本發(fā)明涉及液壓缸內(nèi)泄露監(jiān)測(cè)領(lǐng)域，具體涉及一種基于聲發(fā)射信號(hào)特征的液壓缸內(nèi)泄露監(jiān)測(cè)裝置及監(jiān)測(cè)方法。
背景技術(shù)：
1、液壓缸作為液壓系統(tǒng)的核心執(zhí)行元件，其密封完整性是保障設(shè)備高效穩(wěn)定工作的基礎(chǔ)條件，其性能優(yōu)劣直接影響工程機(jī)械、航空航天等關(guān)鍵領(lǐng)域的運(yùn)行可靠性。液壓缸內(nèi)泄漏作為典型的漸進(jìn)式故障，在初期階段往往無(wú)明顯外在表現(xiàn)，然而，在長(zhǎng)期高負(fù)荷、變工況運(yùn)行過(guò)程中，液壓缸內(nèi)泄漏問(wèn)題隨之嚴(yán)重，主要表現(xiàn)為活塞密封副因磨損、劃傷或變形導(dǎo)致高壓腔與低壓腔間油液異常滲漏。內(nèi)泄漏不僅造成液壓缸工作效率下降、油溫升高及系統(tǒng)壓力波動(dòng)，更可能引發(fā)執(zhí)行機(jī)構(gòu)定位漂移、突發(fā)性停機(jī)甚至安全事故。
2、目前，已有相關(guān)的針對(duì)液壓缸油液泄漏故障進(jìn)行檢測(cè)的相關(guān)方案，其主要是通過(guò)各種傳感器信號(hào)特征實(shí)現(xiàn)。其中壓力、振動(dòng)、流量信號(hào)被認(rèn)為能夠?qū)π孤┕收习l(fā)生時(shí)的信號(hào)特征進(jìn)行分析，從而有效反映液壓缸的運(yùn)行狀態(tài)。但是目前相關(guān)的監(jiān)測(cè)裝置和監(jiān)測(cè)方法還存在如下缺陷。
3、1.傳統(tǒng)監(jiān)測(cè)裝置，而其安裝方式需要嵌入至液壓缸內(nèi)部，這不僅破壞了液壓缸本身結(jié)構(gòu)的完整性，也增加了生產(chǎn)工序的復(fù)雜度。
4、2.通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式實(shí)現(xiàn)監(jiān)測(cè)，需要依賴(lài)于龐大的數(shù)據(jù)樣本和復(fù)雜的參數(shù)優(yōu)化，冗余的計(jì)算成本限制了其在實(shí)時(shí)監(jiān)測(cè)中的應(yīng)用潛力。
5、3.對(duì)于不同泄露程度的信號(hào)特征缺乏系統(tǒng)性和定量化的分析，難以精準(zhǔn)分級(jí)，同時(shí)未考慮處理大量信號(hào)數(shù)據(jù)的時(shí)間成本，計(jì)算復(fù)雜度高，難以滿(mǎn)足實(shí)時(shí)性要求，且整個(gè)狀態(tài)識(shí)別機(jī)制不夠明晰。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的首要目的是提供一種基于聲發(fā)射信號(hào)特征的液壓缸內(nèi)泄漏監(jiān)測(cè)裝置，其解決傳統(tǒng)監(jiān)測(cè)裝置需侵入式安裝的問(wèn)題。
2、為實(shí)現(xiàn)上述目的，本發(fā)明依照下述記載的技術(shù)方案進(jìn)行具體實(shí)施。
3、一種基于聲發(fā)射信號(hào)特征的液壓缸內(nèi)泄漏監(jiān)測(cè)裝置，其特征在于：包括用于對(duì)缸體內(nèi)泄漏產(chǎn)生的周向聲發(fā)射信號(hào)進(jìn)行采集的各a傳感器，對(duì)活塞桿傳導(dǎo)的軸向聲發(fā)射信號(hào)進(jìn)行采集的b傳感器，各a傳感器沿缸體的周向間隔安裝在缸體外壁面上，b傳感器安裝在活塞桿的外端部，a傳感器和b傳感器將采集的信號(hào)通過(guò)前置放大器輸送至聲發(fā)射儀，聲發(fā)射儀對(duì)輸入的信號(hào)進(jìn)行處理分析缸體內(nèi)泄漏情況。
4、具體的方案為：a傳感器的中心線與缸體的徑向相匹配，a傳感器設(shè)置4個(gè)，各a傳感器均對(duì)應(yīng)活塞行程的中部設(shè)置且安裝在同一平面，相鄰a傳感器之間的夾角為90°±5°，b傳感器設(shè)置2個(gè)，b傳感器的中心線與活塞桿的身長(zhǎng)方向相匹配，b傳感器安裝在活塞桿端部設(shè)置的沉孔內(nèi)。
5、a傳感器通過(guò)磁吸式夾具固定安裝，磁吸式夾具和缸體外壁面之間設(shè)置有由耦合劑構(gòu)成接觸層，b傳感器通過(guò)螺紋連接方式固定，沉孔深度大于b傳感器高度。
6、聲發(fā)射儀包括依序設(shè)置的對(duì)信號(hào)進(jìn)行放大的主放大模塊，將a/d數(shù)據(jù)轉(zhuǎn)換為數(shù)字信號(hào)的a/d數(shù)據(jù)轉(zhuǎn)換模塊，對(duì)數(shù)字信號(hào)進(jìn)行分析處理的數(shù)字信號(hào)處理模塊，聲發(fā)射儀與顯示終端相連接。
7、本發(fā)明還提供了一種基于聲發(fā)射信號(hào)特征的液壓缸內(nèi)泄漏監(jiān)測(cè)方法，具體操作如下。
8、s10：?jiǎn)?dòng)裝配好的監(jiān)測(cè)裝置，采集液壓缸運(yùn)行時(shí)聲發(fā)射傳感器數(shù)據(jù)，記錄非平穩(wěn)性聲波信號(hào)并分割聲波信號(hào)為時(shí)序信號(hào)數(shù)據(jù)；
9、s20：將時(shí)序信號(hào)數(shù)據(jù)輸入至訓(xùn)練好的特征差分運(yùn)算器，提取當(dāng)前狀態(tài)數(shù)據(jù)的特征向量，計(jì)算與基準(zhǔn)特征庫(kù)之間的特征偏差；
10、s30：將特征偏差的絕對(duì)值大小作為液壓缸是否發(fā)生內(nèi)泄漏的判斷標(biāo)準(zhǔn)以特征偏差閾值作為泄漏程度評(píng)估，并輸出預(yù)測(cè)置信度分布；
11、s40：基于預(yù)測(cè)置信度分布自適應(yīng)選擇訓(xùn)練好的二分類(lèi)模型進(jìn)行二次識(shí)別，確定液壓缸泄漏狀態(tài)；
12、s50：根據(jù)特征偏差判斷結(jié)果和分類(lèi)模型識(shí)別結(jié)果的評(píng)估決定是否觸發(fā)特征偏差閾值參數(shù)更新機(jī)制。
13、具體的操作為：步驟s10中：時(shí)序信號(hào)數(shù)據(jù)為每個(gè)聲發(fā)射信號(hào)形成的振幅隨時(shí)間變換的波形流v(t)。
14、步驟s20特征偏差的計(jì)算包括：
15、s11：對(duì)時(shí)序信號(hào)數(shù)據(jù)采用滑動(dòng)窗口標(biāo)準(zhǔn)化預(yù)處理，通過(guò)固定長(zhǎng)度的滑動(dòng)時(shí)間窗截取連續(xù)歷史區(qū)段，并將若干個(gè)連續(xù)歷史區(qū)段的窗口數(shù)據(jù)中的幅值參數(shù)輸入至訓(xùn)練好的特征差分運(yùn)算器的前置全連接層，通過(guò)前置全連接層對(duì)窗口數(shù)據(jù)進(jìn)行特征表征，構(gòu)建多維特征向量；
16、s12：建立基于高斯混合模型的正常運(yùn)行基準(zhǔn)特征庫(kù)，采用馬氏距離度量實(shí)時(shí)特征向量與正?；鶞?zhǔn)之間的偏離程度，通過(guò)特征權(quán)重空間映射得到特征偏差；
17、步驟s11中特征表征過(guò)程包括：對(duì)窗口內(nèi)數(shù)據(jù)進(jìn)行時(shí)頻域聯(lián)合分析，將時(shí)域統(tǒng)計(jì)量與頻域特征拼接后輸入偏差計(jì)算層；同時(shí)對(duì)b傳感器采集的時(shí)序信號(hào)進(jìn)行互相關(guān)處理，得到泄漏源沿活塞桿軸向的定位坐標(biāo)，對(duì)a傳感器采集的時(shí)序信號(hào)進(jìn)行互相關(guān)時(shí)延分析，得到泄漏源沿缸筒周向的定位角度。
18、特征差分運(yùn)算器包括輸入板塊、前置全連接層、偏差計(jì)算層、多頭注意力層和輸出板塊；
19、輸入板塊：其用于將實(shí)時(shí)信號(hào)數(shù)據(jù)v(t)去噪預(yù)處理，并通過(guò)固定長(zhǎng)度的滑動(dòng)時(shí)間窗截取連續(xù)歷史區(qū)段v(ti)(i＝1、2…n)；
20、前置全連接層：其用于對(duì)輸入的連續(xù)歷史區(qū)段信號(hào)v(ti)進(jìn)行特征表征，構(gòu)建多維特征矩陣x＝[x1，…x8]；
21、偏差計(jì)算層：用于計(jì)算實(shí)時(shí)信號(hào)特征值與標(biāo)準(zhǔn)特征值之間的馬氏距離；馬氏距離可以視為協(xié)方差矩陣為∑且服從同一分布的隨機(jī)變量μ與v的差異程度：
22、
23、馬氏距離能夠很好地排除變量之間的相關(guān)性干擾，因此，將訓(xùn)練樣本的特征值記為pj，監(jiān)測(cè)樣本的特征值記為計(jì)算所有訓(xùn)練樣本的特征值pj的平均值和方差σ2(pj)，通過(guò)下式計(jì)算和標(biāo)準(zhǔn)特征值之間的馬氏距離:
24、
25、這里特征值pj的平均值即為標(biāo)準(zhǔn)特征值，其計(jì)算公式如下：
26、
27、xref是基準(zhǔn)庫(kù)中存儲(chǔ)的正常狀態(tài)下的特征值；
28、多頭注意力層：其用于差異特征聚集，通過(guò)注意力權(quán)重自動(dòng)學(xué)習(xí)時(shí)頻域特征的重要性比例，加權(quán)得到最終特征偏差w；
29、輸出板塊：用于輸出特征偏差w＝[w1,…w8]。
30、多頭注意力層是基于注意力機(jī)制自動(dòng)學(xué)習(xí)時(shí)頻域特征的重要性比例，注意力機(jī)制是通過(guò)端到端訓(xùn)練自動(dòng)捕捉特征間的非線性關(guān)系，為不同工況下的時(shí)域和頻域特征賦予動(dòng)態(tài)權(quán)重，權(quán)重計(jì)算包括：
31、計(jì)算每個(gè)特征變量的注意力分?jǐn)?shù)ei：
32、ei＝leakyrelu(w·xj+b)
33、用softmax歸一化為權(quán)重αj：
34、
35、加權(quán)求和dm(xi)得到最終特征偏差w：
36、w＝∑αjdm(xj)?(j＝1…8)。
37、步驟s40中：
38、若|w|<m?control?limit，則輸入由正常狀態(tài)和輕度泄漏樣本訓(xùn)練得到的二分類(lèi)模型進(jìn)行識(shí)別，確定液壓缸的內(nèi)泄漏狀態(tài)；
39、若|w|>m?control?limit且|w|<s?control?limit，則輸入由輕度泄漏和中度泄漏樣本訓(xùn)練得到的二分類(lèi)模型進(jìn)行識(shí)別，確定液壓缸的內(nèi)泄漏狀態(tài)；
40、若|w|>m?control?limit且|w|>s?control?limit，則輸入由中度泄漏和重度泄漏樣本訓(xùn)練得到的二分類(lèi)模型進(jìn)行識(shí)別，最終確定液壓缸的內(nèi)泄漏狀態(tài)。
41、步驟s50中：
42、根據(jù)兩次診斷結(jié)果評(píng)估來(lái)決定是否觸發(fā)雙閾值模型參數(shù)的更新機(jī)制；
43、若所述液壓缸內(nèi)泄漏狀態(tài)識(shí)別結(jié)果不滿(mǎn)足信號(hào)特征偏差比較結(jié)果，則更新診斷模型參數(shù)m和s，再次執(zhí)行分級(jí)診斷；
44、若所述液壓缸內(nèi)泄漏狀態(tài)識(shí)別結(jié)果滿(mǎn)足信號(hào)特征偏差比較結(jié)果，則輸出結(jié)果。
45、聲發(fā)射技術(shù)作為一種靈敏度極高的無(wú)損檢測(cè)技術(shù)，能夠檢測(cè)微弱的內(nèi)部泄露信號(hào)且不影響機(jī)器運(yùn)行，與振動(dòng)技術(shù)等其他無(wú)損檢測(cè)技術(shù)相比，聲發(fā)射技術(shù)具有信噪比高、對(duì)高頻機(jī)械異常敏感、適用性廣等優(yōu)勢(shì)。
46、本發(fā)明提供的監(jiān)測(cè)裝置，利用聲發(fā)射技術(shù)實(shí)現(xiàn)液壓缸內(nèi)泄漏狀態(tài)監(jiān)測(cè)的同時(shí)保證了液壓缸結(jié)構(gòu)的完整性，根據(jù)液壓缸的結(jié)構(gòu)特征布設(shè)聲發(fā)射傳感器，精準(zhǔn)捕捉泄漏信號(hào)變化。
47、本發(fā)明提供的檢測(cè)方法，基于聲發(fā)射信號(hào)的時(shí)頻域特征分析，建立了泄漏狀態(tài)與信號(hào)特征的映射關(guān)系，實(shí)現(xiàn)了泄漏程度的量化評(píng)估。通過(guò)構(gòu)建實(shí)時(shí)特征偏差分析算法并結(jié)合精細(xì)化分類(lèi)模型顯著提高了液壓缸針對(duì)內(nèi)泄漏的感知能力，使得能夠更精準(zhǔn)地、更快速地實(shí)現(xiàn)對(duì)液壓缸運(yùn)行狀態(tài)的識(shí)別。能夠提升在泄露初期的診斷精度，實(shí)現(xiàn)泄露的精準(zhǔn)分級(jí)，以及滿(mǎn)足實(shí)時(shí)監(jiān)測(cè)的需求。并且能夠有效減少噪聲干擾，降低模型計(jì)算的復(fù)雜度，并通過(guò)多級(jí)判別提高識(shí)別精度，實(shí)現(xiàn)內(nèi)泄漏的實(shí)時(shí)監(jiān)測(cè)，動(dòng)態(tài)調(diào)整閾值以適應(yīng)不同工況及泄漏狀態(tài)變化，適用于多種液壓缸應(yīng)用場(chǎng)景。