工程机械第 41卷 2010 年 10 月Operation and Maintenance使 用维 修装载机故障诊断技术齐吉富 （福田雷沃国际重工股份有限公司 ）装载机故障诊断技术是利用测取装载机在工 作中或相对静态条件下的状态信息， 通过对所测得的信号进行分析和处理， 并结合诊断对象的历史状 态，来定量识别装载机及其零部件的实时技术状 态，并预知有关异常故障和预测未来的技术状态， 从而确定必要对策的技术。装载机故障诊断的实施包括两个部分， 一是简易诊断技术， 主要是由现场维修人员根据自己以往 的诊断经验， 对装载机的运行状态迅速而有效地作 出概括评价， 其主要手段是经验评价法； 二是精密 诊断技术，主要是专业技术人员实施高级精密技术， 对简易诊断技术所测得的信息进行深入细致的 分析和处理， 从而确定故障性质、 类别、 部位、 原因、程度乃至发展趋势等各种情况的技术， 此项技术即 为装载机故障诊断技术的关键所在。装载机故障诊断技术的研究主要有两方面的意义： （1 ） 理论意义。检验相关理论的发展完善程度， 寻找最佳故障诊断方法，完善装载机故障诊断研 究； 通过实施装载机故障诊断， 带动与故障诊断有 关的一系列相关理论， 如信号采集、 信号分析、 模式识别等相关学科的发展；为装载机的优化设计、 正确制造提供反馈信息及理论依据， 以保证设计出更 完善、 更符合要求的新一代产品。 （2 ） 经济意义。及时正确地对装载机运行中的 各类故障或异常作出诊断，以便确定最佳维修决策，提高运营经济效益； 保证装载机无故障、 安全可靠地 运行， 以便发挥其最大的设计能力和使用有效性。1装载机故障诊断技术的发展装载机在运行过程中如果出现故障， 不但会影响正常工作，有时甚至会产生严重的安全性后果，对装载机进行运行状态监测是解决装载机可靠性、 安全性的关键途径之一。 装载机故障通常依赖于维修人员的经验， 利用主观诊断方法进行诊断。随着信号处理和人工智能 技术的发展， 现代装载机的故障诊断中越来越多地运用到信号处理与人工智能技术。 1.1主观诊断方法 主观诊断方法是利用简单仪器， 凭借个人实践 经验， 找出装载机故障发生的部位和原因。主观诊断方法方便快捷， 但是由于个人的感觉不同， 判断能力和实践经验的差别， 诊断结果也会不同。主观 诊断方法适合诊断装载机的一些简单的故障。通常通过以下方法进行诊断。 1.1.1视觉诊断通过观察装载机执行机构的运动速度， 装载机 系统各测点数值， 油液状态， 各接头处是否漏油， 活 塞杆或工作台等运动部件的振动情况来确定压力 有无波动， 油液是否变质， 油液黏稠度是否合格， 运 动部件有无跳动冲击等异常现象， 从而判断装载机有无故障。1.1.2听觉诊断 通过倾听装载机系统噪声、 各部件换向的冲击 声、 泄漏声来确定系统噪声、 冲击声是否过大， 油路板内部有无细微而连续不断的声音， 从而判断装载机有无故障。1.1.3触觉诊断 通过触摸， 感觉装载机的油温、 振动等来确定 是否油温过高， 运行部件和油管有无振动， 从而判 断装载机有无故障。主观诊断方法， 对于不同的维修人员， 往往根 据自己以往的诊断经验而形成不同的认识和诊断 的先后步骤， 因此装载机故障诊断的经验知识具有如下特点： 装载机故障诊断知识是维修人员经过长 期的维修实践之后的经验总结， 知识之间具有很强的耦合关系， 不能形成很好的体系。 1.2基于信号处理的故障诊断方法 基于信号处理的故障诊断方法是以传感器技术 和动态测试技术为手段，以信号处理为基础的诊断66第 41卷 2010 年 10 月工程机械Operation and Maintenance使 用维 修图 1基于专家系统故障诊断方法结构图技术。这种诊断技术是装载机故障诊断技术研究的 一个十分活跃的分支， 发挥着极其重要的作用。装载机在现场工作时，通过各部件上安装的传 感器， 采集装载机的工作状态信息， 然后进行分析 处理， 提取关于装载机的运行情况以及有无故障和 故障发生、 发展情况， 其关键技术是信号的分析处理方法， 主要有振动时域、 频域分析， 倒频谱， 时频分析等。 振动时域的特征参数主要有： 峰值、 均值、 均方 幅值、 方差、 标准差、 三次距、 四次距、 波形因子、 脉 冲因子、 裕度因子等， 这些特征参数由于测量比较直接， 可以用于在线监测， 同时也可以作为其他各 种故障诊断方法的特征提取参数， 辅助诊断。 频域分析主要是通过某种变换，将振动信号从时域变换到频域，然后再进行特征提取的一种方 法， 其主要的处理方法有： 古典谱估计法和现代谱估计法。古典谱估计法包括周期图法、 自相关法及 其他一些改进算法， 现代谱估计法包括最大熵谱估 计法、 ARMA 法以及最小方差法等。古典谱估计法的优点是可以用 FFT快速计算，物理意义明确， 缺 点是谱分辨率偏低， 需要的数据量较多， 加窗易产生泄漏， 方差性能不好； 现代谱估计法具有较高的分辨率， 对数据量的要求较少， 但是容易产生波形 失真， 信噪比低。 时域或频域估计法只适用基于平稳或准平稳过程振动信号， 对于非平稳信号沿用时域或频域分析法则存在分辨率不足的问题， 时频分析弥补了仅用时域或频域分析时的分辨率不足的问题。1.3基于人工智能的诊断方法 装载机故障具有多样性、突发性和复杂性， 进行故障诊断所需要的知识主要来源于维修领域专 家对装载机结构、 功能的分析研究， 故障机理的分析和故障特征的提取。基于人工智能的装载机故障 诊断方法的基础是装载机故障知识处理， 它的主要 内容是知识表示、 知识获取和知识运用。基于人工智能的装载机故障诊断主要包括 3 个方面： 故障检 测、 数据预处理和故障诊断。所谓故障检测是判断系统中是否发生了故障以及检测出故障发生的时 刻；数据预处理就是对采集的数据进行适当的处理， 提取故障特征值， 为后续诊断分析作准备； 故障 诊断是指运用故障诊断理论分析推理出故障的类 别和严重程度。基于人工智能的装载机故障诊断方法主要包 括基于专家系统的故障诊断方法、 基于神经网络信息融合的故障诊断方法和基于模糊聚类信息融合 的故障诊断方法。1.3.1基于专家系统的故障诊断方法 基于专家系统的故障诊断方法， 是指计算机在 诊断过程中不断采集被诊断对象的信息， 并综合运用研究领域的专家根据长期的实践经验和大量的故障信息知识库中的经验规则进行推理， 从而快速 地找到系统可能的故障。专家系统的故障诊断方法 可以用如下结构图 （见图 1 ） 来说明， 它由知识库、 推理机、 用户接口、 学习系统、 推理解释器和上下文（黑板 ） 等组成， 其各部分的功能为：数据库通常由动态数据库和静态数据库两部 分组成， 前者用于存放装载机运行过程中的工作状态参数， 后者存放相对稳定的参数。 知识库用于存储专家系统的知识， 供推理机推理使用。知识是以一定的结构存储在知识库中的， 这种结构被称为知识表达。目前较为成熟的知识表达方法有： 谓词逻辑、 产生式规则、 特征表、 语义网络、 框架和剧本。67工程机械第 41卷 2010 年 10 月Operation and Maintenance使 用维 修知识获取系统也即学习系统， 用于获取专家系 统知识后送到知识库中， 并对知识库中的知识进行管理、 维护。对于经验知识， 一般是通过人机对话的 形式进行知识编辑， 然后将知识转化为知识库的内 部形式， 较为高级的系统是通过编译实现知识转化 的。对于可进行数据处理的数据信号知识， 由于知识模式的确定性， 还可进行知识的自动获取， 一般是通过对样本的修正来实现的。 推理机用于将知识库中的知识与当前状态知 识进行匹配， 即进行推理， 然后给出推理结果。推理方式分为正向推理、 反向推理和混合推理。正向推理也称数据驱动推理， 是在已知外界初始信息的情况下， 与知识库中的各个目标进行匹配， 最后求出 满意解； 反向推理也称目标驱动推理， 它依次假设 知识库中的一个目标为待求目标， 然后不断地从外 界获取知识进行验证， 直到找到满意解为止； 混合推理则是先进行正向推理缩小搜索空间， 然后进行 反向推理进行求解。用户接口是专家系统与用户实现交互的一种 设施， 它对专家系统的实用性有很大影响。推理解释器使专家工作更加透明， 易为用户理解， 上下文 （黑板 ） 为存放中间结果的地方。基于专家系统故障诊断的特点在于利用专家 的领域知识和经验为故障诊断服务， 但这种依赖于专家的领域知识获取方法已逐渐成为专家系统研 究开发中的瓶颈， 目前专家系统的开发通常和其他 诊断方法相结合， 以提高系统诊断能力。 1.3.2基于神经网络信息融合的故障诊断方法 基于神经网络信息融合故障诊断方法是运用神经网络把多个传感器所测得的特征信息进行融 合诊断。这种诊断方式可表述为： 对每个传感器检 测信息分别进行预处理、 特征提取， 建立对所检测装载机工作状态的初步结论；再通过关联处理、 决策层融合判决， 得到联合推理结果 （见图 2 ） 。 基于神经网络信息融合故障诊断一般需要结合加权系数、 故障隶属度、 信度函数等分析方法。以模糊神经网 络的信息融合为例， 其过程为： 选取合适的故障隶 属度函数，将多个传感器测试的特征信息模糊化，得到每个传感器在某症状下对应于各类故障的隶 属度值，然后作为神经网络的训练样本进行训练，把故障分类知识存储于网络的权值矩阵中， 从而构 造一个模糊神经网络的信息融合诊断系统， 输出即 为融合后该症状属于各类故障的隶属度值， 最后利用基于规则的判定原则进行故障决策。图 2基于神经网络信息融合故障诊断方法系统框架图神经网络融合诊断主要是针对多传感器信息 的融合， 可充分发挥神经网络的优势， 但由于其基本原理存在着一些不足， 如忽视了领域专家的经验 知识和网络权值的含义不明确等。1.3.3基于模糊聚类信息融合的故障诊断方法 模糊聚类的过程是对故障样本中的特征参数 进行融合分类的过程， 其分析方法主要为基于模糊等价关系的动态聚类法。 设给定论域 U 上的一个模糊关系 R= （rij）nn， 如果同时满足自反性、 对称性和 传递性， 则称 R= （rij）nn是一个模糊等价关系， 再根据 R 作出模糊等价矩阵。当用标准 0， 1对该模 糊等价矩阵作 截矩阵 R后， 所得 R也具有等价关系， 并可给出一个 水平的分类。 模糊动态聚类方法的步骤是： 1 ）选定欲融合分 类的样本全体 U= u1， u2， ， un ， 子样本 ui用 m 个特征参数 xim来表示，即 ui= (xi1,xi2, ,xim)， i=1， 2，68第 41卷 2010 年 10 月工程机械Operation and Maintenance使 用维 修 ， n； 2 ）标定，即确定 U 中任意两个元素 ui和 uj 的相似系数 rij=rji0， 1， 从而得到相似矩阵 R= （rij）nn，标定方法有距离法、 最大最小法、 相关系数法等； 3 ）分类， 选择不同的标准 0， 1， 分类方法有等价闭 包法和最大树法， 这样就可对样本全体 U 的 m 个特 征参数进行融合， 达到对信息群分类识别的目的。 模糊聚类方法可对设备故障状态的基本特征信息进行融合分类， 得到故障样本的标准模式。其不足之处在于故障样本的基本特征信息必须完备， 否则诊断结论有可能出现偏差。2装载机故障诊断技术的实施过程装载机故障诊断技术的实施过程分为状态监 测、 分析诊断和治理预防 3 个阶段。2.1装载机工作状态监测 按照不同的诊断目的和对象， 选择最便于诊断的装载机工作状态信号， 使用传感器、 数据采集器 等技术手段， 加以监测与采集。由此建立起来的装载机工作状态信号的数据库， 属于初始模式。2.2故障特征提取将初始模式的装载机工作状态信号通过信号 处理， 进行放大或压缩、 形式变换、 去除噪声等干 扰， 以提取故障特征， 形成故障待检模式。2.3