信号进行自适应信号分解

式中，I代表本征模态分量的总分解个数，IMF_i(t)代表第i个本征模态分量，r_I(t)是残余分量，分解后的每一个本征模态分量为单一频率的稳态特征信号；

步骤3：选取前4个本征模态分量作为关键分量进行状态特征提取，涵盖所需的主要特征信息，并滤除噪声和其他干扰分量影响；

步骤4：对特征提取后的振动信号分量与采集的压力、温度信号进行整合构建输入样本矩阵，并进行归一化处理；

步骤5：将归一化后的样本一部分作为学习样本，一部分作为测试样本，学习样本数量多于测试样本；

步骤6：把归一化后的学习样本送入概率神经网络进行训练学习，计算待识别的样本矩阵中每个样本与学习矩阵中各种模式之间的距离，并激活模式层的径向基函数神经元，再求取求和层中待识别样本矩阵中每个样本归入各个类别的初始概率和，最后计算第i个待识别样本划入正常运行状态或故障状态的初始概率；

步骤7：经过学习样本训练后，确定概率神经网络模型的输入节点层数、隐层神经元结构参数，得到液压泵的状态监测模型；

步骤8：利用测试样本对构建的液压泵的状态监测模型进行验证，修正网络结构参数，直至满足实际液压泵状态监测精度，确定最终液压泵状态监测模型。

9.根据权利要求8所述的小型集成式液压泵状态监测方法，其特征在于：学习样本占70％，测试样本占30％，在提升模型训练效率和精度的同时，保障验证模型的可靠度。