本发明提供一种液压缸劣化趋势评价方法，属于热轧带钢自动化控制技术领域。所述方法包括：实时采集液压缸在不同工作时间段的活塞位移信号；基于采集的活塞位移信号，确定液压缸运动模型的LS算法格式；基于确定的液压缸运动模型的LS算法格式，对Stribeck参数进行估计，得到收敛至稳定的Stribeck参数；将得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标，绘制液压缸工作状态劣化曲线，根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度。采用本发明，能够对液压缸的劣化程度进行精准评价。
1.一种液压缸劣化趋势评价方法，其特征在于，包括：
基于采集的活塞位移信号，确定液压缸运动模型的LS算法格式；其中，LS表示最小二乘；
基于确定的液压缸运动模型的LS算法格式，对Stribeck参数进行估计，得到收敛至稳定的Stribeck参数；
将得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标，绘制液压缸工作状态劣化曲线，根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度；
其中，所述将得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标，绘制液压缸工作状态劣化曲线，根据绘制的液压缸工作状态劣化曲线，确定液压缸目前的劣化程度包括：将每次得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标Jn：其中， 表示活塞工作时的速度上限；v表示活塞的速度信号； 分别表示第n次参数估计得到的库仑摩擦参数、黏性摩擦系数、Stribeck摩擦参数， 分别表示液压缸初始状态下的库仑摩擦参数、黏性摩擦系数、Stribeck摩擦参数，函数Fd(·)为线性化后的Stribeck摩擦模型；
以 为横坐标，Jn为纵坐标，绘制液压缸工作状态劣化曲线；其中，Ti表示第i次估计参数与第i+1次估计参数之间的时间间隔，τn表示第n次参数估计所用的活塞位移信号对应的采样时间段；
根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度。
2.根据权利要求1所述的液压缸劣化趋势评价方法，其特征在于，确定的液压缸运动模型的LS算法格式表示为：T
其中，y(t)为LS算法输出，φ(t)为LS算法输入，θ为待估计的参数，d(t)为测量噪声，上标T表示矩阵转置，p1、p2分别为无杆腔压强、有杆腔压强，A1、A2分别为无杆腔有效面积、有杆腔有效面积，p1A1和p2A2分别代表无杆腔和有杆腔的压力，FL表示外部轧制力，c表示粘性阻尼系数，x、 分别表示活塞的位移、速度、加速度，sgn(·)为符号函数，m为活塞及负载的折合质量，K表示液压缸系统的等效刚度，fc为库仑摩擦参数，fv为黏性摩擦系数，fs为Stribeck摩擦参数。
3.根据权利要求2所述的液压缸劣化趋势评价方法，其特征在于，所述基于确定的液压缸运动模型的LS算法格式，对Stribeck参数进行估计，得到收敛至稳定的Stribeck参数包括：A1，在初始采样时间段的LS算法参数估计过程中，给定参数初值θ0、增益矩阵初值P0、位移初值x0和速度初值A2，输入活塞位移信号x1，采用差分算法计算出活塞的速度信号和加速度信号，构建出液压缸运动模型的LS算法格式的输出yk和输入φk，依次更新计算Kk、 Pk的值；
A3，更新计算Kk、 Pk的值后，k＝k+1，返回步骤A2，输入下一时刻活塞位移信号x2，重新计算Kk、 Pk的值，不断循环，直至得到对应的采样时间段收敛至稳定的Stribeck参数，并且每一次采样时间段的参数估计结果作为下一次参数估计的初值加入计算；其中，Stribeck参数包括：fc、fv和fs，下一次指下一采样时间段。
4.根据权利要求3所述的液压缸劣化趋势评价方法，其特征在于，所述采用差分算法计算出活塞的速度信号和加速度信号包括：通过公式 求解活塞的速度信号vk；其中，△为差分间隔，xk为第k时刻活塞的位移信号；
通过公式 求解活塞的加速度信号ak；其中， 为第k时刻活塞
5.根据权利要求1所述的液压缸劣化趋势评价方法，其特征在于，第k时刻Kk、 Pk的更新表达式为：其中，Kk和Pk都表示第k时刻的增益矩阵； 表示第k时刻的参数估计值；Pk‑1表示第k‑1时刻的增益矩阵；φk表示第k时刻的LS算法输入； 表示第k‑1时刻的参数估计值；yk表示第k时刻的LS算法输出。
6.根据权利要求1所述的液压缸劣化趋势评价方法，其特征在于，参数估计循环终止条件为：其中， 分别为第n次参数估计得到的第k时刻、k‑1时刻的参数估计值，ε为停止条件参数。
7.根据权利要求1所述的液压缸劣化趋势评价方法，其特征在于，函数Fd(·)表示为：其中，fc为库仑摩擦参数，fv为黏性摩擦系数，fs为Stribeck摩擦参数，sgn(·)为符号函数，表示活塞的速度。
一种液压缸劣化趋势评价方法
技术领域
[0001] 本发明涉及热轧带钢自动化控制技术领域，特别是指一种液压缸劣化趋势评价方法。
背景技术
[0002] 大量工业现场数据表明，液压缸在工作时总会受到一些扰动的影响，导致力平衡状态受到破坏，产生不同幅度的颤振，严重时甚至会造成设备损坏和工厂停产。因此，对液压缸系统进行故障诊断、寿命预测、日常监测和维护等手段都应该重点考虑。现阶段，针对液压缸故障诊断与寿命预测的研究已经十分深入，石家庄铁道大学马怀祥教授团队主要研究盾构机和挖掘机两种典型工程机械液压系统的工作状态，以压力、流量、振动、温度和油液信号为检测量，应用Labview软件开发工程机械液压系统故障诊断与健康评估系统，对液压系统的故障诊断与健康预测的效果提升显著。对于液压系统的日常监测和维护方面，通过引入摩擦模型，分析模型的参数变化来表征液压缸的劣化趋势。常用的摩擦模型包括：库伦模型、库伦+黏性摩擦模型、Stribeck摩擦模型、Karnopp模型以及LuGre模型等；其中，Stribeck摩擦模型的使用率高，应用范围十分广泛。文章(摩擦和反弹的机械系统控制)研究了基于永磁同步电机低速运行时粘滑现象下的控制器设计问题，利用Stribeck摩擦模型对非线性摩擦力矩建模，通过设计补偿控制器解决了系统稳态误差和低速爬行问题。
[0003] 目前，大多数研究都是从如何影响系统稳定性能的角度去分析Stribeck摩擦模型，利用Stribeck摩擦模型研究液压缸劣化问题的文献鲜有。
发明内容
[0004] 本发明实施例提供了液压缸劣化趋势评价方法，能够对液压缸的劣化程度进行精准评价。所述方法包括：
[0005] 实时采集液压缸在不同工作时间段的活塞位移信号；
[0006] 基于采集的活塞位移信号，确定液压缸运动模型的LS算法格式；其中，LS表示最小二乘；
[0007] 基于确定的液压缸运动模型的LS算法格式，对Stribeck参数进行估计，得到收敛至稳定的Stribeck参数；
[0008] 将得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标，绘制液压缸工作状态劣化曲线，根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度。
[0009] 进一步地，确定的液压缸运动模型的LS算法格式表示为：
[0010] y(t)＝φT(t)θ+d(t)
[0011]
[0012]
[0013] θ＝[m K fc fv fs]T
[0014] 其中，y(t)为LS算法输出，φ(t)为LS算法输入，θ为待估计的参数，d(t)为测量噪声，上标T表示矩阵转置，p1、p2分别为无杆腔压强、有杆腔压强，A1、A2分别为无杆腔有效面积、有杆腔有效面积，p1A1和p2A2分别代表无杆腔和有杆腔的压力，FL表示外部轧制力，c表示粘性阻尼系数，x、 分别表示活塞的位移、速度、加速度，sgn(·)为符号函数，m为活塞及负载的折合质量，K表示液压缸系统的等效刚度，fc为库仑摩擦参数，fv为黏性摩擦系数，fs为Stribeck摩擦参数。
[0015] 进一步地，所述基于确定的液压缸运动模型的LS算法格式，对Stribeck参数进行估计，得到收敛至稳定的Stribeck参数包括：
[0016] A1，在初始采样时间段的LS算法参数估计过程中，给定参数初值θ0、增益矩阵初值P0、位移初值x0和速度初值
[0017] A2，输入活塞位移信号x1，采用差分算法计算出活塞的速度信号和加速度信号，构建出液压缸运动模型的LS算法格式的输出yk和输入φk，依次更新计算Kk、 Pk的值；
[0018] A3，更新计算Kk、 Pk的值后，k＝k+1，返回步骤A2，输入下一时刻活塞位移信号x2，重新计算Kk、 Pk的值，不断循环，直至得到对应的采样时间段收敛至稳定的Stribeck参数，并且每一次采样时间段的参数估计结果作为下一次参数估计的初值加入计算；其中，Stribeck参数包括：fc、fv和fs，下一次指下一采样时间段。
[0019] 进一步地，所述采用差分算法计算出活塞的速度信号和加速度信号包括：
[0020] 通过公式 求解活塞的速度信号vk；其中，△为差分间隔，xk为第k时刻活塞的位移信号；
[0021] 通过公式 求解活塞的加速度信号ak；其中， 为第k时刻活塞的加速度信号。
[0022] 进一步地，第k时刻Kk、 Pk的更新表达式为：
[0023]
[0024]
[0025]
[0026] 其中，Kk和Pk都表示第k时刻的增益矩阵； 表示第k时刻的参数估计值；Pk‑1表示第k‑1时刻的增益矩阵；φk表示第k时刻的LS算法输入； 表示第k‑1时刻的参数估计值；yk表示第k时刻的LS算法输出。
[0027] 进一步地，参数估计循环终止条件为：
[0028]
[0029] 其中， 分别为第n次参数估计得到的第k时刻、k‑1时刻的参数估计值，ε为停止条件参数。
[0030] 进一步地，所述将得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标，绘制液压缸工作状态劣化曲线，根据绘制的液压缸工作状态劣化曲线，确定液压缸目前的劣化程度包括：
[0031] 将每次得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标Jn：
[0032]
[0033] 其中，表示活塞工作时的速度上限；v表示活塞的速度信号； 分别表示第n次参数估计得到的库仑摩擦参数、黏性摩擦系数、Stribeck摩擦参数，分别表示液压缸初始状态下的库仑摩擦参数、黏性摩擦系数、Stribeck摩擦参数，函数Fd(·)为线性化后的Stribeck摩擦模型；
[0034] 以 为横坐标，Jn为纵坐标，绘制液压缸工作状态劣化曲线；其中，Ti表示第i次估计参数与第i+1次估计参数之间的时间间隔，τn表示第n次参数估计所用的活塞位移信号对应的采样时间段；
[0035] 根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度。
[0036] 进一步地，函数Fd(·)表示为：
[0037]
[0038] 其中，fc为库仑摩擦参数，fv为黏性摩擦系数，fs为Stribeck摩擦参数，sgn(·)为符号函数，表示活塞的速度。
[0039] 本发明实施例提供的技术方案带来的有益效果至少包括：
[0040] 本发明实施例中，实时采集液压缸在不同工作时间段的活塞位移信号；基于采集的活塞位移信号，确定液压缸运动模型的LS算法格式；基于确定的液压缸运动模型的LS算法格式，对Stribeck参数进行估计，得到收敛至稳定的Stribeck参数；将得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标，绘制液压缸工作状态劣化曲线，根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度。这样，通过建立的基于Stribeck曲线的液压缸劣化趋势评价方法，能够对液压缸的劣化程度进行精准评价，辅助液压系统的日常监测和维护，对液压系统的性能监控与评估以及提升生产过程的工作效率有着重要意义，从而解决现有技术无法对液压缸劣化程度进行评价的问题。
附图说明
[0041] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042] 图1为本发明实施例提供的液压缸劣化趋势评价方法的流程示意图；
[0043] 图2(a)‑(f)为本发明实施例提供的第1‑6次参数估计所用的活塞位移信号以及利用差分算法求解得到的速度、加速度信号曲线示意图；
[0044] 图3(a)‑(f)为本发明实施例提供的第1‑6次参数估计得到的Stribeck参数估计值和真值曲线示意图；
[0045] 图4为本发明实施例提供的不同采样时间段下Stribeck摩擦模型曲线示意图；
[0046] 图5为本发明实施例提供的液压缸的劣化趋势折线示意图。
具体实施方式
[0047] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0048] 如图1所示，本发明实施例提供了一种液压缸劣化趋势评价方法，包括：
[0049] S101，实时采集液压缸在不同工作时间段的活塞位移信号；
[0050] S102，基于采集的活塞位移信号，确定液压缸运动模型的LS(Least Squares，最小二乘)算法格式；其中，LS表示最小二乘；
[0051] 本实施例中，确定的液压缸运动模型的LS算法格式表示为：
[0052] y(t)＝φT(t)θ+d(t)
[0053]
[0054]
[0055] θ＝[m K fc fv fs]T
[0056] 其中，y(t)为LS算法输出，φ(t)为LS算法输入，θ为待估计的参数，d(t)为测量噪声，上标T表示矩阵转置，p1、p2分别为无杆腔压强、有杆腔压强，A1、A2分别为无杆腔有效面积、有杆腔有效面积，p1A1和p2A2分别代表无杆腔和有杆腔的压力，FL表示外部轧制力，c表示粘性阻尼系数，x、 分别表示活塞的位移、速度、加速度，sgn(·)为符号函数，m为活塞及负载的折合质量，K表示液压缸系统的等效刚度，fc为库仑摩擦参数，fv为黏性摩擦系数，fs为Stribeck摩擦参数。
[0057] 本实施例中，d(t)为测量噪声，假设其服从0均值的高斯分布；根据公式“压力＝压强×表面积”可知，p1A1和p2A2分别代表无杆腔和有杆腔的压力，两腔的压力随着活塞位移变化而变化，可通过压力传感器测量；外部轧制力FL可根据工况的不同自行设计；粘性阻尼系数c在实际系统中被视为已知常数，因此粘性力 已知。
[0058] 本实施例中，由活塞位移求导得到活塞速度、无杆腔和有杆腔的压力、外部轧制力、粘性力组成LS算法输出；由x、 组成回归向量，即：LS算法输入。
[0059] S103，基于确定的液压缸运动模型的LS算法格式，对Stribeck参数进行估计，得到收敛至稳定的Stribeck(斯特里贝克)参数；具体可以包括以下步骤：
[0060] A1，在初始采样时间段的LS算法参数估计过程中，给定参数初值θ0、增益矩阵初值P0、位移初值x0和速度初值
[0061] A2，输入活塞位移信号x1，采用差分算法计算出活塞的速度信号和加速度信号，构建出液压缸运动模型的LS算法格式的输出yk和输入φk，依次更新计算Kk、 Pk的值；
[0062] 本实施例中，采用差分算法计算出活塞的速度信号和加速度信号，具体可以包括以下步骤：
[0063] 通过公式 求解活塞的速度信号vk；其中，△为差分间隔，xk为第k时刻活塞的位移信号；
[0064] 通过公式 求解活塞的加速度信号ak；其中， 为第k时刻活塞的加速度信号。
[0065] 本实施例中，第1‑6次参数估计所用的活塞位移信号以及利用差分算法求解得到的速度、加速度信号曲线示意图，如图2(a)‑(f)所示。
[0066] 本实施例中，已知液压缸运动模型的LS算法格式与液压缸动力学方程如下：
[0067] y(t)＝φT(t)θ+d(t)
[0068]
[0069] 通过计算，得到第k时刻Kk、 Pk的更新表达式为：
[0070]
[0071]
[0072]
[0073] 其中，Kk和Pk都表示第k时刻的增益矩阵； 表示第k时刻的参数估计值，初值Pk‑1表示第k‑1时刻的增益矩阵；φk表示第k时刻的LS算法输入； 表示第k‑1时刻的参数估计值；yk表示第k时刻的LS算法输出。
[0074] A3，更新计算Kk、 Pk的值后，k＝k+1，返回步骤A2，输入下一时刻活塞位移信号x2，重新计算Kk、 Pk的值，不断循环，直至得到对应的采样时间段收敛至稳定的Stribeck参数，并且每一次采样时间段的参数估计结果作为下一次参数估计的初值加入计算；其中，Stribeck参数包括：fc、fv和fs，下一次指下一采样时间段。
[0075] 本实施例中，参数估计循环终止条件为：
[0076]
[0077] 其中， 分别为第n次参数估计得到的第k时刻、k‑1时刻的参数估计值，ε为停止条件参数，ε一般接近于0。
[0078] 本实施例中，第1‑6次参数估计得到的Stribeck参数估计值和真值曲线示意图，如图3(a)‑(f)所示。
[0079] S104，将得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标，绘制液压缸工作状态劣化曲线，根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度，具体可以包括以下步骤：
[0080] B1，将每次得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标Jn：
[0081]
[0082] 其中，表示活塞工作时的速度上限；v表示活塞的速度信号； 分别表示第n次参数估计得到的库仑摩擦参数、黏性摩擦系数、Stribeck摩擦参数，分别表示液压缸初始状态下的库仑摩擦参数、黏性摩擦系数、Stribeck摩擦参数，函数Fd(·)为线性化后的Stribeck摩擦模型；
[0083] 本实施例中，函数Fd(·)表示为：
[0084]
[0085] 其中，fc为库仑摩擦参数，fv为黏性摩擦系数，fs为Stribeck摩擦参数，sgn(·)为符号函数，表示活塞的速度。
[0086] 本实施例中，不同采样时间段下Stribeck摩擦模型曲线，如图4所示。
[0087] B2，以 为横坐标，Jn为纵坐标，绘制液压缸工作状态劣化曲线；其中，Ti表示第i次估计参数与第i+1次估计参数之间的时间间隔，τn表示第n次参数估计所用的活塞位移信号对应的采样时间段；
[0088] B3，根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度。
[0089] 本实施例中，可以根据经验设定4个阈值范围，从而将劣化程度分为：轻微损耗、中度损耗、设备故障和完全报废四个等级。本实施例中，通过判断液压缸当前时刻劣化指标所属的阈值范围，得到液压缸目前的劣化程度。
[0090] 本实施例中，液压缸的劣化趋势折线示意图如图5所示。
[0091] 本实施例中，通过对液压缸工作状态劣化曲线进行分析，可以确定液压缸目前的劣化程度，为是否更换系统部件提供依据。
[0092] 本发明实施例所述的液压缸劣化趋势评价方法，实时采集液压缸在不同工作时间段的活塞位移信号；基于采集的活塞位移信号，确定液压缸运动模型的LS算法格式；基于确定的液压缸运动模型的LS算法格式，对Stribeck参数进行估计，得到收敛至稳定的Stribeck参数；将得到的稳定的Stribeck参数与初始状态下的Stribeck参数进行比较，建立液压缸工作状态劣化指标，绘制液压缸工作状态劣化曲线，根据绘制的液压缸工作状态劣化曲线，确定液压缸劣化趋势，并根据当前时刻的劣化指标确定液压缸目前的劣化程度。这样，通过建立的基于Stribeck曲线的液压缸劣化趋势评价方法，能够对液压缸的劣化程度进行精准评价，辅助液压系统的日常监测和维护，对液压系统的性能监控与评估以及提升生产过程的工作效率有着重要意义，从而解决现有技术无法对液压缸劣化程度进行评价的问题。
[0093] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
