关键词：液压系统；工程机械；金属零件；故障监测
引言
目前我国的机械制品的销售量和销售额已经远远超过美洲，欧洲的所有发达国家，成为名副其实的工业大国了。在机械工程的制造中最常见的问题就是金属零件的运行故障问题，而对于运行故障的监测最有效的办法就是液压技术了。液压技术中液压系统的组成共有五部分：动力元件、执行元件、控制元件、辅助元件和液压油。液压系统的监测技术具有许多无可替代的优点，如最直观的图像数据，控制性极强，容易安装等而备受青睐。但也有不少的缺点，如耗电量大，可靠性低等。由于故障模式一般有泄液、噪声、振动过大、油液过热、压力波动、机械失灵和流量不足等，均可对环境造成极大的污染。所以金属零件的故障问题对极大的影响我们的环境安全，对金属零件的分析越透彻监测出的故障问题越多那么环境就越安全。可靠性即对所测金属零件各个部分进行针对性检查的理论参考系数。可靠性的所表达的含义为：在规定的条件和时间下，可以达到规定的功能，简言之同时达到三个规定即为可靠。具有了可靠性才能使用合理的工程技术手段，并运用高等数学工具构建仿真模型，在分析中找出不足之处，如果可靠性低则就说明液体系统的工作性能差，所以想要提高液体技术的工作效率就必须提高其可靠性，本文基于目前存在的可靠性低的问题将AMESim软件带入液态系统技术中通过构建模型的方法分析所测零件的工作原理，而得到更精确的可靠性，进而提供液态系统技术的监测效率。
1基于液压系统的工程机械金属零件运行故障监测方法设计
1.1绘制所测金属零件的草图
首先要理解元件，即由人工根据金属运行故障的相关工作经验，根据所测金属零件的实际情况筛选出所需测量的物理量作为主要元件参数。所需物理量主要包括：液压缸冲程的长度、活塞的半径、轴承的半径等在模型构建中起决定性作用的有价值参数；其次采用随机森林数学算法对有价值的物理量进行分类计算：对所测金属零件体现出的故障类型进行分类：绝大多数的数据作为备用集数据，余下少数的数据作为实际应用数据，利用实际应用数据绘制出金属零件的草图。随机森林数学算法的计算公式为：.png)
式中：v为金属零件工作时的速率；Qv(t)金属零件的流量；t为工作时间；A1为金属活塞的外底面积；A2为金属活塞的内底面积；D为金属活塞的外环直径；d外金属活塞的内环直径；利用筛选出的实际应用数据在计算机上绘制金属零件的草图。 1.2监测金属零件的运行故障
对所绘制的动图进行力学理论分析，推测出所测金属零件中元件的实际工作状态，从而依据测出的具体物理数值估算出其可靠性数值作为参考；然后将金属零件的部件实际工作情况绘制成折线统计图。最后参考可靠性数值，通过观察绘制出的图像就可以清晰的找出哪个部件由于运行中存在故障，导致对环境造成了超出预计的影响。
.png)
图1实验对比结果
2液压故障诊断技术发展趋势
2.1基于云计算的网络化实时故障诊断技术
网络化故障诊断技术是通过Internet、公司专用网络或者无线通信网络将液压系统工作状态送到远程监控平台，实现数据采集、数据分析、远程监测、故障诊断和技术支持等服务。由于受数据传输量的限制，网络化故障诊断技术只能对小数据故障进行实时诊断，这必然会影响诊断的精度。将云计算技术与网络化故障诊断技术相结合，可以对多个特征信号进行实时采集、传输、融合和诊断，实现故障的精确定位，状态的实时检测。这将是未来液压系统故障诊断技术的主流。
2.2多种智能故障诊断方法的结合
每种智能故障诊断方法都有其优点和局限性，将不同的智能故障诊断方法有效结合，进一步提高诊断系统的综合性能，是智能诊断技术发展的必然趋势。结合方式可以是两种智能故障诊断方法的结合（如神经网络与专家系统的结合、神经网络与模糊方法的结合，专家系统与模糊方法的结合）也可以两种方法结合后的复合，通过中间权值选择最佳的结合方法，进而进行故障诊断。不能仅仅局限于上述结合方式，还可以将灰色理论、混沌理论、模拟进化、人工免疫、集群智能等方法引入故障诊断。这也是今后研究的热点之一。
2.3全面融合式智能故障诊断方法
目前，应用到液压系统中的混合式故障诊断方法、其能力虽然比单个系统有了很大改进，但它的能力也只是两个系统的简单和，远没有达到专家思维“互相融合”与灵活应用的程度；而且，现有的混合模型只能在某些事先设计好的组合关系下进行多领域知识模型的静态集成，体现不出动态融合，也不能适应系统环境和故障特征的动态变化。要设计更高智能的系统，就要使系统能够利用“全信息”（包括语法信息、语义信息和语用信息）。如何针对不同故障诊断方法的特点，基于不同知识表示形式，研究能够更好人类智能的全面融合式智能故障诊断方法，是今后研究工作中需要重点解决的问题。
结语
本文通过加入AMESim软件来改良液压技术来制作出金属零件的工作状态模拟动态图像，从而提高了对其可靠性数值的估计。通过先采用随机森林数学算法筛选出有价值的数据，绘制成草图。再通过AMESim软件做出精致的仿真工作流程的动图来协助其实物的监测工作。并通过实验证实了其在液态系统监测金属零件运行故障中的核心地位，有效提高了液态监测技术中的可靠性，从而提升了监测工作的效率。目前我国的现代机械制品的产值居于全世界首位，但其质量不算好，时常出现运行故障问题，所以针对机械金属零件的故障监测问题，需要我们广大的研究者和工作人员高度的重视，从而不断的探索和提高监测的技术，让其工程任务事半功倍。
参考文献
[1]张军,朱晟桢,毕贞法,等.基于金属磁记忆效应的高铁轮对早期故障检测[J].仪器仪表学报,2018(1):162-170.
[2]王芙蓉.机床液压系统故障诊断专家系统的研究与开发[J].山东理工大学学报(自然科学版)，2005,19(6):38-40.
[3]周汝胜，焦宗夏，王少萍.液压系统故障诊断技术的研究现状与发展趋势[J].机械工程学报,2006,42(9):6-13.
[4]罗建明.液压系统故障产生原因分析方法[J].中国设备管理，2001,(3):34-35.
[5]杨铁林，高英杰，孔祥东.基于小波变换的柱塞泵故障诊断方法[J].机械工程学报，2005,41,(2):112-116.
论文作者:高洪波
论文发表刊物:《当代电力文化》2019年 第18期
论文发表时间:2020/4/9
标签：零件论文; 金属论文; 故障诊断论文; 故障论文; 方法论文; 技术论文; 可靠性论文; 《当代电力文化》2019年 第18期论文;