利用AR模型和支持向量机的调速阀故障识别

　　调速阀是液压元件中结构较为复杂、容易发生故障的一类典型的液压元件，因此，调速阀的故障识别对于液压系统的维护有着重要的意义[1].典型的故障诊断系统由数据获取、预处理、特征提取和选择，以及分类决策4个部分组成.信息获取主要针对能够反映机械运行状态的信息，如振动信号、声音信号等.预处理的目的是去除噪声，加强有用信息.特征选择和提取是为了有效地实现分类识别，就要对原始数据进行分析变换，得到最能反映分类本质的特征.分类决策是将被识别对象归为某一类，也就是区分正常状态与各种异常状态[2].本文提出一种基于AR模型和支持向量机的液压调速阀故障诊断方法.

　　1　调速阀体的振动信号采集实验

　　1.1　检测系统

　　调速阀和检测系统的结构简图，如图1，2所示.测控系统的硬件有计算机、PS-3030D型直流电源(北京固纬电子有限公司)、ST-1-03型非接触式电涡流位移传感器(北京昆仑海岸公司)、数据采集卡PCI-6014及接线端子8LP(美国国家仪器公司).采用Lab VIEW7.1编写系统检测程序.通过单通数据连续采集信号，再对采样信号进行滤波，滤波后的信号进行单边Fourier变换，求取信号频谱.全部测试和分析由计算机自动完成.

　　1.2　测试过程

　　实验中，人为设置3种故障：(1)节流阀后腔的弹簧变形;(2)节流阀弹簧里有异物;(3)节流阀后腔缺圆柱铁芯.调速阀的故障会在阀体工作时产生的振动信号中表现出来.分别采集正常和各种故障情况下的振动位移信号进行数据处理分析.

　　1.3　数据预处理

　　分别选取几组在正常状态和故障状态下采集的数据进行分析.由于信号的变化趋势会影响故障诊断的全面性和准确性[3]，所以对所取数据先进行预处理.正常情况和故障1在滤波处理前后的电压数据，如图3所示.由图3可知，位移电压信号是一种平稳时间序列.

　　2　调速阀体振动信号的自回归AR模型

　　2.1　特征选择和提取

　　大量的研究表明，AR模型的自回归系数对状态变化规律敏感[4].因此，采用AR模型的自回归系数作为特征向量来分析系统的状态变化是十分有效的.假设采集的调速阀体振动信号是xt，对振动信号建立如下的自回归模型AR(p).即

式(1)中：φ_i(i=1，2，…，p)，p分别是自回归模型AR(p)的自回归系数和模型阶数;at为模型的残差，属于均值为零、方差为S₂的白噪声系列.

　　由于自回归系数φ_i(i=1，2，…，p)反映了液压调速阀振动系统的固有特性，模型的残差方差S₂与液压调速阀振动系统的输出特性密切相关.因此，可以采用自回归系数φ_i(i=1，2，…，p)和残差方差S₂组成的特征向φ=[φ₁，φ₂，…，φ_p，S₂]输入到支持向量机来识别液压调速阀的状态.