基于模型-传感器信息融合的典型液压设备故障预测方法研究

Widely used in aerospace and weapons, hydraulic equipment's operational reliability can be effectively enhanced by research and application of prognostics and health management(PHM). To meet the urgent need for fault prognostics accuracy enhancement, this project plans to establish one new fault prognostics method based on model-sensor, utilizing information fusion technology to integrate the both methods based on model and on sensor. The new method can enhance the confidence level of fault prognostics and promote the research and application of hydraulic equipment PHM system. The project research includes: 1)New method on hydraulic equipment incipient fault weak characteristic signal detection in strong noise background, utilizing adaptive random resonance theory；2)New method on hydraulic equipment incipient fault feature extraction, utilizing wavelet analysis, empirical mode decomposition and mathematical morphology；3)Research on universal deterioration law of typical hydraulic equipment to establish its performance deterioration model, by performance deteriotation tests；4)Improvement method on probability assignment and combination rules in D-S evidence theory to effectively fuse model information and sensor data, and new method on fault prognostics for typical hydraulic equipment based on model-sensor.

液压设备广泛应用于航空航天、武器装备等重要领域，通过对故障预测与健康管理(PHM)理论的研究与应用，可有效提高液压设备的运行可靠性。本项目针对故障预测准确度亟待提高这一突出问题，拟将基于模型的故障预测方法与基于传感器(数据)的故障预测方法结合起来，应用信息融合技术建立基于模型-传感器的故障预测新方法，提高故障预测的置信度水平，进一步推动液压设备PHM系统的研究与应用。具体研究内容包括：①应用自适应随机共振理论，研究强噪声背景下液压设备潜在故障微弱特征信号检测新方法；②组合应用小波分析、经验模态分解和数学形态学等技术，研究液压设备潜在故障特征提取新方法；③通过性能劣化试验，研究典型液压设备的一般劣化规律，建立其性能劣化模型；④改进D-S证据理论中的可信度函数和组合规则，以利于对模型信息与传感器数据进行有效融合，并进一步建立基于模型-传感器的典型液压设备故障预测新方法。

依据资助项目计划书，本项目组对基于模型-传感器信息融合的典型液压设备液压泵故障预测方法进行了深入的研究。首先，我们设计并开展了液压泵性能退化试验，对试验数据进行了采集与整理，为液压泵故障预测提供了数据支持。然后，针对液压泵性能退化过程中振动信号非线性强、干扰成分多、故障信息微弱的特点，提出了改进自适应随机共振算法和形态非抽样小波分解融合算法，以抑制原始振动信号中的噪声等干扰成分，改善特征信息的比重。在此基础上，我们研究了基于复杂度理论的性能退化特征提取方法，分别提取了DCT高阶谱奇异熵、多重分形谱参数和复合谱熵作为液压泵性能退化特征，从不同角度、不同层次反映了液压泵的性能退化过程。最后，建立了基于传感器数据的液压泵故障预测模型和反映液压泵一般退化规律的双应力指数退化模型，并针对传统故障预测方法信源单一、预测效果不佳的问题，应用证据理论，提出了基于小世界-回声状态网络预测模型和双应力指数退化模型的信息融合故障预测方法，并验证了其先进性和有效性。该项目研究成果有：研制了液压泵性能退化试验台1套，开发了液压泵故障预测软件1套，发表学术论文22篇（其中SCI源刊论文6篇，EI源刊论文16篇），申报并已受理国家发明专利2项，培养博士研究生4名（其中3名已取得博士学位、1名在读）、硕士研究生2名（均已取得硕士学位）。通过该项目的研究，建立了一套液压泵故障预测的新方法，有效提高了液压泵故障预测的准确度。