轴向柱塞泵故障诊断与预测

轴向柱塞泵故障诊断与预测李启龙黄志坚（广东工业大学机电工程学院510090）摘要：本文主要介绍轴向柱塞泵故障诊断和预测方法。

把各故障症状模糊量化作为输入，经过诊断可找出故障的原因，利用故障预测模型对轴向柱塞泵未来的状况进行预测，可减小意外故障对生产的影响。

关键词：故障诊断，模糊处理，故障预测，故障症状，故障原因Diagnosis and forecast for the fault of Axial Plunger Pump Abstract:：The way of diagnosis and forecast for the fault of axial plunger pumps have been introduced in this paper. Using symptoms of fault as input by fuzzy way, the reasons of fault can be got; and by means of forecasting model, the fault of axial plunger pump in future can be forecasted, the affect of faults to producing will be lowest. Key words: diagnosis for fault, fuzzy way，forecast for fault, symptoms of fault, reasons of fault1 轴向柱塞泵故障诊断与预测概述[1]液压泵是整个液压系统的动力元件。

它将原动机（电动机，内燃机）的机械能转换成油液的压力能，为液压系统提供有一定流量和压力的油液。

轴向柱塞泵有其自身的优点，结构紧凑、径向尺寸小,惯性小,容积效率高,目前最高压力可达40.0MPa,甚至更高，因此一般用于工程机械、压力机等高压系统中在很多的场合如矿山机械，钢铁厂等。

液压泵出现故障将导致整个液压系统无法正常工作，液压泵的故障诊断对液压系统和整个生产线都有重大的意义。

本文主要针对斜盘式轴向柱塞泵发生的故障进行诊断方法的一个模型建立和讨论。

对柱塞泵的智能故障诊断，一般是开发出故障诊断专家系统等方法直接诊断出故障发生的位置和发生的原因，然后利用专家的知识推理，提出故障解决的方案和措施。

而很少对故障进行预测，不能有效的对柱塞泵预先检修，而有可能耽误了最佳的检修时间，影响生产，并使泵遭受不可修复的损坏，缩短泵的使用寿命。

由于导致泵故障的因素多样，一个因素会导致多个故障产生，一个故障，也可能是由多个因素共同产生的，因此，在很多情况下，并不能非常准确地描述故障的情况。

本文用模糊处理的方法，利用模糊数学的概念，把故障的症状进行模糊化作为诊断的依据，同时输出故障原因的模糊量。

对柱塞泵的故障进行诊断，诊断出故障发生的原因和元件，并对柱塞泵故障进行预测，达到预警的目的。

2 故障诊断的方法——故障的分类[2][3]故障的分类，是同一时间不同故障之间的相互比较，分辨出最可能发生的故障。

根据故障症状的明显程度和故障原因对应的模糊关系，以及故障原因和故障源发生难易性的对应关系，两条路径综合考虑的方法来求出最后的故障发生的原因。

以某钢铁公司轧钢线PV250DF型柱塞泵为例，主要的故障症状有液压泵的压力小，压力波动大，油液温度高，内泄漏大，流量小或无流量，振动大等。

2.1 有关参量的模糊处理设故障症状集为A ：A ＝（a 1、a 2、a 3、a 4、a 5，a 6 ，a 7 ，a 8 ，a 9）；其中，a 1表示压力小，a 2压力波动大，a 3表示表示流量小，a 4表示内泄漏大，a 5表示油液温度高，a 6表示225HZ 振动大，a 7表示铜含量大，a 8表示铬含量大，a 9表示铁含量大。

产生这些症状的主要故障有缸体与配流盘磨损，滑履与斜盘磨损，柱塞与缸孔磨损等。

设故障集为B ：B ＝（b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9、b 10、b 11）；其中b 1表示缸体与配流盘磨损，b 2表示滑履与斜盘磨损，b 3表示柱塞与缸孔磨损，b 4 表示吸油口堵塞、b 5表示油液粘度高，b 6表示中心弹簧损坏，b 7表示吸油不足，吸空，b 8表示轴承损坏，b 9表示油液粘度小，b 10表示滤油器堵塞，b 11表示变量机构工作不佳。

设主要导致这些故障的故障源集为C ：C ＝（c 1, c 2, c 3, c 4）c 1表示运行时间长，磨损大，c 2表示油液污染，c 3表示混入空气，c 4表示混入水分。

用模糊处理的方法来表示故障与症状之间的密切关系。

用隶属函数对这种关系进行模糊量化，假设隶属函数为ij r ，其中i 表示故障，取（1，11），j 表示症状，取（1，5）。

根据统计整理得到隶属函数如下： 故障：b 1 b 2 b 3 b 4 b 5 b 6 b 7 b 8 b 9 b 10 b 11症状：a 1 0.8 0.4 0.8 0.4 0.2 0.2 0 0 0 0 0a 2 0.6 0.8 0.6 0.4 0.2 0.2 0.2 0.2 0 0.4 0a 3 0.8 0.2 0.8 0 0.2 0.2 0.2 0 0 0.6 0.2a 4 0.8 0.8 0.6 0 0 0.4 0 0.2 0.4 0 0a 5 0.8 0.4 0.8 0 0.4 0.2 0.2 0 0 0 0a 6 0.6 0.6 0.6 0 0.2 0 0.2 0.4 0 0.2 0a 7 0.8 0.8 0.6 0.2 0 0.4 0 0.6 0 0.6 0.4a 8 0 0 0.8 0.2 0 0.4 0 0.2 0 0.2 0.2a 9 0.6 0.6 0 0.2 0 0.4 0 0.4 0 0.2 0.4故障和症状之间的隶属函数，形成矩阵R 。

作为输入的量，是可以用各种仪器和方法测得的症状数据，数据的大小用症状的明显程度来表示。

设故障症状的明显程度集X ＝（x 1,x 2,x 3,x 4,x 5）。

对故障症状的明显程度模糊量化，作为输入。

其模糊函数集为：123456789()((),(),(),(),(),(),(),(),())x x x x x x x x x x μμμμμμμμμμ=。

各症状对应的明显度模糊函数如下：症状特征量/单位 隶属度/量值0 0.2 0.4 0.6 0.8 1.0压力低 / MPa >28.8 (286,28.8) (28.4,28.6) (28.2,28.4) (28,28.2) ≤28压力波动大/±MPa ≤0.2 (0.2,0.4) (0.4,0.6) (0.6,0.8) (0.8,1.0) >1.0流量小/L/min >370 (365,370) (360,365) (355,360) (350,355) ≤350泄漏大/L/min ≤2 (2,4) (4,6) (6,8) (8,10) >10泵温高/℃ ≤60 (60,63) (63,66) (66,69) (69,72) >72225Hz 振动大/mm/s ≤2 (2,4) (4,6) (6,8) (8,10) >10 铜含量大/ppm ≤2 (2,3) (3,4) (4,5) (5,6) >6铬含量大/ppm ≤0.2 (0.2,0.3) (0.3,0.4) (0.4,0.5) (0.5,0.6) >0.6铁含量大/ppm ≤3 (3,4) (4,5) (5,6) (6,7) >7故障源发生可能性（难易性）隶属函数集为：12345()((),(),(),(),())x c c c c c δδδδδδ=故障源 特征量单位 隶属度/量值0 0.2 0.4 0.6 0.8 1.0运行时间长/ 千小时 [0,4] [4,6] [6,8] [8,10] [10,12] ≥12混入空气/ ‰ [0,0.3] [0.3,0.6] [0.6,0.9] [0.9,1.2] [1.2,1.45] ≥16油液污染/ Nas 级 ≤6 7 8 9 10 >10油中水分多/ ‰ [0,0.5] [0.5,1] [1,1.5] [1.5,2] [2,2.5] ≥2.5故障与故障源之间的密切系数ik s ，其中i 表示故障，取（1，11），k 表示故障源，取（1，4），所构成的隶属函数为：故障：b 1 b 2 b 3 b 4 b 5 b 6 b 7 b 8 b 9 b 10 b 11故障源：c 1 0.6 0.8 0.8 0.2 0 0.6 0 0.6 0 0.2 0.6c 2 0.4 0.6 0.6 0.8 0.2 0.6 0 0.6 0.2 0.8 0.2c 3 0.6 0.4 0.6 0 0.2 0.2 0.8 0.2 0 0 0c 4 0.4 0.6 0.4 0 0 0 0 0.2 0.6 0 0 2.2 由故障与症状之间的隶属关系求出故障发生的可能性设由故障与症状之间的隶属关系求出故障发生的可能性值集为：(1)(1)(1)(1)(1)1211(,)j Y y y y y =⋅⋅⋅⋅⋅⋅，(1)jy 表示每个故障原因成立的可能性。

5(1)1()j ij i i y rx μ==∑g为了便于相互比较，把求得的每一值进行归一处理，使求得的值都在（0，1）之间，只需要把每一个值都除以求得的(1)jy 的最大值即可，其中(1)m ax j y 为： 55(1)max max 11()j ij i ij i i y rx r μ====∑∑g归一化处理的结果为：'5(1)(1)1(1)max ()ij i j i j j ij r x y y y r μ===∑g2.3 由故障与故障源之间的隶属关系求出故障发生的可能性设由故障与故障源之间的隶属关系求出故障发生的可能性值集为(2)(2)(2)(2)(2)1211(,)j Y y y y y =⋅⋅⋅⋅⋅⋅ 其中(2)jy 表示每个故障成立的可能性。

5(2)1()j ij i i y s x δ==∑g同样进行归一化处理 55(2)max max 11()j ij i ij i i y sx s δ====∑∑g 归一化处理的结果为：'5(2)(2)1(2)max ()ij i j i j j ijs x y y y s δ===∑g 2.3 综合评判对两项结果进行综合处理，对两项结果的加权求和，得到最后的结果，即根据可观测的故障症状明显度求得的故障原因发生的可能性j y 为：''(1)(2)12j j j j j y y y αα=+g g1j α和2j α分别是故障和症状，故障和故障源之间的权系数，且121j j αα+=，取1j α＝0.6；2j α＝0.4Y=(Y1，2，…，Y11)中较大者所对应的故障是最可能的故障。