CN116181741A - 液压缸内泄漏检测方法及其在tbm撑靴液压缸中的应用 - Google Patents

液压缸内泄漏检测方法及其在tbm撑靴液压缸中的应用 Download PDF

Info

Publication number
CN116181741A
CN116181741A CN202211716104.3A CN202211716104A CN116181741A CN 116181741 A CN116181741 A CN 116181741A CN 202211716104 A CN202211716104 A CN 202211716104A CN 116181741 A CN116181741 A CN 116181741A
Authority
CN
China
Prior art keywords
hydraulic cylinder
point
travel
stroke
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211716104.3A
Other languages
English (en)
Inventor
潮群
邵悦辰
刘成良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202211716104.3A priority Critical patent/CN116181741A/zh
Publication of CN116181741A publication Critical patent/CN116181741A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
    • F15B19/005—Fault detection or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B1/00—Installations or systems with accumulators; Supply reservoir or sump assemblies
    • F15B1/02—Installations or systems with accumulators
    • F15B1/04—Accumulators
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B13/00—Details of servomotor systems ; Valves for servomotor systems
    • F15B13/02—Fluid distribution or supply devices characterised by their adaptation to the control of servomotors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/32—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/32—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators
    • G01M3/3209—Details, e.g. container closure devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/32—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators
    • G01M3/3236—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators by monitoring the interior space of the containers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/32—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators
    • G01M3/3236—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators by monitoring the interior space of the containers
    • G01M3/3272—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators by monitoring the interior space of the containers for verifying the internal pressure of closed containers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B2211/00—Circuits for servomotor systems
    • F15B2211/80—Other types of control related to particular problems or conditions
    • F15B2211/86—Control during or prevention of abnormal conditions
    • F15B2211/863—Control during or prevention of abnormal conditions the abnormal condition being a hydraulic or pneumatic failure
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/20—Hydro energy

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种液压缸内泄漏检测方法及其在TBM撑靴液压缸中的应用，包括以下步骤：S1、获取液压缸在预定时间t1内的行程数据；S2、对获取到的液压缸行程数据进行清洗和分割；S3、获取液压缸在每一个指定时间段的压力数据并进行筛选；S4、对筛选出的各组压力数据分别进行小波分解与重构；S5、计算各阶高频重构信号的能量在原始压力信号总能量中的占比，判定液压缸是否发生内泄漏。本发明仅通过TBM撑靴液压缸的压力数据和行程数据便完成了对TBM撑靴液压缸内泄漏的检测，无需依据TBM撑靴液压缸的几何参数等信息建立复杂的物理模型，提升了计算速度和检测效率。

Description

液压缸内泄漏检测方法及其在TBM撑靴液压缸中的应用
技术领域
本发明涉及隧道掘进机、液压缸内泄漏检测技术领域，更具体的说是涉及一种液压缸内泄漏检测方法及其在TBM撑靴液压缸中的应用。
背景技术
撑靴液压缸是全断面隧道掘进机(TBM)支撑系统中的重要部件，在TBM掘进过程中不光要给TBM提供足够的支撑力，还要负责调整TBM的位姿。由于撑靴液压缸经常工作在强振动和高压的状态下，随着时间的推移，液压缸的密封件、活塞杆、缸体等元件极易发生损伤，进而导致撑靴液压缸出现泄漏、支撑力不足、稳定性差等故障，严重影响TBM的正常掘进，造成难以估量的经济损失和安全隐患。因此，有必要及时对TBM撑靴液压缸进行内泄漏检测。
现有技术中虽然有一些可以检测液压缸内泄漏的方法，但这些方法大多只适用于实验条件下的液压缸，这些液压缸通常在恒定的负载和工作周期下进行往复运动，并加装了流量、振动、应变等多类型的传感器，其中还有一些方法需要进一步依靠液压缸的几何参数和工况信息建立精确的内泄漏物理模型。而受现场施工的影响，TBM的撑靴液压缸在工作过程中既没有明确的工作周期，也难以安装多余的传感器，采集到的数据很容易受到噪声和掘进工况的干扰，因此利用目前的诊断方法进行内泄漏检测往往会产生较大的误差。
因此，如何提供一种适用于TBM撑靴液压缸，且能够推广普及至其他液压缸的内泄漏检测方法，是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种液压缸内泄漏检测方法及其在TBM撑靴液压缸中的应用，旨在解决上述技术问题。
为了实现上述目的，本发明采用如下技术方案：
一种液压缸内泄漏检测方法，包括以下步骤：
S1、获取液压缸在预定时间t1内的行程数据；
S2、对获取到的液压缸行程数据进行清洗和分割；
S3、获取液压缸在每一个指定时间段的压力数据并进行筛选；
S4、对筛选出的各组压力数据分别进行小波分解与重构；
S5、计算各阶高频重构信号的能量在原始压力信号总能量中的占比，判定液压缸是否发生内泄漏。
优选的，在上述一种液压缸内泄漏检测方法中，在步骤S1中，预定时间t1的设定至少保证液压缸能够经历一次由最大行程点附近收回到起始位置附近的过程。
优选的，在上述一种液压缸内泄漏检测方法中，步骤S2具体包括以下步骤：
S2.1、检测该段数据中有无行程极大值点，若该段数据内无行程极大值点，则判定步骤S1获取到的行程数据为无效数据，则返回至步骤S1并对步骤S1中的预定时间t1进行调整；
S2.2、依次判定步骤S2.1中的各行程极大值点是否为液压缸回收的初始计时点；
S2.3、找到与步骤S2.2中得到的每一个行程极大值点相对应的行程极小值点，若无法找到与某一行程极大值点相对应的行程极小值点，则判定该行程极大值点无效，需将其剔除；
S2.4、若经步骤S2.2和步骤S2.3之后无法得到任何一组满足条件的行程极大值点和行程极小值点，则判定步骤S1获取到的行程数据为无效数据，则返回至步骤S1并对步骤S1中的预定时间t1进行调整。
优选的，在上述一种液压缸内泄漏检测方法中，步骤S2.2的判断依据需同时满足以下条件：
a、该行程峰值点的行程数值s1不少于液压缸最大行程smax的95％：s1≥0.95smax；
b、自该行程极大值点对应的计时点开始，液压缸的行程数值在预定时间t2内处于连续下降的状态，其中，预定时间t2介于液压缸由最大行程点收回到起始位置所需平均时间ts的70％至90％之间：0.7ts≤t2≤0.9ts；
c、自该行程极大值点对应的计时点开始，液压缸的行程数值在预定时间t2内下降的范围Δs不小于液压缸的最大行程smax的70％：Δs≥0.7smax，其中t2与步骤b中的预定时间t2一致，smax与步骤a中的液压缸最大行程smax一致。
优选的，在上述一种液压缸内泄漏检测方法中，步骤S2.3的行程极小值点的找到方法需同时满足以下条件：
a、该点的行程数值低于前一个相邻采样点的行程数值，且不高于后一个相邻采样点的行程数值；
b、该点的行程数值s2不大于液压缸最大行程smax的5％：s2≤0.05smax；
c、该点所对应的采样时间在相应的行程极大值点所对应的采样时间之后。
优选的，在上述一种液压缸内泄漏检测方法中，步骤S3的筛选依据需同时满足以下条件：
a、所选压力数据的最大值pmax介于阈值p1和阈值p2之间：p1≤pmax≤p2；
b、所选压力数据在前n1秒的数值变化范围Δp应不小于所选压力数据最大值pmax的90％：Δp≥0.9pmax；
c、所选压力数据在最后一个数据点的数值不应大于阈值p3。
优选的，在上述一种液压缸内泄漏检测方法中，步骤S4中的小波分解与重构所选择的基函数为db8小波。
优选的，在上述一种液压缸内泄漏检测方法中，对压力信号进行小波分解的次数为4次。
优选的，在上述一种液压缸内泄漏检测方法中，在步骤S5中，对于一段离散信号而言，其所蕴含能量的计算公式为：
Figure BDA0004026560680000031
式中，E为该段信号的能量，N为该段信号的采样点数，x(i)为该段信号第i个采样点的数值；
在对原始压力信号进行4次小波分解与重构之后，计算各阶高频重构信号在原始压力信号中能量占比qk的公式为：
Figure BDA0004026560680000041
式中，Ek表示第k阶高频重构信号的能量，E0表示原始压力信号的能量；
综上，可得到最终的能量占比计算公式为：
Figure BDA0004026560680000042
式中，n代表原始压力信号的组数，N代表每组压力信号的采样点数，p0(i,j)代表第j组原始压力信号在第i个采样点的数值，pk(i,j)代表第j组k阶高频重构信号在第i个采样点的数值；
在判定液压缸是否发生内泄漏时，选择4阶高频重构信号在原始压力信号的能量占比作为主要的指标参数，当4阶高频重构信号的能量占比小于阈值r时，认定液压缸发生内泄漏。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种液压缸内泄漏检测方法及其在TBM撑靴液压缸中的应用，具有以下有益效果：
1、本发明利用TBM撑靴液压缸中常备的压力传感器和位移传感器采集相关信号，无需添加多余的传感器，可实现性较高。
2、本发明仅通过TBM撑靴液压缸的压力数据和行程数据便完成了对TBM撑靴液压缸内泄漏的检测，无需依据TBM撑靴液压缸的几何参数等信息建立复杂的物理模型，提升了计算速度和检测效率。
3、本发明可在TBM处于正常掘进状态时对TBM撑靴液压缸进行在线检测，既不需要对TBM撑靴液压缸进行拆卸，也不需要规定TBM撑靴液压缸的具体工作状态，在实际工程中拥有良好的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的液压缸内泄漏检测方法的框架流程图；
图2附图为本发明提供的获取到TBM撑靴液压缸在实施例设定的时间段内的行程数据图；
图3附图为本发明提供的TBM撑靴液压缸在指定时间段内(284秒—338秒)的有杆腔压力数据图；
图4附图为本发明提供的TBM撑靴液压缸在指定时间段内(3045秒—3079秒)的有杆腔压力数据图。
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，而不是全部的实施例。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。
参见附图1，本发明实施例公开了一种TBM撑靴液压缸内泄漏检测方法，具体包括以下步骤：
步骤1：获取TBM撑靴液压缸在预定时间t1内的行程数据。
其中，预定时间t1可根据TBM的具体工作情况来设置，应尽可能保证TBM在设置好的时间内完成了至少一次换步，即TBM撑靴液压缸经历了至少一次由最大行程点附近收回到起始位置附近的过程。
步骤2：对获取到的TBM撑靴液压缸行程数据进行清洗和分割，具体包括：
步骤2.1：检测该段数据中有无行程极大值点，即该点的行程数值不低于前一个相邻采样点的行程数值，且高于后一个相邻采样点的行程数值，如该段数据内无行程极大值点，则判定步骤1获取到的行程数据为无效数据，需返回至步骤1并对步骤1中的预定时间t1进行调整，具体地可适当增加预定时间t1或更改起始计时点。
步骤2.2：依次判定步骤2.1中的各行程极大值点是否为TBM撑靴液压缸回收的初始计时点，具体判据为：
(1)该行程峰值点的行程数值s1不少于TBM撑靴液压缸最大行程smax的95％，即s1≥0.95smax，其中smax的值可根据TBM撑靴液压缸的几何参数进行设定。
(2)自该行程极大值点对应的计时点开始，TBM撑靴液压缸的行程数值在预定时间t2内处于连续下降的状态，即预定时间t2内的任何一个采样点的行程数值均高于其后面所有采样点的行程数值。其中，预定时间t2可根据TBM的具体工作情况来设置，通常介于TBM撑靴液压缸由最大行程点收回到起始位置所需平均时间ts的70％至90％之间，即0.7ts≤t2≤0.9ts。
(3)自该行程极大值点对应的计时点开始，TBM撑靴液压缸的行程数值在预定时间t2内下降的范围Δs应不小于TBM撑靴液压缸的最大行程smax的70％，即Δs≥0.7smax，其中t2与(2)中的预定时间t2相一致，smax与(1)中的TBM撑靴液压缸最大行程smax相一致。
若上述三条判据有任何一条不满足，则判定该行程极大值点不是TBM撑靴液压缸回收的初始计时点，需将其剔除。
步骤2.3：找到与步骤2.2中得到的每一个行程极大值点相对应的行程极小值点，即TBM撑靴液压缸回收至起始位置的终止计时点，该行程极小值点需满足：
(1)该点的行程数值低于前一个相邻采样点的行程数值，且不高于后一个相邻采样点的行程数值。
(2)该点的行程数值s2不大于TBM撑靴液压缸最大行程smax的5％，即s2≤0.05smax。
(3)该点所对应的采样时间在相应的行程极大值点所对应的采样时间之后。
若依据上述三个条件无法找到与某一行程极大值点相对应的行程极小值点，则判定该行程极大值点无效，需将其剔除。
若经步骤2.2和步骤2.3之后无法得到任何一组满足条件的行程极大值点和行程极小值点，则判定步骤1获取到的数据为无效数据，需返回至步骤1并对步骤1中的预定时间t1进行调整，具体地可适当增加预定时间或更改起始计时点。
步骤3，获取TBM撑靴液压缸在每一个指定时间段的压力数据并进行筛选。
其中指定时间段由步骤2中所得的各组行程极大值点和行程极小值点所对应的采样时间来确定，但由于液压缸行程数据的变化受液压缸压力信号的控制并滞后于压力信号的变化，所以为了掌握TBM撑靴液压缸压力信号更为完整的变化情况，可根据实际情况适当地将行程极大值点对应的采样时间前移，或行程极小值点对应的采样时间后移，以延长获取压力数据的指定时间。
压力数据具体是指TBM撑靴液压缸的有杆腔压力数据。
筛选的目的是确保获取到的压力数据在一定数值范围内变化，并涵盖了液压缸在工作状态时常见的三个阶段：升压阶段、保压阶段、泄压阶段，筛选的依据为：
(1)所选压力数据的最大值pmax需介于阈值p1和阈值p2之间，即p1≤pmax≤p2，其中p1和p2的大小可根据TBM的实际工作情况来设置。
(2)所选压力数据在前n1秒的数值变化范围Δp应不小于所选压力数据最大值pmax的90％，即Δp≥0.9pmax，其中n1的大小可根据TBM的实际工作情况来设置。
(3)所选压力数据在最后一个数据点的数值不应大于阈值p3，其中p3的大小可根据TBM的实际工作情况来设置。
若经上述筛选过程之后无法得到任何一组满足条件的压力数据，则判定步骤1获取到的行程数据为无效数据，需返回至步骤1并对步骤1中的预定时间t1进行调整，具体地可适当增加预定时间或更改起始计时点。
步骤4，对筛选出的各组压力数据分别进行小波分解与重构。
小波分解与重构所选择的基函数为db8小波。其中，db代表的是Daubechies系列小波，8指的是小波的阶数为8。Daubechies系列小波是由著名的物理暨数学家英格丽·多贝西(IngridDaubechies)构造的小波函数，其小波函数和尺度函数中的支撑区为2N-1，小波函数的消失矩为N(N代表小波的阶数)。除了db1小波之外，其余的db小波既不具有对称性，也没有明确的函数表达式，但所有db小波转换函数h的平方模是明确的。对于N阶db小波，令
Figure BDA0004026560680000081
其中/>
Figure BDA0004026560680000082
为二项式系数，则转换函数h的平方模可以表示为：
Figure BDA0004026560680000083
式中，/>
Figure BDA0004026560680000084
hk表示k阶转换函数。经研究表明，db8小波能准确检测到信号中的突变点和间断点，对于处理非平稳信号有着良好的效果，采用其对压力数据进行分解，可以进一步得到原始信号中不同频段的信号的分布情况，为液压缸内泄漏的诊断提供了有效的依据。
对压力信号进行小波分解的次数为4次。经过4次小波分解之后，原始的压力信号被分解为5组长度不一的小波系数，分别为1组低频近似系数——4阶低频系数(cA4)和4组高频细节系数——1阶高频系数(cD1)、2阶高频系数(cD2)、3阶高频系数(cD3)、4阶高频系数(cD4)。
小波重构实际上是小波分解的逆运算，可将小波分解得到的各阶小波系数恢复至与原始信号长度一致的重构信号。在对5组小波系数(cA4、cD1、cD2、cD3、cD4)分别进行重构之后，原始的压力信号被彻底分成了5组不同频段的子信号，分别为低频近似信号(sA)、1阶高频细节信号(sD1)、2阶高频细节信号(sD2)、3阶高频细节信号(sD3)和4阶高频细节信号(sD4)。设原始压力信号的采样频率为f，则得到的低频近似信号对应的频率范围为0—0.0625f，各阶高频细节信号对应的频率范围依次为：0.5f—f(sD1)、0.25f—0.5f(sD2)、0.125f—0.25f(sD3)、0.0625f—0.125f(sD4)。
步骤5，计算各阶高频重构信号的能量在原始压力信号总能量中的占比，判定TBM撑靴液压缸是否发生内泄漏。
对于一段离散信号而言，其所蕴含能量的计算公式为：
Figure BDA0004026560680000091
式中，E为该段信号的能量，N为该段信号的采样点数，x(i)为该段信号第i个采样点的数值；
在对原始压力信号进行4次小波分解与重构之后，计算各阶高频重构信号在原始压力信号中能量占比qk的公式为：
Figure BDA0004026560680000092
式中，Ek表示第k阶高频重构信号的能量，E0表示原始压力信号的能量；
因为步骤1—步骤3所得到的压力数据可能包含多组不同时段的数据，所以步骤4的小波分解与重构也可能会得到多组同频段的重构信号，为了将多组数据集中分析，需先将多组同阶的高频重构信号的能量以及多组原始压力信号的能量分别累加起来，再计算各阶高频重构信号的能量占比。
综上，可得到最终的能量占比计算公式为：
Figure BDA0004026560680000093
式中，n代表原始压力信号的组数，N代表每组压力信号的采样点数，p0(i,j)代表第j组原始压力信号在第i个采样点的数值，pk(i,j)代表第j组k阶高频重构信号在第i个采样点的数值；
在判定TBM撑靴液压缸是否发生内泄漏时，选择4阶高频重构信号在原始压力信号的能量占比作为主要的指标参数。当4阶高频重构信号的能量占比小于阈值r时，认定TBM撑靴液压缸发生内泄漏，阈值r可根据实验分析和TBM的实际工作情况来设置。
实施例：
1、设定步骤S1中的预定时间t1为1小时(3600秒)，获取到TBM撑靴液压缸在该时间段内的行程数据如图2所示，由图中给出的TBM撑靴液压缸的行程信息可判断出TBM在预定时间t1内共完成了两次换步过程。
2、根据步骤S2.1中的判据，检测出该段数据中共存在941个行程极大值点；进一步地，设定步骤S2.2中的最大行程smax为450mm，预定时间t2为30秒，对步骤S2.1中的941个行程极大值点依次进行判定，可得到两个满足条件的行程极大值点，分别为第284秒的行程数值点(448.277mm)和第3045秒的行程数值点(446.771mm)；再将这两个行程极大值点对应的采样时间适当后移，可由步骤S2.3中的判据找到相应的行程极小值点，分别为第338秒的行程数值点(2.218mm)和第3079秒的行程数值点(17.098mm)。
3、设定步骤S3中的p1为80bar，p2为120bar，p3为10bar，n1为10秒，对TBM撑靴液压缸在上述两个指定时间段内(284秒—338秒、3045秒—3079秒)的有杆腔压力数据进行分析。由于TBM撑靴液压缸在这两个时间段的升压和降压过程都进行的较为缓慢，所以本实施例根据实际情况将获取压力数据的指定时间做了一定的调整，最终得到的两段压力数据如图3和图4所示。其中两段压力数据的最大值pmax分别为102.0833bar和85.15625bar；两段压力数据在前10秒内的数值变化范围Δp分别为93.837bar和77.879bar；而两段压力数据在最后一个数据点的数值分别为9.664351463bar和7.552083492bar。通过相应的数值计算可知所提取到的两段压力数据均为有效数据，可以用作构建TBM撑靴液压缸内泄漏指标的基础数据。
4、对上述两段压力数据分别用db8小波进行四次小波分解与重构，将每段原始信号分别分解为1段低频近似信号和4段不同频率的高频细节信号。
5、计算各阶高频重构信号在原始信号中的能量占比，选择4阶高频重构信号的能量占比作为判别TBM撑靴液压缸是否发生内泄漏的主要指标参数，设定阈值r为0.015。经计算两段4阶高频重构信号的总能量为8087.540，其在原始压力信号的能量占比为0.0093，未超过阈值r，故可认定TBM撑靴液压缸在预定时间t1内的工作过程中并没有发生内泄漏。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种液压缸内泄漏检测方法，其特征在于，包括以下步骤：
S1、获取液压缸在预定时间t1内的行程数据；
S2、对获取到的液压缸行程数据进行清洗和分割；
S3、获取液压缸在每一个指定时间段的压力数据并进行筛选；
S4、对筛选出的各组压力数据分别进行小波分解与重构；
S5、计算各阶高频重构信号的能量在原始压力信号总能量中的占比，判定液压缸是否发生内泄漏。
2.根据权利要求1所述的一种液压缸内泄漏检测方法，其特征在于，在步骤S1中，预定时间t1的设定至少保证液压缸能够经历一次由最大行程点附近收回到起始位置附近的过程。
3.根据权利要求1所述的一种液压缸内泄漏检测方法，其特征在于，步骤S2具体包括以下步骤：
S2.1、检测该段数据中有无行程极大值点，若该段数据内无行程极大值点，则判定步骤S1获取到的行程数据为无效数据，则返回至步骤S1并对步骤S1中的预定时间t1进行调整；
S2.2、依次判定步骤S2.1中的各行程极大值点是否为液压缸回收的初始计时点；
S2.3、找到与步骤S2.2中得到的每一个行程极大值点相对应的行程极小值点，若无法找到与某一行程极大值点相对应的行程极小值点，则判定该行程极大值点无效，需将其剔除；
S2.4、若经步骤S2.2和步骤S2.3之后无法得到任何一组满足条件的行程极大值点和行程极小值点，则判定步骤S1获取到的行程数据为无效数据，则返回至步骤S1并对步骤S1中的预定时间t1进行调整。
4.根据权利要求3所述的一种液压缸内泄漏检测方法，其特征在于，步骤S2.2的判断依据需同时满足以下条件：
a、该行程峰值点的行程数值s1不少于液压缸最大行程smax的95％：s1≥0.95smax；
b、自该行程极大值点对应的计时点开始，液压缸的行程数值在预定时间t2内处于连续下降的状态，其中，预定时间t2介于液压缸由最大行程点收回到起始位置所需平均时间ts的70％至90％之间：0.7ts≤t2≤0.9ts；
c、自该行程极大值点对应的计时点开始，液压缸的行程数值在预定时间t2内下降的范围Δs不小于液压缸的最大行程smax的70％：Δs≥0.7smax，其中t2与步骤b中的预定时间t2一致，smax与步骤a中的液压缸最大行程smax一致。
5.根据权利要求3所述的一种液压缸内泄漏检测方法，其特征在于，步骤S2.3的行程极小值点的找到方法需同时满足以下条件：
a、该点的行程数值低于前一个相邻采样点的行程数值，且不高于后一个相邻采样点的行程数值；
b、该点的行程数值s2不大于液压缸最大行程smax的5％：s2≤0.05smax；
c、该点所对应的采样时间在相应的行程极大值点所对应的采样时间之后。
6.根据权利要求1所述的一种液压缸内泄漏检测方法，其特征在于，步骤S3的筛选依据需同时满足以下条件：
a、所选压力数据的最大值pmax介于阈值p1和阈值p2之间：p1≤pmax≤p2；
b、所选压力数据在前n1秒的数值变化范围Δp应不小于所选压力数据最大值pmax的90％：Δp≥0.9pmax；
c、所选压力数据在最后一个数据点的数值不应大于阈值p3。
7.根据权利要求1所述的一种液压缸内泄漏检测方法，其特征在于，步骤S4中的小波分解与重构所选择的基函数为db8小波。
8.根据权利要求1-7中任一项所述的一种液压缸内泄漏检测方法，其特征在于，对压力信号进行小波分解的次数为4次。
9.根据权利要求8所述的一种液压缸内泄漏检测方法，其特征在于，在步骤S5中，对于一段离散信号而言，其所蕴含能量的计算公式为：
Figure FDA0004026560670000021
式中，E为该段信号的能量，N为该段信号的采样点数，x(i)为该段信号第i个采样点的数值；
在对原始压力信号进行4次小波分解与重构之后，计算各阶高频重构信号在原始压力信号中能量占比qk的公式为：
Figure FDA0004026560670000031
式中，Ek表示第k阶高频重构信号的能量，E0表示原始压力信号的能量；
综上，可得到最终的能量占比计算公式为：
Figure FDA0004026560670000032
式中，n代表原始压力信号的组数，N代表每组压力信号的采样点数，p0(i,j)代表第j组原始压力信号在第i个采样点的数值，pk(i,j)代表第j组k阶高频重构信号在第i个采样点的数值；
在判定液压缸是否发生内泄漏时，选择4阶高频重构信号在原始压力信号的能量占比作为主要的指标参数，当4阶高频重构信号的能量占比小于阈值r时，认定液压缸发生内泄漏。
10.一种权利要求1-9中任一项所述的液压缸内泄漏检测方法在TBM撑靴液压缸中的应用。
CN202211716104.3A 2022-12-29 2022-12-29 液压缸内泄漏检测方法及其在tbm撑靴液压缸中的应用 Pending CN116181741A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211716104.3A CN116181741A (zh) 2022-12-29 2022-12-29 液压缸内泄漏检测方法及其在tbm撑靴液压缸中的应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211716104.3A CN116181741A (zh) 2022-12-29 2022-12-29 液压缸内泄漏检测方法及其在tbm撑靴液压缸中的应用

Publications (1)

Publication Number Publication Date
CN116181741A true CN116181741A (zh) 2023-05-30

Family

ID=86435671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211716104.3A Pending CN116181741A (zh) 2022-12-29 2022-12-29 液压缸内泄漏检测方法及其在tbm撑靴液压缸中的应用

Country Status (1)

Country Link
CN (1) CN116181741A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117605736A (zh) * 2024-01-22 2024-02-27 山东济矿鲁能煤电股份有限公司阳城煤矿 一种前后移动油缸密封性检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117605736A (zh) * 2024-01-22 2024-02-27 山东济矿鲁能煤电股份有限公司阳城煤矿 一种前后移动油缸密封性检测方法
CN117605736B (zh) * 2024-01-22 2024-04-09 山东济矿鲁能煤电股份有限公司阳城煤矿 一种前后移动油缸密封性检测方法

Similar Documents

Publication Publication Date Title
CN116181741A (zh) 液压缸内泄漏检测方法及其在tbm撑靴液压缸中的应用
CN104132250B (zh) 一种基于改进小波包的管道泄漏特征向量提取方法
CN103720468B (zh) 应用于动态心电数据的伪差识别方法和装置
CN105205112A (zh) 一种时序数据异常特征的挖掘系统及方法
CN108272451B (zh) 一种基于改进小波变换的qrs波识别方法
CN104305992B (zh) 一种交互式胎儿心电快速自动提取方法
CN116304751B (zh) 用于动车组部件检修的运行数据处理方法
CN109009087B (zh) 一种心电信号r波的快速检测方法
CN101304479B (zh) 在视频序列中检测运动的方法及装置
CN105232023A (zh) 一种胎心音去噪的方法
CN109214318B (zh) 一种寻找非稳态时间序列微弱尖峰的方法
CN104352234B (zh) 一种生理电信号尖峰奇异点检测方法
CN108388855B (zh) 一种针电极肌电信号分解方法
CN108956783B (zh) 一种基于hdp-hsmm的磨削声砂轮钝化状态检测方法
CN110755069B (zh) 一种跳跃突变噪声的动态心电信号基线漂移校正方法
CN111588375B (zh) 一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法
CN108836305A (zh) 一种融合巴特沃斯滤波和小波变换的ecg特征提取方法
CN116725486A (zh) 一种基于双阶段的动态心电信号房颤检测方法、装置
Huang et al. A new application of rough set to ECG recognition
CN1626032A (zh) 基于约束优化的脑功能核磁共振时间序列分析方法
CN110472741B (zh) 一种三域模糊小波宽度学习滤波系统及方法
CN114367710A (zh) 一种基于深度学习和声发射信号的电火花加工控制方法
CN114580115A (zh) 一种盾构机刀具状态分析与诊断方法
CN114662199A (zh) 含泥岩复合地层盾构开挖面泥水压力波动特征提取方法
Zimin et al. Structural damage detection using time domain periodogram analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination