超低速连续回转电液伺服马达内泄漏研究
连续回转马达电液伺服系统辨识及控制
ｓ ｒ ｏ ｓ ｓ ｅ ｆ ａ ｃ ｎｔｎ ｏ ｓ ｒ ｔ ｒ ｏ ｏ ｅ ｖ ｙ ｔｍ ｏ ｏ ｉ ｕ ｕ ｏ ａ ｙ ｍ ｔ ｒ ＷＡ Ｇ Ｘ ａｊ ｇ ， Ｈ Ｏ Ｊ ｎ ｅ ｇ ， Ｉ Ｎ ｉａ ， Ｉ ｉｇ Ｎ ｉ ｉ Ｓ Ａ ｕ ｐ ｎ ＪＡ Ｇ Ｊ ｉ Ｌ ｎ ｏｎ ｈ Ｐ
Ａｂｓｒ ｃ Ｄｕ ｏ ｔ ｅ ｐ ｒｏ ｉ ｎ ｅ ｆｒ ｎｃ ｒ ｂ ｅ ａ ｓ ｄ ｂ ｒｏ ｉ ｈ ｎ ｅ ｆｔ ｅ ｆｉｔｏ ｏ ｑ ｅ ａ ｌ ａ ｙ ｔ ａ ｔ： ｅ ｔ ｈ ｅ ｉｄ ｃ ｉ ｔ ｒｅ ｅ ｅ ｐ ｏ ｌ ｍｓ ｃ ｕ ｅ ｙ ｐｅ ｉｄ ｃ ｃ ａ ｇ ｓｏ ｈ ｒｃ ｉｎ ｔｒ ｕ ｓｗｅｌ ｓ ｂ
ｌａ ａ ｅ ｉ ｈ ｎ ｉｅ ｓ ｓｅ ｏ ｏ ｔｎ ｏ ｓｒ ｔｒ ｌ ｃｒ — ｙ ｒ ｕ ｉ ｅ ｖ ｔ ｒ ｈｅ ｍａｈｅ ｔｃ ｌｍｏ ｅ ｆａ ｃ ｎ— ｅ ｋ ｇ ｎ ｔ ｅ ｅ ｔｒ ｙ ｔｍ ｆａ ｃ ｎ ｉ ｕ ｕ ｏａ ｙ ｅｅ ｔｏ ｈ ｄ ａ ｌ ｓ ｒ ｏ ｍｏｏ ，ｔ ｔ ｍａｉａ ｄ ｌｏ ｏ ｃ
ｓ ｅ ｉｎ ｌ ｓｅ ｃｔ ｔ ｎ ｓｇ ｌ．Ａ ｌ ｓ ｄ ｌｏ ａ ａ ｔｒｉ ｅ ｔｆｃ ｔ ｎ ｅ ｐｅ ｉ ｎ ｆｔ ｅｅ ｔｒ ｙ ｌ ｆｔ ｅ ｃ ｎ ｗｅ ｐ ｓｇ ａ ｓａ ｘ ｉａｉ ｉｎａｓ ｏ ｃｏ ｅ —ｏ ｐ ｐ ｒ ｍｅｅ ｄ ｎ ｉ ａ ｉ ｘ ｒｍｅ ｔｏ ｈ ｎ ｉｅ ｃ ｃ ｅ ｏ ｏ — ｉ ｏ ｈ
机床液压系统内泄漏的诊断与修复
设备管理与维修2019翼3（上）机床液压系统内泄漏的诊断与修复张丽娟1，张尔鲁2（1.西京学院机械工程学院，陕西西安710123；2.陕西法士特齿轮有限公司，陕西西安710100）摘要：设计、制造和装配因素、油液污染、零部件损伤以及设备保养力度不够，是造成机床液压系统内泄漏的主要原因。
通过维修的具体实例，验证了液压系统内泄漏的诊断方法，液压缸拆检、维修及预防液压系统内泄漏的有效措施。
关键词：机床液压系统；故障；诊断；内泄漏中图分类号：V233.91文献标识码：BDOI ：10.16621/ki.issn1001-0599.2019.03.450引言在液压传动系统中，通常采用矿物油作为工作介质，在规定的液压元件里流动，以此传递动力或者运动的。
然而由于密封件的结构形式与材料，密封槽与密封接触表面的质量，密封件磨损，密封件安装以及工作环境，液压系统污染及液压缸等缺陷，有一部分矿物油越过容腔边界流出，这种现象称为泄漏。
泄漏会造成液压系统不能正常工作。
而液压系统泄漏分为外泄漏和内泄漏。
外泄漏是指设备内部的油液流至设备外部；内泄漏是指油液在压差的作用下，从高压区漏至低压区，其包括液压缸（重点讨论）、液压阀、液压泵及液压马达的内泄漏。
液压系统外泄漏治理起来相对容易，而内泄漏的治理相对困难。
在从事机床维修的实践中，摸索了一些关于机床液压系统内泄漏的诊断与修复经验以及预防措施。
浅谈如下：1内泄漏产生的原因一般地来说，泄漏原因主要是密封不良、连接处接合不良。
具体有4点：淤间隙运动副达不到规定精度；于工艺孔内部击穿，高压腔与低压腔串通；盂封油长度短或面积小；榆油的黏度小，系统压力大。
为减少液压系统的故障，让机床设备更高效率的工作，防止环境污染和减少液压介质的损耗，必须注意泄漏问题，尤其是内泄漏，并分析其造成具体原因，并对此采取相应的措施，以提高设备的利用率。
2内泄漏的排除方法首先要选择合理的密封圈及密封槽尺寸，合适结构的液压元件和管接头；并严格控制其制造质量；其次零件及管路结构设计要合理；最后控制液压系统的油温；3液压系统内泄漏的修复对于液压阀、液压泵及液压马达的修复。
《2024年电液伺服系统模糊PID控制仿真与试验研究》范文
《电液伺服系统模糊PID控制仿真与试验研究》篇一一、引言随着现代工业和自动化技术的发展，电液伺服系统作为一种重要且复杂的高性能控制体系，已经广泛运用于众多工业领域，如机器人制造、工程机械和航天器控制系统等。
其中，控制算法的优化和改进是提高电液伺服系统性能的关键。
传统的PID控制算法在许多情况下已经无法满足高精度、高速度和高稳定性的要求。
因此，本文将探讨一种新型的模糊PID控制算法在电液伺服系统中的应用，并对其进行仿真与试验研究。
二、电液伺服系统概述电液伺服系统是一种基于电信号控制液压驱动的高效能控制系统。
它由传感器、执行器、控制器等部分组成，能够快速、精确地响应控制信号，具有较高的运动控制性能。
然而，由于其复杂性，其控制系统在受到多种因素的影响下容易发生扰动，因此对控制算法提出了较高的要求。
三、模糊PID控制算法原理及设计1. 模糊PID控制算法原理：该算法是一种将模糊控制和传统PID控制相结合的控制算法。
模糊控制能够处理不确定性和非线性问题，而PID控制则具有精确的响应和稳定的性能。
通过将两者结合，可以有效地提高系统的响应速度和稳定性。
2. 模糊PID控制算法设计：在设计中，我们首先确定了系统的输入和输出变量，然后通过模糊逻辑推理和PID算法相结合的方式对系统的控制参数进行动态调整。
该算法通过不断学习和调整模糊规则库和PID参数，实现了对系统的最优控制。
四、仿真研究本文使用MATLAB/Simulink软件对电液伺服系统进行了仿真研究。
通过将模糊PID控制算法应用于电液伺服系统模型中，我们发现该算法在面对不同扰动时能够快速、准确地调整控制参数，使得系统具有更高的响应速度和稳定性。
与传统的PID控制算法相比，模糊PID控制算法在许多情况下表现出更好的性能。
五、试验研究为了验证仿真结果的准确性，我们在实际电液伺服系统中进行了试验研究。
试验结果表明，模糊PID控制算法在实际应用中同样表现出较高的响应速度和稳定性。
《电液位置伺服控制系统的模糊滑模控制方法研究》
《电液位置伺服控制系统的模糊滑模控制方法研究》篇一一、引言随着工业自动化和智能化的发展，电液位置伺服控制系统在各类工程中发挥着日益重要的作用。
它是一个高精度的动态系统，对于快速响应、稳定运行及精准定位具有严格的要求。
因此，设计一套能够有效处理外部干扰、模型不确定性和系统非线性的控制策略成为了关键所在。
模糊滑模控制作为一种融合了模糊逻辑和滑模控制的先进控制方法，能够很好地应对这些问题。
本文旨在研究电液位置伺服控制系统的模糊滑模控制方法，以提升系统的性能。
二、电液位置伺服控制系统概述电液位置伺服控制系统是一种基于液压驱动的闭环控制系统，主要用于精确控制各种机械设备的运动位置。
其基本结构包括控制器、驱动器、执行器和传感器等部分。
这种系统需要满足高精度、快速响应、稳定性强等特点，特别是在复杂的工业环境中，更需要具备良好的鲁棒性和抗干扰能力。
三、模糊滑模控制原理及优势模糊滑模控制是现代控制理论中一种结合了模糊逻辑和滑模控制的控制方法。
其核心思想是通过引入模糊逻辑处理系统的非线性部分，并通过滑模控制的特性来实现系统在不稳定情况下的稳定运动。
此方法能够有效应对系统模型的复杂性、非线性和外部干扰，并具备很好的鲁棒性。
四、模糊滑模控制在电液位置伺服控制系统中的应用针对电液位置伺服控制系统的特点，本文研究了模糊滑模控制在其中的应用方法。
首先，对系统的模型进行准确建模，识别出其非线性和不确定性部分。
然后，利用模糊逻辑对这些部分进行处理，得到模糊规则集。
接着，结合滑模控制的特性，设计出适合该系统的模糊滑模控制器。
通过仿真实验和实际运行测试，验证了该方法在电液位置伺服控制系统中的有效性和优越性。
五、实验结果与分析通过在电液位置伺服控制系统中应用模糊滑模控制方法，我们得到了显著的实验结果。
与传统的PID控制方法相比，模糊滑模控制方法在响应速度、稳定性和精度等方面均表现出明显的优势。
特别是在面对外部干扰和模型不确定性时，该方法能够快速调整并恢复稳定状态，显示出其强大的鲁棒性。
《电液位置伺服控制系统的模糊滑模控制方法研究》范文
《电液位置伺服控制系统的模糊滑模控制方法研究》篇一一、引言随着工业自动化和智能化的发展，电液位置伺服控制系统在各种工程领域中扮演着越来越重要的角色。
然而，由于系统内部和外部的复杂性和不确定性，如何实现精确、快速且稳定的控制成为了该领域的重要研究课题。
传统的控制方法如PID控制、模糊控制等在面对复杂多变的环境时，往往难以达到理想的控制效果。
因此，本文提出了一种基于模糊滑模控制的电液位置伺服控制方法，旨在提高系统的控制性能和鲁棒性。
二、电液位置伺服控制系统概述电液位置伺服控制系统是一种以液压传动为基础，通过电子控制系统实现位置精确控制的系统。
该系统广泛应用于航空、航天、船舶、机械等领域。
由于液压传动具有传动力大、响应速度快等优点，使得电液位置伺服控制系统在各种工程中发挥着重要作用。
然而，系统内部的非线性和不确定性因素以及外部环境的干扰，使得系统的精确控制变得困难。
三、模糊滑模控制方法研究针对电液位置伺服控制系统的特点，本文提出了一种基于模糊滑模控制的控制方法。
该方法结合了模糊控制和滑模控制的优点，既能够处理系统的不确定性，又能够保证系统的稳定性和快速性。
1. 模糊控制部分模糊控制是一种基于模糊逻辑的控制方法，能够处理系统的不确定性和非线性。
在本文中，我们利用模糊逻辑对系统的不确定性进行建模，并利用模糊规则对系统进行控制。
通过模糊化、规则匹配和反模糊化等步骤，实现了对电液位置伺服系统的精确控制。
2. 滑模控制部分滑模控制是一种基于滑动模式的控制方法，能够使系统在受到扰动时快速恢复到稳定状态。
在本文中，我们利用滑模控制的特性，设计了一种针对电液位置伺服系统的滑模面。
通过调整系统的输入，使系统在受到扰动时能够快速滑动到滑模面上，并保持在该面上运动，从而实现精确的位置控制。
3. 模糊滑模综合控制将模糊控制和滑模控制相结合，形成了模糊滑模综合控制方法。
该方法能够根据系统的实际情况，自动调整模糊控制和滑模控制的权重，以实现最优的控制效果。
《泵控电液位置伺服系统的滑模控制方法研究》范文
《泵控电液位置伺服系统的滑模控制方法研究》篇一一、引言随着工业自动化和智能制造的快速发展，泵控电液位置伺服系统在众多领域得到了广泛应用。
然而，由于系统内部和外部环境的复杂性，该系统的稳定性和精度常常面临挑战。
为解决这一问题，本文针对泵控电液位置伺服系统提出了一种滑模控制方法，旨在提高系统的控制性能和稳定性。
二、系统概述泵控电液位置伺服系统是一种利用液压泵和伺服阀控制执行器位置的系统。
其结构主要包括电机、液压泵、伺服阀、执行器等部分。
系统通过电机驱动液压泵产生压力，通过伺服阀调节液压系统的流量和压力，从而实现对执行器位置的精确控制。
三、滑模控制方法滑模控制是一种非线性控制方法，通过在系统的状态空间中构造一个滑动面，使得系统在滑动面上运动，以达到稳定控制的目的。
本文提出的滑模控制方法，首先通过建立系统的数学模型，确定滑模面和控制系统所需的状态变量。
然后，根据系统动态特性和滑模面设计原则，设计滑模控制器。
在控制器中，通过引入滑模控制算法，使系统在受到外部干扰时仍能保持在滑动面上运动，从而保证系统的稳定性和精度。
四、滑模控制算法实现本文所提出的滑模控制算法包括两个部分：滑模面的设计和滑模控制器的设计。
在滑模面设计部分，根据系统的动态特性和稳定性要求，设计合适的滑动面函数。
在滑模控制器设计部分，通过引入非线性控制和优化算法，使得系统在受到外部干扰时仍能快速回到滑动面上。
此外，为提高系统的响应速度和精度，还采用了PID（比例-积分-微分）控制和模糊控制等先进的控制策略。
五、实验与结果分析为验证本文所提出的滑模控制方法的实际效果，我们在泵控电液位置伺服系统上进行了大量实验。
实验结果表明，采用本文提出的滑模控制方法后，系统的稳定性和精度得到了显著提高。
与传统的PID控制方法相比，本文所提出的滑模控制方法在应对外部干扰时具有更好的鲁棒性。
此外，我们还对系统的响应速度进行了比较，发现采用滑模控制方法的系统响应速度更快，且无超调现象。
《泵控电液位置伺服系统的滑模控制方法研究》范文
《泵控电液位置伺服系统的滑模控制方法研究》篇一摘要：随着现代工业自动化和精密机械的发展，对位置伺服系统的性能要求愈发严格。
泵控电液位置伺服系统作为工业自动化领域的重要一环，其控制方法的优化显得尤为重要。
本文针对泵控电液位置伺服系统，研究并探讨了滑模控制方法的应用，旨在提高系统的响应速度、稳定性和精度。
一、引言泵控电液位置伺服系统是一种基于液压泵控制的电液伺服系统，其核心在于精确控制液压泵的输出力，进而实现对位置的高精度控制。
然而，由于系统内部参数的复杂性和外部环境的干扰，传统的控制方法往往难以满足高精度的要求。
因此，本文引入滑模控制方法，以改善系统的性能。
二、泵控电液位置伺服系统概述泵控电液位置伺服系统主要由液压泵、执行机构、传感器和控制单元等部分组成。
其中，液压泵是系统的动力源，执行机构则负责将液压动力转化为所需的动作，传感器实时检测位置信息并反馈给控制单元，控制单元则根据反馈信息对液压泵进行精确控制。
三、滑模控制方法介绍滑模控制是一种非线性控制方法，其基本思想是根据系统的状态变量设计一个滑动曲面，通过调整系统的控制输入使系统状态变量按照滑动曲面运动。
该方法对系统内部参数的变化和外部干扰具有较强的鲁棒性，因此在许多复杂系统中得到了广泛应用。
四、滑模控制在泵控电液位置伺服系统中的应用在泵控电液位置伺服系统中应用滑模控制方法，需要先建立系统的数学模型，并根据模型设计滑动曲面和控制律。
在设计中，需要考虑系统的动态特性、稳定性以及精度要求等因素。
通过仿真实验，可以验证滑模控制在泵控电液位置伺服系统中的有效性。
实验结果表明，采用滑模控制的系统具有更快的响应速度、更高的稳定性和更高的精度。
五、实验与分析为了验证滑模控制在泵控电液位置伺服系统中的效果，本文进行了实验分析。
首先，搭建了泵控电液位置伺服系统的实验平台，并在平台上进行了滑模控制的实验。
实验结果表明，采用滑模控制的系统在响应速度、稳定性和精度方面均优于传统控制方法。
电液伺服系统泄漏故障识别及分类方法研究
残差矢量 ， 为
（） ５ 由此可见 ，残 差不 仅 是 系统 状态 估计 误 差 的 函 数 ，而且受 到未 知输 入的影响。在 未知输 入不可避免 的情况 下 ，残 差 表 现 出不 同于标 称 状态 下 的残 差特
【 ＋ ｄ Ｙ＝ Ｄ
（） ２
式中： Ａ为 系统 的状态矩阵 ， 为控制矩 阵 ，Ｃ为观 测矩阵 ， ｄ为未知输入 向量 ；Ｅ、Ｄ 为扰动数 字矩 阵， Ｈ为控制输入 。
据采集 卡 、伺 服放 大器和计算机等组成 。
（） ３
式 中 ： 、 分别是 、Ｙ的观 测值 ；Ｌ为观测 器 的增 益矩 阵。 估计误差 ｅ ｘ— 的动态方程 为 ＝
一
量均含有丰富 的故 障特征信 息 ，于是可 以另辟蹊 径 ， 依赖残差并借助位 移 、压力 ，提取 它们 的特征参数 ， 将 系统 的残差评价问题扩展成为特征矢量 的模式识别 问题 。模式识别领域中应用最 为广泛 的两种方法是神 经网络 和支持 向量 机 。与基 于经 验风 险最小 化 的神经 网络相 比，基于结 构风险最小化 的支持 向量机 在解决小样本 、非线性 、高维数 、全局最优和局部极 小等问题上具有独特 的优势 。因此 ，作者决定选择支
ＵＮ Ｒｕｌ ‘ ｉｎ 。ＭＩ Ｇ ｉｇａ ｉ Ｎ Ｔ ｎ ｔｏ 。ＷＵ Ｊｎ ｉ
（ ． ｏｌ ｅｏ ａａ Ａ ｃ ｉ ｃ ｒ ｎ ｏ ｅ ，Ｎ ｖｌ ｎｖｒ ｔ ｏ ｎｉｅｒ ｇ １ Ｃ ｌ ｇ ｆ ｖｌ ｒｈ ｅｔ ｅａ ｄＰ ｗ ｒ ａａ Ｕ ｉｅ ｉ ｆ ｇ ｅｉ ，Ｗｕ ａ ｂｉ ３ ０ ３ ｈｎ ； ｅ Ｎ ｔ ｕ ｓｙ Ｅ ｎ ｎ ｈ ｎＨｕ ｅ ４ ０ ３ ，Ｃ ｉ ａ
电液伺服阀内泄漏测试方法
电液伺服阀内泄漏测试方法摘要：一、电液伺服阀内泄漏的概念与危害二、电液伺服阀内泄漏测试方法1.静态测试法2.动态测试法3.综合测试法三、测试结果的分析与处理四、减少电液伺服阀内泄漏的预防措施正文：一、电液伺服阀内泄漏的概念与危害电液伺服阀内泄漏是指在阀门关闭状态下，液体从阀芯与阀体间隙中渗漏的现象。
内泄漏会导致系统压力下降、能耗增加，影响液压设备的正常运行。
严重时，甚至可能导致系统故障。
因此，对电液伺服阀内泄漏进行检测和控制具有重要意义。
二、电液伺服阀内泄漏测试方法1.静态测试法：通过测量阀门关闭状态下系统的压力降来判断内泄漏程度。
将阀门关闭，然后观察系统压力变化。
若压力下降较快，说明内泄漏较大。
2.动态测试法：通过观察阀门开度与流量的关系来判断内泄漏。
在一定时间内，改变阀门的开度，观察流量变化。
若流量波动较大，说明内泄漏存在。
3.综合测试法：结合静态和动态测试，对阀门在不同开度、不同压力下的泄漏情况进行全面评估。
通过分析泄漏曲线，判断内泄漏程度。
三、测试结果的分析与处理根据测试结果，分析泄漏原因，制定相应的维修方案。
对于内泄漏严重的阀门，应更换阀芯、阀体等零部件，以保证系统正常运行。
同时，对测试数据进行统计和分析，为后续阀门选型和设计提供参考。
四、减少电液伺服阀内泄漏的预防措施1.合理选型：根据液压系统的实际需求，选择合适的阀门结构和材料。
2.阀门制造：提高阀门加工精度，减小阀芯与阀体间的间隙。
3.安装调试：确保阀门安装正确，避免因安装不当导致的泄漏。
4.定期维护：对液压系统进行定期检查和维护，及时发现并排除泄漏隐患。
《电液位置伺服控制系统的模糊滑模控制方法研究》范文
《电液位置伺服控制系统的模糊滑模控制方法研究》篇一一、引言电液位置伺服控制系统在工业自动化、航空航天、船舶导航等多个领域发挥着重要作用。
其核心任务是确保系统能够准确、快速地响应指令，并实现高精度的位置控制。
然而，由于系统内部及外部环境的复杂性，传统的控制方法往往难以满足现代高精度、高稳定性的需求。
为此，本文将探讨电液位置伺服控制系统的模糊滑模控制方法，以提升系统的性能。
二、电液位置伺服控制系统概述电液位置伺服控制系统主要由伺服电机、液压泵、执行机构及反馈装置等组成。
系统通过控制器接收指令，驱动伺服电机，进而控制液压泵的输出，使执行机构实现精确的位置控制。
然而，在实际运行过程中，系统会受到多种因素的影响，如负载变化、环境温度变化等，这些因素都会对系统的性能产生影响。
三、传统控制方法的局限性传统的电液位置伺服控制系统主要采用PID控制、自适应控制等方法。
这些方法在一定的条件下能够取得较好的控制效果，但在面对复杂的系统环境和多变的外部条件时，其控制效果往往不尽如人意。
主要表现为系统响应速度慢、稳定性差、精度低等问题。
因此，有必要对控制方法进行改进和优化。
四、模糊滑模控制方法研究针对传统控制方法的局限性，本文提出了一种基于模糊滑模控制的电液位置伺服控制系统。
该方法将模糊控制和滑模控制相结合，利用模糊控制对系统的不确定性进行估计和补偿，同时利用滑模控制的快速响应和强鲁棒性，提高系统的整体性能。
（一）模糊控制模糊控制是一种基于模糊集合理论的控制方法，能够处理系统中的不确定性和非线性问题。
在电液位置伺服控制系统中，模糊控制通过对系统状态进行模糊化处理，建立模糊规则库，实现对系统不确定性的估计和补偿。
（二）滑模控制滑模控制是一种变结构控制方法，其核心思想是根据系统当前的状态，实时调整控制器结构，使系统在滑动模态下运行。
在电液位置伺服控制系统中，滑模控制能够实现对系统状态的快速响应和强鲁棒性。
（三）模糊滑模控制的实现在电液位置伺服控制系统中，将模糊控制和滑模控制相结合，形成模糊滑模控制器。
《电液伺服力控系统的鲁棒迭代学习控制方法研究》范文
《电液伺服力控系统的鲁棒迭代学习控制方法研究》篇一一、引言随着现代工业自动化水平的不断提高，电液伺服力控系统在各个领域的应用越来越广泛。
然而，由于系统本身的复杂性和外部环境的干扰，电液伺服力控系统的控制精度和稳定性成为了研究的重要课题。
本文将重点研究电液伺服力控系统的鲁棒迭代学习控制方法，以提高系统的控制性能和稳定性。
二、电液伺服力控系统概述电液伺服力控系统是一种基于液压传动和电气控制的力控制系统，具有高精度、高动态响应和高稳定性的特点。
然而，由于系统受到外部干扰、模型不确定性以及系统非线性等因素的影响，其控制性能和稳定性常常受到挑战。
因此，研究有效的控制方法对于提高电液伺服力控系统的性能具有重要意义。
三、鲁棒迭代学习控制方法针对电液伺服力控系统的特点，本文提出了一种鲁棒迭代学习控制方法。
该方法结合了鲁棒控制和迭代学习的优点，能够在系统受到外部干扰和模型不确定性时，通过迭代学习的方式逐步优化控制策略，提高系统的控制性能和稳定性。
具体而言，鲁棒迭代学习控制方法包括以下步骤：1. 建立电液伺服力控系统的数学模型，包括系统动力学模型、干扰模型和模型不确定性等。
2. 设计鲁棒控制器，以应对系统受到的外部干扰和模型不确定性。
鲁棒控制器能够根据系统的实时状态调整控制策略，保证系统的稳定性。
3. 引入迭代学习的思想，通过多次迭代学习逐步优化控制策略。
在每次迭代中，系统根据实际输出与期望输出之间的误差，调整控制策略，使系统逐渐逼近理想状态。
4. 结合鲁棒控制和迭代学习的优点，形成鲁棒迭代学习控制器。
该控制器能够在系统受到外部干扰和模型不确定性时，通过迭代学习的方式逐步优化控制策略，提高系统的控制性能和稳定性。
四、实验验证与分析为了验证本文提出的鲁棒迭代学习控制方法的有效性，我们进行了实验验证和分析。
实验结果表明，与传统的控制方法相比，鲁棒迭代学习控制方法能够更好地应对系统受到的外部干扰和模型不确定性，具有更高的控制精度和稳定性。
【电液伺服】电液伺服四个常见问题
【电液伺服】电液伺服四个常见问题1.电液伺服试验机维护时需注意的十大问题电液伺服试验机在建筑资料、金属材料料的力学检测上，由于其良好的掌控性能和试验精度，得到了广泛的运用。
在大型钢铁企业，及质检单位试验室里，试验机往往是多台进行高负荷运转。
而试验人员大多缺少保养维护阅历，所以，常常显现这些那些的问题。
厂家及用户都不胜其烦。
有些用户甚至埋怨设备太娇贵，还不如老式液压机。
殊不知，电液伺服试验机是光、机、电结合的高精细仪器，并不是生产性设备，哪能当“老黄牛”使唤呢？其实，电液伺服试验机虽精密但并不娇贵，只需把握以下十点心得，使用就会得心应手了。
1、清扫与清洁：在试验过程中不可避开的会发生一些粉尘，如氧化皮、金属碎屑等等，假如不适时打扫干净，不仅会对某些零件的外表发生磨损、划伤等，更严峻的是假如这些粉尘进入电液伺服试验机液压系统，会产生堵塞阀孔、划伤活塞外表等特别严重的结果，所以每次运行后的清扫特别关键，确定要保持试验机的清洁；2、用合适的夹具完结相应的试验，不然不但试验不会成功，并且还会损坏夹具：电液伺服试验机一般只配备了做标准试样的夹具，假如要做非标准的试样，比如钢绞线，搭接钢精等，必需增配相适应的夹具；还有一些超硬度的材料，如弹簧钢等，必需运用特别材料的夹片，否则会损坏夹具；3、液压油：必需常常查看油箱液面并适时补油；一般要每运用行 2000 至 4000 小时换一次油；然而zui紧要的是油温不得超越70℃，在油温超越60℃时必需打开冷却系统；4、过滤器：对于不带堵塞指示器的过滤器，一般每隔 6 个月要更换一次。
关于带堵塞指示器的过滤器，要不断监视，当指示器报警后必需当即更换；5、蓄能器：有些电液伺服试验机上配有蓄能器，必需保证蓄能器的压力处于正常工作状冴，假如发觉压力不够，需要立刻补充压力；只准向蓄能器充入氮气；6、元器件定时巡检：全部压力操控阀、流量操控阀、泵调整器以及压力继电器、行程开关、热继电器之类的信号装置，都要进行定期检查；7、冷却器：接受风冷的冷却器的积垢要定时清理；选用水冷的要定期察看冷却铜管有没有分裂漏水的现象；8、润滑油：电液伺服试验机丝杠及传动局部要定时涂润滑油，避开产生干摩擦；9、电液伺服试验机紧固件要定时进行锁紧：试样拉断后的振动常常会使一些紧固件退松，确定要定时迚行巡检（正常运用三十个工作日左右），以避开由于紧固件松动造成大的损失。
基于电机运行状态的电静压伺服机构内泄漏检测方法
第３４卷第１２期中国机械工程V o l ．３４㊀N o ．１２２０２３年６月C H I N A M E C HA N I C A LE N G I N E E R I N Gp p．１４０７Ｇ１４１４基于电机运行状态的电静压伺服机构内泄漏检测方法贺青川１㊀刘㊀慧２㊀潘㊀骏１㊀陈文华１１．浙江理工大学浙江省机电产品可靠性技术研究重点实验室,杭州,３１００１８２．北京精密机电控制设备研究所,北京,１０００７６摘要:针对电静压伺服机构存在的内泄漏难以直接观测且缺乏有效间接检测方法的问题,利用电机运行状态变化与闭式循环液压系统内泄漏之间的关联关系,提出了一种基于电机电流㊁转速数据的电静压伺服机构内泄漏检测方法.为从运行状态数据中精准提取微弱故障特征,基于深度学习建立了一种能够定向提取数据特征的卷积神经网络算法.经故障植入实验验证,所提方法的内泄漏检测的准确率高达９８．７％,从而为解决电静压伺服机构内泄漏检测难题提供了有效方法.关键词:电静压伺服机构;内泄漏;故障检测;液压系统;卷积神经网络中图分类号:T P １３７D O I :１０．３９６９/j．i s s n ．１００４ １３２X．２０２３．１２．００３开放科学(资源服务)标识码(O S I D ):D e t e c t i n g I n t e r n a l L e a k a g e i nE l e c t r o ＧH yd r a u l i cA c t u a t o r sB a se do n O pe r a t i o n a l S t a t e s o fM o t o r H E Q i n gc h u a n １㊀L I U H u i ２㊀P A NJ u n １㊀C H E N W e n h u a １１．Z h e j i a n g P r o v i n c e sK e y L a b o r a t o r y o fR e l i a b i l i t y T e c h n o l o g y fo rM e c h a n i c a l a n dE l e c t r i c a l P r o d u c t ,Z h e j i a n g S c i ＧT e c hU n i v e r s i t y ,H a n gz h o u ,３１００１８２．B e i j i n g I n s t i t u t e o f P r e c i s i o n M e c h a t r o n i c s a n dC o n t r o l s ,B e i j i n g,１０００７６A b s t r a c t :I n t e r n a l l e a k a g e i n a n e l e c t r o Ｇh y d r a u l i c a c t u a t o r (E H A )c o u l d n o t b e i d e n t i f i e d b y ob s e r Ｇv a t i o na n d a l s o t h e r ew e r e n o e f f ec t i v em e t h od s f o r o n l i ne d e t e c t i n g b y u s i n g o p e r a t i o n a l d a t a ．A c c o r d Ｇi n g t o t h e r e l a t i o n s h i p b e t w e e ns t a t e p a r a m e t e r so fm o t o r a n d l e a k a g e i nc l o s e dh y d r a u l i c s y s t e m ,a d e t e c t i n g m e t h o dof i n t e r n a l l e a k ag e b y u s i n g m o t o r c u r r e n t a n d s p e e d s i g n a l sw a s p r o p o s e d ．B a s e d o n d e e p l e a r n i n g a l g o r i th m ,ac o n v o l u ti o nn e u r a l n e t w o r kw a s p r o p o s e dw h i c hc o u l db eu s e dt oe x t r a c t t a r g e t i n g w e a k f e a t u r e s f r o m m o n i t o r i n g d a t a ．Af a u l t i nj e c t i o ne x p e r i m e n tw a sd e s i g n e da n d t h e r e Ｇs u l t s s h o wt h a t t h e d e t e c t i o n a c c u r a c y o f i n t e r n a l l e ak a g e r e a c h e s ９８．７％b y u s i n g t h e p r o p o s e dm e t h Ｇo d ,w h i c h p r o v i d e s a ne f f e c t i v em e t h o d f o r i n t e r n al l e a k a ge d e t e c t i o n i nE HA s ．K e y wo r d s :e l e c t r o Ｇh y d r a u l i ca c t u a t o r (E HA );i n t e r n a l l e a k a g e ;f a u l td e t e c t i o n ;h y d r a u l i cs y s Ｇt e m ;c o n v o l u t i o n a l n e u r a l n e t w o r k s收稿日期:２０２３０４０４基金项目:装备预先研究领域基金(８０９０２０１０３０２);国家自然科学基金(５１８７５５２９);浙江省科技创新领军人才项目(２０２１R ５２０３６)０㊀引言电静压伺服机构(e l e c t r o Ｇh yd r o s t a t i ca c t u a Ｇt o r s ,E H A )在飞机㊁舰艇等武器装备的运动控制中得到较多应用[１Ｇ２].E H A 采用的是闭式循环液压系统,轴向柱塞泵吸油口与液压缸排油口直通,无冷却器,工作条件苛刻[２Ｇ３].随着运行时间的推移,E H A 会出现轴向柱塞泵零件磨损以及液压缸密封件磨损㊁老化等问题,导致液压系统高压腔的油液向低压腔泄漏(简称内泄漏),影响飞机㊁舰船等武器装备的作战性能[２Ｇ４].但是针对尚不足以导致E H A 无法工作的微弱内泄漏,目前既无法直接观测,也缺乏有效的间接检测方法.为降低甚至消除内泄漏故障风险,保证装备作战性能,笔者针对E H A 内泄漏故障检测开展了研究.笔者在研究中发现E H A 的内泄漏会影响电机的运行状态,据此,提出一种通过分析电机电流㊁转速变化进行内泄漏检测的方法,并利用故障注入技术,对所提出的E H A 内泄漏检测方法进行了实验验证.１㊀基础理论方法１．１㊀数据特征定向提取算法近年来,深度学习以其超强的数据特征自适应提取能力以及与分类器一体化的训练模式在故障检测领域获得广泛关注[５].研究者通过建立一７０４１ Copyright ©博看网. All Rights Reserved.个深度神经网络模型,从监测的状态数据中可自适应地提取数据特征并建立与设备状态之间的关联,从而实现故障检测.其中,一维卷积神经网络更适用于设备运行状态数据特征提取及相关性表征,其典型结构包括卷积层㊁池化层㊁全连接层和激活层.在进行卷积运算过程中,通过卷积核在输入数据上滑动提取数据特征,常规运算过程如下[６Ｇ７]:y(i )＝f (w x (i －１)＋b )(１)式中,y (i )㊁x (i －１)分别为输出和输入特征矢量;i 为卷积运算次数,为正整数;w ㊁b 分别为训练过程中所用权重和偏差;f ()表示卷积操作.通过式(１)进行常规运算是无法依据故障检测原理定向提取关键数据特征信息的,这会导致分析结果缺乏可解释性,难以给出可信赖依据.在利用机器学习算法提取数据特征时,若能结合故障检测原理,充分利用各数据特征之间的映射关系,则可提高分析结果的准确率和可信度.本文在进行卷积运算的过程中,根据不同数据特征之间的映射关系以及所要提取的数据特征,通过施加运算约束条件来解决关键数据特征定向提取难题.假设监测的状态数据特征数量为n ,通过对正常状态数据的回归分析,可以建立参数x n 与其他一些状态数据的函数关系:x ^n ＝f (x １,x ２, ,x n －１)(２)当每次获得监测状态数据集后,可以将实测的x １,x ２, ,x n －１等数据代入式(２)所示的函数进行计算,获得理想状态下特征值x ^n .理论上讲,若系统的状态无变化,则x n 与x^n 之间的相对偏差不会发生变化;若系统的状态出现劣化,并影响式(２)所示函数关系,那么实测值x n 与利用式(２)获得的x ^n 之间的相对偏差会随之变化.x n 与x ^n 之间的相对偏差Δx n 可以通过下式计算:Δx n ＝|x n －x^n |/|x ^n |(３)理论上,若Δx n 与系统状态劣化程度存在正相关的关系,那么在对输入数据进行卷积运算时,使其在下式所示约束条件下完成即可定向学习所需数据特征:y(i )＝f (w (x １,x ２, ,x n )(i －１)＋b )m i n w ,b|w (x １,x ２, x n －１)(i －１)－x ^n |}(４)式中,(x １,x ２, ,x n )㊁y (i )分别为输入和输出的特征矢量,i 为正整数;x ^n 为通过实测特征值估计的正常状态下的特征值,x ^n ＝f (x １,x ２, ,x n －１).在卷积运算之后,通过最大池化层减少数据特征维度,简化训练模型复杂度;利用R e L U 激活函数提取非线性特征.随着网络深度的加深,模型训练过程中可能出现梯度消失现象,目前常用方法是引入残差学习算法[６Ｇ７],但该算法难以进行定向数据特征学习.本文提出了图１所示的数据特征定向学习算法.卷积模块在输入特征的基础上定向学习所需特征,其输出特征计算方法如下:M (i )＝|x n ,i －１－f (w (x １,x ２, ,x n －１)(i －１))f (w (x １,x ２, ,x n －１)(i －１))|(５)图１㊀数据特征定向学习卷积网络F i g ．１㊀D i r e c t i o n a l r e s i d u a l l e a r n i n g mo d u l e １．２㊀多尺度数据特征定向学习模型针对n 个原始数据特征(x １,x ２, ,x n ),可能需要建立多个式(２)所示的回归模型,计算与x n ㊁x n －１等对应的x ^n ㊁x ^n －１等状态数据.为了能够学习(x １,x ２, ,x n ,x ^n )㊁(x １,x ２, ,x n －１,x^n －１)等数据特征之间的映射关系,需要依据输入数据特征数量采用相应尺度的卷积核进行特征提取.本文构建了图２所示的多尺度数据特征定向学习模型.将增广后的数据集{x １,x ２, ,x n ,x^n }输入图２所示的计算模型.模型包括多个通道,每个通道包括２个图１所示的计算模型;通过采用C １㊁C ２等不同大小的卷积核提取不同信号图２㊀多尺度数据特征定向学习模型示意图F i g ．２㊀S c h e m a t i c d i a gr a mo fm u l t i Ｇs c a l e d a t a f e a t u r e d i r e c t e d l e a r n i n g８０４１ 中国机械工程第３４卷第１２期２０２３年６月下半月Copyright ©博看网. All Rights Reserved.特征组之间的映射关系(卷积层数为K).在处理输出特征时,采用全连接网络对多特征提取结果进行分类[５];采用S o f t m a x激活函数对特征向量进行归一化处理,对比分析预测结果和实际结果,求得每个类输出的条件概率,实现多类数据特征的分类.２㊀数据预处理方法２．１㊀数据增广方法为了获得与x n对应的增广数据x^n,需要利用实测数据建立x n与其他数据之间的函数关系.前馈神经网络(f e e d f o r w a r dn e u r a l n e t w o r k, F F N N)与传统统计回归方法相比,在理论上可以逼近任意连续函数,具有较强的多维非线性数据回归预测能力.F F N N模型结构包括输入层㊁隐藏层及输出层三部分,如图３所示.利用实测的正常状态下的数据x１,x２, ,x n训练㊁建立F F N N模型,然后将不同状态下的监测数据x１, x２, ,x n－１输入F F N N模型,计算出与x n对应的增广数据x^n .图３㊀F F N N结构F i g．３㊀S t r u c t u r e o f F F N N２．２㊀异常数据剔除方法在训练F F N N模型时,因训练样本数量有限,难免出现局部过拟合,导致通过模型获取的某些预测值x^n异常,与实际不符.本文采用如下方法剔除异常值:针对增广后的数据,先按照式(３)方法计算实测值与预测值之间的相对偏差Δx n,i (i＝１,２, ,N);然后计算数据Δx n,i的均值R x n 和标准差σn;最后按照３σ准则,将与异常Δx n,i所对应的数据样本(x１,i,x２,i, ,x n,i,x^n,i)剔除.２．３㊀数据标准化方法常用的数据同趋化和量纲一化处理方法有最值归一化㊁均值方差归一化㊁小数定标标准化等方法.当各状态数据的数量级差异较大时,若用单一标准化方法,会导致数据特征被弱化,深度学习模型过拟合现象严重㊁泛化能力不足,最终影响数据分类准确率.为解决上述问题,本文提出如下数据标准化方法:在剔除异常数据的基础上,按照以下计算方法将数据特征约束在[－１０,１０]之间:xᶄn,i＝x n,i１０r(６)式中,x n,i为原始数据中第n个特征的第i个数值,i＝１,２, ,N;xᶄn,i为处理后的数据;r表示满足条件的最小正整数.然后,再应用均值方差归一化方法处理.３㊀内泄漏检测原理与试验３．１㊀检测原理典型的E H A组成和工作原理如图４所示[４,８Ｇ９],采用集成化设计,主要由伺服电机(永磁同步电机)㊁定量轴向柱塞泵㊁对称液压缸㊁增压油箱㊁溢流阀㊁油滤㊁单向阀㊁直线位移传感器(L V D T)等组成.E H A的轴向柱塞泵吸油口㊁排油口分别与液压缸排油口㊁进油口直通,无冷却器.E H A工作时,通过控制伺服电机转速从而实现液压缸活塞杆的速度控制;通过控制伺服电机换向实现液压缸活塞杆的换向.１．增压油箱㊀２,３．单向阀㊀４,５．溢流阀㊀６．油滤７．柱塞泵㊀８．伺服电机㊀９．活塞杆㊀１０．直线位移传感器图４㊀E H A工作原理简图F i g．４㊀S c h e m a t i c d i a g r a mo fE H A假设在正常情况下驱动液压缸活塞杆运动一段距离时所需油液流量为q V,柱塞泵吸入和排出流量分别为q V１和q V２(q V１＞q V２),出口和入口压力分别为p１和p２,泄漏量为q V L１;液压缸入口和出口流量可分别表示为q V２和q V１,高压腔油液向低压腔的泄漏量为q V L１.当E H A无外泄漏时q V＝q V１,此时对柱塞泵而言,出口流量q V２＝q V１－q V L１＝q V－q V L１(７)对液压缸而言,入口流量q V２＝q V－q V L２(８)当柱塞泵出口压力大于入口时(p１＞p２),若因柱塞泵零件磨损而导致q V L１增大,则由式(７)可知,必须通过调控转速增大来提高排出流量q V２,从而保持q V不变,即维持活塞杆速度不变.当因油缸密封圈磨损㊁老化而导致q V L２增大时,由９０４１基于电机运行状态的电静压伺服机构内泄漏检测方法 贺青川㊀刘㊀慧㊀潘㊀骏等Copyright©博看网. All Rights Reserved.式(８)可知,也必须通过调控转速增大来维持活塞杆运行速度不变.同理,当柱塞泵出口压力小于入口时(p １＜p ２),若因q V L １增大或q V L ２增大或二者同时增大时,也要通过调控减小转速来维持活塞杆速度不变.理论上讲,通过调控电机转速能够弥补泄漏量,从而保持活塞杆运动规律不变,因此,通过分析转速相对正常值(正常状态下测得的数值)的偏离程度就能够实现E H A 内泄漏的检测.根据液压系统的控制原理,可以建立E H A的数学模型[８]:３２p ΨI －(D －q V L )Δp ＝２π(B n a ＋J n a )/６０F ＝m x ㊆＋B C x＋k x ＝S (p １－p ２)＝S Δp x＝(D －q V L )n a /(６０S )üþýïïïï(９)式中,I ㊁n a 分别为电机电流和转速;qV L 为总泄漏量,q V L ＝q V L １＋q V L ２;p 为极对数(常数);Ψ为磁链(常数);J 为电机转动惯量;B 为柱塞泵阻尼系数;Δp ＝|p １－p ２|;D 为柱塞泵理论排量,D ＝f (n a ,Δp );x ㊁x和x ㊆分别为活塞杆位移㊁速度和加速度;F 为载荷;m 为负载等效质量;S 为活塞有效面积;B C 为黏滞阻尼系数;k 为负载刚度系数.依据式(９),可以推导出电机电流与转速和内泄漏量q V L 之间的函数关系(J 较小,忽略不计):I ＝２３p １Ψ[２π６０B n a ＋Δp (D －q V L )](１０)n a ＝６０S D －q V L １B C[S Δp －(m x ㊆＋k x )](１１)分析式(１０)和式(１１)可知,当内泄漏量增大时,需要调控转速保持活塞杆运动规律不变;相同负载下电流随转速升高而增大.因此,通过分析计算实测电流相对正常值的偏离程度就能够实现内泄漏的检测.依据上述分析结果可知,通过对电流和转速相对正常值的偏离程度进行计算和分析,可以实现对E H A 内泄漏的检测.但在实际中,E HA 的每次工作条件不同,无法将实测数据与之前测得的正常值进行一一对比,进而导致无法直接计算实测值相对正常值的偏离程度.通过对式(９)~式(１１)的进一步分析发现,活塞杆速度和液压缸压力是自变量,电流和转速为因变量,它们之间存在的函数关系可表示为:I ＝f I (x,p １,p ２)和n a ＝f ω(x,p １,p ２).依此关系,本文提出如下方法解决实测电流和转速相对正常值偏离程度的计算难题:先利用正常状态下的电流㊁转速㊁活塞杆速度和液压缸压力数据,建立电流和转速的F F N N 预测模型;然后将每次监测的活塞杆速度㊁压力数据输入已经建立的F F N N 模型,计算出正常状态下的电流I ^和转速n ^a ;最后,利用实测和预测的电流㊁转速数据,计算偏离程度.３．２㊀内泄漏故障注入实验依据图４工作原理,设计了内泄漏试验台,如图５所示.采用的柱塞泵排量为１m L /r ,电机额定扭矩和额定功率分别为１．２７N m 和４００W .本研究通过在液压缸进出管路之间(即图４中管路A ㊁B 点之间)安装一个微量针型调节阀的方式实现内泄漏故障注入;通过调节针型调节阀的开度进行内泄漏量调节.图５㊀内泄漏模拟试验台F i g ．５㊀I n t e r n a l l e a k a ge t e s tb e n c h 考虑到内泄漏量受转速㊁压力㊁油温等多种因素影响,本研究使用量杯测量法测得通过调节阀的实际流量(内泄漏量),具体操作过程如下.如图４所示,首先断开调节阀与A 点之间的连接,控制电机以３０００r /m i n 运行５０转,改变调节阀开度,使其排出油液达到３m L ㊁５m L 和８m L ,分别标定为轻微㊁中等和严重内泄漏.然后,恢复调节阀与A 点连接,在不同内泄漏状态下,控制E H A 按照正弦位移指令运行,确保活塞杆位移运动规律满足控制要求;同时监测电流和转速,以及活塞杆位移和速度㊁液压缸两腔压力等数据.由于电流为正弦波,因此每隔四分之一转,利用监测的电流信号进行一次有效值计算,其他状态数据则按照相同间隔进行一次均值计算.图６给出了４种状态下的监测数据示例.图中,数据标签０㊁１㊁２和３分别代表正常㊁轻微㊁中等和严重４种内泄漏状态.由图６a 和图６d 可以看出,若液压缸压力p １＞p ２,则电机转速基本呈现随内泄漏量增大而增大的关系;若液压缸压力p １＜p ２,则电机转速基本呈现随内泄漏量增大而减小的关系.相比之下,如图６b 所示,电流随内泄漏量变化规律不明显,主要原因是测试过程中无法保证负载完全相同.由式(１０)和式(１１)可知,内泄漏量变化或负载变化均会引起电流和速度测试数据发生变化,因此,直接分析比对实测电流和转速数据的变化难以准确地识别内泄漏故障.０１４１ 中国机械工程第３４卷第１２期２０２３年６月下半月Copyright ©博看网. All Rights Reserved.(a)电机转速信号(b)电机电流信号(c)活塞杆速度信号(d)液压缸压力信号图６㊀监测的运行状态数据F i g．６M o n i t o r i n g o p e r a t i o n s t a t e p a r a m e t e r s４㊀实验数据分析４．１㊀数据预处理本文基于MA T L A B软件平台,首先利用正常状态下的数据训练电流和转速的F F N N预测模型,模型参数优化采用B R算法;然后,将不同内泄漏状态下的速度和压力数据集{x i,p１,i, p２,i}分别输入电流和转速的预测模型,计算出理想状态下的电流和转速数据集{I^i,n^a i};最终将数据集增广为{x i,x i,p１,i,p２,i,I i,n a i,I^i,n^a i}.图７和图８分别给出了对正常状态和轻微内泄漏状态下转速和电流的预测结果.与图７a相比,图７b~图７d中的实测与预测转速间的偏差呈现随内泄漏程度增大而增大的趋势.总体而言,当p１＞p２时,实测转速增大;当p１＜p２时,实测转速减小,这与理论分析结果一致.与图８a 相比,图８b~图８d中实测与预测电流之间的偏差呈现随内泄漏程度增大而增大的趋势.同时,与图６b相比,随着内泄漏量的增大,电流的变化规律更明显,也更符合理论分析结果.这表明,通过建立F F N N预测模型计算理想状态下电流和转速的方法是有效可行的.(a)正常状态(b)轻微泄漏状态(c)中等泄漏状态(d)严重泄漏状态图７㊀实测与预测转速值的对比F i g．７㊀C o m p a r i s o nb e t w e e nm o n i t o r i n g a n dp r e d i c t i n g s p e e d１１４１基于电机运行状态的电静压伺服机构内泄漏检测方法 贺青川㊀刘㊀慧㊀潘㊀骏等Copyright©博看网. All Rights Reserved.(a)正常状态(b)轻微泄漏状态(c)中等泄漏状态(d)严重泄漏状态图８㊀实测与预测电流值的对比F i g．８㊀C o m p a r i s o nb e t w e e nm o n i t o r i n g a n dp r e d i c t i n g c u r r e n t当电机启动㊁停止时,因监测的转速数据为零,导致F F N N模型过拟合.为剔除异常数据,首先按照式(３)分别计算４种状态下电流和转速实测值与预测值之间的相对偏差ΔI i和Δn a i;然后计算均值R I和Rω与标准差σI和σn a;最后按照３σ准则,将异常数据样本剔除.为了对比数据处理的效果,按下式分别计算剔除异常值前后的综合偏差R I n a,i:R I n a,i＝R２I,i＋R２n a,i(１２)式中,R I,i为利用F F N N模型预测的电流相对实测电流值之间的相对偏差;R n a,i为利用F F N N模型预测的转速相对实测转速之间的相对偏差.图９给出了剔除异常值前后的数据分布特征.其中,数据标签０~３分别表示正常㊁轻微㊁中等和严重内泄漏状态下原始综合偏差分布特征,对应的中位数为４．９４㊁６．５８㊁７．５７㊁８．６５,对应的四分位距为５．９０㊁８．０５㊁６．３９㊁６．６７.数据标签０∗~３∗分别表示剔除异常值后的数据分布特征,对应的中位数为３．８２㊁５．１４㊁６．０２㊁８．１８,对应的四分位距为３．２２㊁５．８７㊁７．０４㊁４．１８.中位数均随内泄漏程度的增大而增大,表明通过分析电流和转速的实测与预测值之间偏离程度实现内泄漏检测的方法可行.分析结果还表明,中位数和四分位距受到异常数据影响较大;在实际工程中,若仅依据相对偏差数据的简单统计分析(如箱线图)结果鉴别内泄漏程度,依然存在较大误判风险.图９㊀综合偏差箱线图F i g．９㊀B o x p l o t o f t h e r e l a t i v e d e v i a t i o n ４．２㊀多尺度定向数据特征学习模型验证为了获得较高的内泄漏检测准确率,本文基于第１节提出的特征提取算法,构建了图１０所示的网络结构用于内泄漏检测.图中包含两个多尺度定向特征学习模块,分别进行电流和转速数据特征的运算.由于输入每个定向学习模块的数据特征数量均为５,因此两个通道的卷积核尺度也均为５,卷积层数K设置为１６.在标准化数据时,将速度㊁压力㊁电流和转速单位设定为mm/s㊁M P a㊁A㊁k r/m i n,从而将数值约束在[－１０,１０]之间.最后,应用均值方差归一化方法进行标准化处理.经预处理后的数据样本量分别为２９７㊁图１０㊀内泄漏检测网络结构F i g．１０㊀N e t w o r k s t r u c t u r e o f i n t e r n a l l e a k a g e d e t e c t i o n２１４１中国机械工程第３４卷第１２期２０２３年６月下半月Copyright©博看网. All Rights Reserved.３１３㊁３００㊁３０３.网络模型参数可分为基本参数与超参数.其中,卷积核权值㊁偏置等基本参数在模型训练过程中自动寻优.批处理量㊁学习率以及卷积核数目等超参数与卷积神经网络的性能优劣密切相关,本文采用先进的麻雀搜索算法进行超参数的优化.基于麻雀搜索算法对超参数寻优时[１０],设置种群数为５,迭代次数M 为１０,发现者与警戒者占比分别为２０％和１０％,安全阈值取０．８.模型的超参数寻优区间及其优化结果如表１所示.表１㊀超参数寻优结果T a b ．１㊀S u p e r p a r a m e t e r o pt i m i z a t i o n i n t e r v a l 超参数寻优范围寻优结果批处理量[１６,２５６]１００学习率[０．００１,０．０１]０．００１２迭代次数[１００,４００]１６０神经元数量[６４,１２８]１２８㊀㊀为了直观地评估网络训练效果,图１１给出了１６０次迭代过程中网络在训练集的分类准确率以及损失值变化情况.当迭代次数达到１４０之后,网络逐渐收敛,损失值和准确率趋于稳定.网络模型在训练中不断优化,稳定性也不断增加,最终在训练集上的准确率为９８．７％,损失值为０．０２１.这表明,通过对模型参数的优化可使得模型性能达到最佳.图１１㊀准确率和损失值F i g ．１１㊀A c c u r a c y ra t e a n d l o s s v a l u e ４．３㊀检测结果准确率分析通过混淆矩阵直观展示利用所提出方法对４种内泄漏状态下的数据分类准确率,如图１２a 所示,模型准确率达到了９８．７％.同时,利用B P 神经网络㊁支持向量机㊁一维卷积神经网络[４]和传统多尺度深度残差网络[５]等方法对４种内泄漏状态下的数据进行分类,获得的准确率分别为９３．７㊁９４．５㊁９６．２和９６．７,均低于９８．７％.其中,利用传统多尺度深度残差网络获得的混淆矩阵如图１２b所示.分析结果表明,先利用本文检测方法进行数据特征增广和标准化处理,再利用前述卷积神经网络算法进行数据分类,能够获得更高的检测准确率.(a)本文方法(b)传统多尺度深度残差网络图１２㊀混淆矩阵 分类准确率F i g ．１２㊀C o n f u s i o nm a t r i x c l a s s i f i c a t i o na c c u r a c y为了更直观地看出不同模型的检测效果以及差异,采用T ＧS N E 技术将分别利用本文方法和多尺度深度残差网络[４]计算的输出特征进行可视化对比,结果如图１３所示.通过对比可知,利用本(a)本文方法(b)传统多尺度深度残差网络图１３㊀分类结果的T ＧS N E 可视化F i g．１３㊀T ＧS N Ev i s u a l i z a t i o no f c l a s s i f i c a t i o n r e s u l t s３１４１ 基于电机运行状态的电静压伺服机构内泄漏检测方法贺青川㊀刘㊀慧㊀潘㊀骏等Copyright ©博看网. All Rights Reserved.文提出的网络结构获得的分类效果更好,４类特征之间几乎不存在重叠,从而也验证了本文方法的有效性和先进性.５㊀结论(１)通过分析内泄漏对电机运行状态的影响,发现可以利用电机运行状态变化与内泄漏之间的关联检测内泄漏,进而提出一种通过分析电机电流㊁转速变化进行内泄漏检测的方法.(２)利用不同数据特征之间的映射关系,通过施加特征提取约束条件,建立了一种能够定向提取数据特征的卷积神经网络算法,实现了状态数据中微弱故障特征的精准提取.(３)故障注入实验分析结果表明,本文所提出内泄漏检测方法的准确率达到了９８．７％,有效解决了电静压伺服机构内泄漏检测难题.参考文献:[１]㊀陈克勤,赵守军,刘会祥,等．运载火箭大功率多余度电静压伺服机构技术研究[J]．导弹与航天运载技术,２０２０,３７５(２):７９Ｇ８４．C H E N K e q i n,Z HA O S h o u j u n,L I U H u i x i a n g,e ta l．S t u d y o nt h e H i g h P o w e r R e d u n d a n t E l e c t r oＧH y d r o s t a t i cA c t u a t o r f o rL a u n c hV e h i c l e s[J]．M i sＧs i l e s a n dS p c a eV e h i c l e s,２０２０,３７５(２):７９Ｇ８４．[２]㊀关莉,廉晚祥．飞机飞控作动系统电静液作动技术研究综述[J]．测控技术,２０２２,４１(５):１Ｇ１１．G U A N L i,L I A N W a n x i a n g．R e v i e w o n E l e c t r oＧH y d r o s t a t i c A c t u a t i o n T e c h n o l o g y o f A i r c r a f tF l i g h tC o n t r o lA c t u a t i o nS y s t e m[J]．M e a s u r e m e n t&C o n t r o lT e c h n o l o g y,２０２２,４１(５):１Ｇ１１．[３]㊀韩小霞,冯永保,谢建,等．宽温域下电静液作动器的液压缸活塞格莱圈动密封性能分析[J]．液压与气动,２０２２,４６(１０):９９Ｇ１０７．HA N X i a o x i a,F E N G Y o n g b a o,X I E J i a n,e ta l．C o m b i n e dD y n a m i c S e a l i n g P e r f o r m a n c eA n a l y s i s o fG l y dＧr i n g o fH y d r a u l i cC y l i n d e rP i s t o nf o rE l e c t r oＧH y d r o s t a t i cA c t u a t o ri n W i d e T e m p e r a t u r e R a n g e[J]．C h i n e s e H y d r a u l i c s&P n e u m a t i c s,２０２２,４６(１０):９９Ｇ１０７．[４]㊀白亮亮,韩涛,申月．电静液作动器(E HA)热设计方法研究[J]．液压气动与密封,２０２０,４０(１０):６１Ｇ６６．B A IL i a n g l i a n g,HA N T a o,S H E N Y u e．R e s e a r c ho f T h e r m a l D e s i g n M e t h o d o f E l e c t r o h y d r o s t a t i cA c t u a t o r(E HA)[J]．H y d r a u l i c s P n e u m a t i c s&S e a l s,２０２０,４０(１０):６１Ｇ６６．[５]㊀A B I D A,K HA N M T,I Q B A L J．A R e v i e w o nF a u l t D e t e c t i o n a n d D i a g n o s i s T e c h n i q u e s:B a s i c sa n dB e y o n d[J]．A r t i f c i a l I n t e l l i g e n c eR e v i e w,２０２１,５４:３６３９Ｇ３６６４．[６]㊀史红梅,张钪,李建钹．基于残差深度网络的高速列车踏面擦伤智能检测[J]．机械工程学报,２０２２,５８(１６):１３４Ｇ１４４．S H I H o n g m e i,Z HA N G K a n g,L IJ i a n b a．I n t e l l iＧg e n tD e t e c t i o no fT r e a dF l a to f H i g hＧS p e e d T r a i nW h e e lB a s e d o n R e s i d u a l N e t w o r k[J]．C h i n e s eJ o u r n a l o fM e c h a n i c a lE n g i n e e r i n g,２０２２,５８(１６):１３４Ｇ１４４．[７]㊀P E N G D,WA N G H,L I U Z,e ta l．M u l t i b r a n c ha n dM u l t i s c a l eC N Nf o r F a u l t D i a g n o s i s o fW h e e l s e tB e a r i n g s u n d e r S t r o n g N o i s e a n d V a r i a b l e L o a dC o n d i t i o n[J]．I E E E T r a n s a c t i o n so nI n d u s t r i a l I nＧf o r m a t i c s,２０２０,１６(７):４９４９Ｇ４９６０．[８]㊀高诗程,张朋,赵守军,等．电静压伺服系统指数型变阻尼滑模控制算法研究[J]．导弹与航天运载技术,２０２２(３):１１２Ｇ１１８．G A OS h i c h e n g,Z HA N GP e n g,Z HA OS h o u j u n,e ta l．S t u d y o na nE x p o n e n t i a lV a r i ab l eD a m p i n g S l i dＧi n g M o d e C o n t r o l A l g o r i t h mf o r a nE l e c t r oＧH y d r o s t a t i cA c t u a t o r[J]．M i s s i l e sa n d S p c a e V e h i c l e s,２０２２(３):１１２Ｇ１１８．[９]㊀K UMA R M．A S u r v e y o nE l e c t r o H y d r o s t a t i cA cＧt u a t o r:A r c h i t e c t u r ea n d W a y A h e a d[J]．M a t e r i a l sT o d a y:P r o c e e d i n g s,２０２１,４５(７):６０５７Ｇ６０６３．[１０]㊀X U EJ,S H E N B．A N o v e lS w a r m I n t e l l i g e n c e O p t i m i z a t i o nA p p r o a c h:S p a r r o wS e a r c hA l g o r i t h m[J]．S y s t e m s S c i e n c e&C o n t r o l E n g i n e e r i n g,２０２０,８(１):２２Ｇ３４．(编辑㊀卢湘帆)作者简介:贺青川,男,１９８４年生,讲师㊁博士.研究方向为机电产品可靠性试验评估㊁故障预测与健康管理等.发表论文２０余篇.EＧm a i l:h e q i n g c h u a n＠z s t u．e d u．c n.陈文华(通信作者),男,１９６３年生,教授㊁博士研究生导师.研究方向为机械设计㊁可靠性试验分析㊁评估等.发表论文２２０余篇.EＧm a i l:c h e n w h＠z sＧt u．e d u．c n.４１４１中国机械工程第３４卷第１２期２０２３年６月下半月Copyright©博看网. All Rights Reserved.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｍｏ ｔ ｏ ｒ ， ｔ ｈ ｅ ｐ ａ ｒ ａ ｌ ｌ ｅ ｌ ｐ ｌ ａ ｔ ｅ ｌ ｆ ｏ ｗ ｔ ｈ ｅ ｏ ｒ ｅ ｔ ｉ ｃ ａ ｌ ｆ ｏ ｒ ｍｕ ｌ ａ ｉ ｓ ｕ ｓ ｅ ｄ， ｃ ｏ ｎ ｓ ｉ ｄ ｅ ｉｎ ｒ ｇ ｔ ｈ ｅ ｉ ｍｐ ａ ｃ ｔ ｏ ｆ ｓ ｕ ｆａ ｒ ｃ ｅ ｒ ｏ ｕ ｇ ｈ ｎ ｅ ｓ ｓ ｏ ｎ ｔ ｈ ｅ ｌ ｅ ａ ｋ ａ ｇ ｅ ．
中图分 类号 ： Ｔ Ｈ１ ３ ７ ． ５
文献标 志 码 ： Ａ
文章 编号 ：１ ０ ０ ７ — ２ ６ ８ ３ （ ２ ０ １ ６ ） ０ ６ — ０ ０ １ １ — ０ ６
Ｓ ｔ ｕ ｄ ｙ ｏ ｎ ｔ ｈ ｅ Ｉ ｎ ｎ ｅ ｒ Ｌ ｅ ａ ｋ ａ ｇ ｅ ｏ ｆ Ｓｕ ｐ ｅ ｒ — Ｌ ｏ ｗ Ｓ ｐ ｅ ｅ尔 滨 理 工 大 学 学 报
Ｊ Ｏ ＵＲＮＡＬ ＯＦ ＨＡＲＢ Ｉ Ｎ ＵＮＩ ＶＥＲＳ Ｉ Ｔ Ｙ ＯＦ Ｓ Ｃ Ｉ ＥＮ ＣＥ ＡＮＤ Ｔ Ｅ ＣＨＮＯＬ ＯＧＹ
Ｖｏ １ ． ２１ Ｎｏ ．６
Ｄｅ ｃ ． ２０１ ６
２ ０ １ ６年 １ ２月
下 马达 的低速 跟踪 性 能进 行 了仿 真 ， 获得 了内泄 漏对马 达低速 性 能 的影响规 律 ， 为 改善连 续 回转 马 达低 速性 能 的控制 策略 设计 奠 定 了基 础 ．
关键 词 ： 电液伺 服 马达 ； 连 续回转 ； 低速 爬行 ； 内泄 漏 ； 表 面粗糙 度
ＤＯＩ ： １ ０ ． １ ５ ９ ３ ８ ／ ｊ ． ｊ ｈ ｕ ｓ ｔ ． ２ ０ １ ６ ． ０ ６ ． ０ ０ ３
ｐ ａ ｐ ｅ ｒ ａ ｎａ ｌ ｙ ｚ ｅ ｓ ｔ ｈｅ ｆ ａ ｃ ｔ ｏ ｒ ｓ ｉ ｎ ｌｕ ｆ ｅ ｎ ｃ ｉ ｎ ｇ ｔ ｈｅ ｍｏ ｔ ｏ ｒ ｌ ｏ ｗ ｓ ｐ ｅ ｅ ｄ ｐ ｅ ｒ ｆ ｏ ｒ ｍａ ｎ ｃ ｅ ｓ ． Ａｃ ｃ ｏ ｒ ｄ ｉ ｎｇ ｔ ｏ ｔ ｈ ｅ ｗｏ ｒ ｋ ｉ ｎ ｇ ｐ ｒ ｉ ｎ ｃ ｉ ｐ ｌ ｅ ｏ ｆ ｔ ｈ ｅ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ａ ｎ ｄ Ｐ ｏ ｗ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ，Ｈ ａ ｒ ｂ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｔ ］ ｒ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｉ ｔ ａ ｒ ｂ ｉ ｎ １ ５ ０ ０ ８ ０， Ｃ ｈ ｉ ｎ ａ ）
特 约稿 件
超 低 速 连 续 回 转 电 液 伺 服 马 达 内泄 漏 研 究
王晓 晶， 李 嵩 ， 满 国佳 ， 张 梦俭 ， 修 立 威
（ 哈 尔 滨 理 工 大 学 机 械 动 力工 程 学 院 ， 黑龙江 哈尔滨 １ ５ ０ ０ ８ ０ ）
摘
要： 针 对 叶片 式连 续回转 电液 伺服 马达 存在 低速 爬行 现 象的 问题 ， 分析影 响 马达低 速性 能
Ｃｏ ｎ ｔ ｉ ｎ ｕ ｏｕ ｓ Ｒｏ ｔ ａｒ ｙ Ｅｌ ｅ ｃ ｔ ｒ ｏ － Ｈｙ ｄｒ ａｕ ｌ ｉ ｃ Ｓｅ ｒ ｖ ｏ Ｍｏ ｔ ｏｒ
Ｗ Ａ Ｎ Ｇ Ｘ ｉ ａ ｏ — ｉｎ ｒ ｇ ， Ｌ Ｉ Ｓ ｏ ｎ ｇ ， ＭＡ Ｎ Ｇ ｕ ｏ － ｊ ｉ ａ ， Ｚ Ｈ Ａ ＮＧ Ｍ ｅ ｎ ｇ － ｉ ｆ ａ ｎ ， Ｘ １ Ｕ Ｌ ｉ — ｗ ｅ ｉ
Ｍａ ｔ ｈ ｅ ｍａ ｔ ｉ ｃ ａ ｌ ｍｏ ｄ ｅ ｌ ｏ ｆ ｔ ｈ ｅ ｉ ｎｔ ｅ ｒ ｎａ ｌ ｌ ｅ ａ ｋ ａ ｇ ｅ ｏ ｆ ｃ ｏ ｎｔ ｉ ｎ ｕｏ ｕ ｓ ｒ ｏ ｔ ａ ｒ ｙ ｍｏ ｔ ｏ ｒ ｉ ｓ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｄ ａ ｎ ｄ ｔ ｈ ｅ ｌ ａ ｗ ｏ ｆ ｔ ｈ ｅ ｉ ｎ ｔ ｅ ｒ ｎ ａ ｌ ｌ ｅ ａ ｋ ａ ｇ ｅ ｉ ｎ ｌ ｆ ｕｅ ｎｃ ｅ ｄ ｂ ｙ ｓ ｕ ｆａ ｒ ｃ ｅ ｒ ｏ ｕ ｇ ｈ ｎ ｅ ｓ ｓ， ｔ ｈ ｅ ｐ ｒ ｅ ｓ ｓ ｕ ｒ ｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｂｅ ｔ ｗｅ ｅ ｎ ｉ ｎ ｌ ｅ ｔ ａ ｎｄ ｏ ｕ ｔ ｌ ｅ ｔ ａ ｎ ｄ ｒ ｏ ｔ ａ ｔ ｉ ｏ ｎ ａ ｌ ａ ｎ ｇ ｕ ｌ ａ ｒ ｖ ｅ ｌ ｏ ｃ ｉ ｔ ｙ ｉ ｓ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ．Ｗｉ ｔ ｈ ｔ ｈ ｅ ｓ ｅ ｔ — ｕ ｐ ｏ ｆ ｔ ｈ ｅ ｐ ｉｎｃ ｒ ｉ ｐ ｌ ｅ ｂ ｌ ｏ ｃ ｋ ｄ ｉ ａ ｇ ｒ ａ ｍ ｏ ｆ ｔ ｈ ｅ ｓ ｉ ｎ ｇ ｌ ｅ — ｃ ｈ ａ ｎ ｎ ｅ ｌ ｅ ｌ ｅ ｃ ｔ ｒ ｏ — ｈ ｙ ｄ ｒ ａ ｕ ｌ ｉ ｃ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｓ ｅ ｒ ｖ ｏ ｓ ｙ ｓ ｔ ｅ ｍ ａ ｎｄ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｆ ｍｏ ｔ ｏ ｒ’ Ｓ ｌ ｏ ｗ— ｓ ｐ ｅ ｅ ｄ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ ｐ ｅ ｆｏ ｒ ｒ ｍａ ｎ ｃ ｅ ｓ ｕ ｎ ｄ ｅ ｒ ｄｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｌ ｅ ａ ｋ ａ ｇ ｅ ｃ ｏ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｓ
的 因素 ．根 据 马达 的工作 原理 ， 采 用 平行 平 板 缝 隙流 量理 论 公 式 ， 考虑 表 面粗糙 度 对 泄 漏量 的影 响， 建 立 了连 续回 转马达 内泄漏数 学模 型 ， 得 到 了表 面粗 糙 度 、 进 出 口压 力差 和 旋转 角速 度 对 内泄 漏 的影 响规律 ．通 过搭 建单 通道 电液位 置伺 服 系统 原理框 图 ， 采 用 ＭＡ Ｔ Ｌ Ａ Ｂ软 件 对 不 同泄 漏 系数
Ａｂｓ ｔ ｒ ａ ｃ ｔ ： Ａｉ ｍｉ ｎ ｇ ａ ｔ ｔ ｈ ｅ ｌ ｏ ｗ ｓ ｐｅ ｅ ｄ ｃ ｒ ｅ ｅ ｐｉ ｎ ｇ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｉ ｎ ｔ ｈ ｅ ｃ ｏ ｎ ｔ ｉ ｕ ｕ ｏ ｕ Ｓ ｒ ｏ ｔ ａ ｒ ｙ ｅ ｌ ｅ ｃ ｔ ｒ ｏ — ｈ ｙ ｄ ｒ ａ ｕ ｌ ｉ ｃ ｓ ｅ ｒ ｖ ｏ ｍｏ ｔ ｏ ｒ ， ｔ ｈ ｉ ｓ