液压挖掘机是最常见的工程机械之一，无论是在工程建设领域还 是生产生活领域都得到了广泛的应用， 比如公路、铁路、矿山等。从 近几年工程机械的发展趋势来看，挖掘机的发展相对迅猛，无论是产 量还是技术水平都有了较大的提升。液压挖掘机具有液压、机械、电 子等多领域技术融合的背景，随着各领域技术水平的提高正朝向更多 样智能的功能、更复杂紧凑的结构趋势发展，与此同时故障发生的概 率也会随之提高，挖掘机的故障发生具有多并发性、网络状扩散、表 征模糊、排查困难等特征。挖掘机一旦发生了某种或某些故障，轻则 导致工作效率降低，经济效益下降，重则威胁人身和财产安全。因此 为了保证挖掘机的工作性能，避免因故障造成的损失，必须对挖掘机 的性能状态进行实时监测。
为了准确感知挖掘机液压系统的健康状态，避免在作业过程中发 生故障时带来的经济效益损失和人员伤害，本文针对挖掘机液压系统 关键液压元件液压泵、液压缸展开了故障模式机理、故障模式诊断、 故障等级识别的研究，从而实现液压挖掘机的故障诊断和健康监测， 并开发健康管理平台实现挖掘机的远程运行维护，主要研究内容如下：
（1）归纳挖掘机液压系统的常见故障模式以及故障的表达形式， 总结液压系统中关键液压元件的常见故障发生机理。设计了液压挖掘 机的状态感知方案，对试验挖掘机上进行改装并安装试验所需的传感 器以及液压阀，采集挖掘机在不同工况下的振动、温度、压力、位移 等信号作为后续故障诊断以及健康监测的数据来源。
（2）针对挖掘机关键元件液压缸的泄漏故障，开展了液压缸有杆 腔外泄漏、无杆腔外泄漏、内泄漏三种泄漏模式以及无泄漏、小泄漏、中泄漏、大泄漏四类泄漏等级的泄漏故障试验。提出基于循环平稳特 征和 Stacking 模型的液压缸泄漏故障诊断算法， 以出口压力信号为分 析信号，提取循环平稳特征输入到 Stacking 模型内完成液压缸的泄漏 诊断。通过与其他集成学习算法对比表明，所提方法的评估结果有更 高的精度。
（3）针对挖掘机柱塞泵的故障诊断，搭建了柱塞泵的专用故障试 验台，根据故障机理设计了柱塞泵的故障模拟试验。提出了基于变分 模态分解和 XGBoost 模型的柱塞泵故障诊断方法，以柱塞泵的壳体振 动信号为分析信号，从中提取分辨率较高的故障特征，将故障特征输 入到模型中实现故障模式诊断和故障等级识别。结果表明，所提方法 具有较高的识别准确率以及较好的抗噪性能。
（4）在上述研究基础上，开发挖掘机故障诊断和健康监测的远程 运维平台，包括数据采集系统和设备网关的硬件设计以及运维平台网 站的软件设计，提高了液压挖掘机健康管理的智能化水平。
关键词：液压挖掘机、故障诊断、健康监测、远程运维平台
第一章 绪论
1.1 课题研究背景与意义
1.1.1 课题研究背景
挖掘机作为最主要的工程机械之一，无论是在工程建设领域还是生产生活领 域都得到了广泛的应用，比如公路、铁路、矿山等。从 20 世纪 60 年代起，挖掘 机的发展趋势相对迅猛，无论是产量还是技术水平都有了较大的提升， 目前国内 的挖掘机厂商主要有三一重工（SANY）、徐工（XCMG）、山河智能（SUNWARD） 等，国外 的 挖掘机厂商有小松（ KOMATSU ）、日立 （HITACHI ）、卡特 （CATERPILLAR）等（图 1-1）。
挖掘机的发展过程一共经历了机械式挖掘机、液压式挖掘绝、智能挖掘机三个 阶段，各阶段挖掘机的特点如下。
（1）第一代挖掘机——机械挖掘机：随着电动机和内燃机的出现，挖掘机有 了初始的驱动装置，各类挖掘机产品相继诞生。一战后，柴油发动机的发明使得 挖掘机有了新的驱动方式，以柴油发动机为驱动装置的机械式挖掘机即为挖掘机 发展史上的第一阶段。
（2）第二代挖掘机——液压挖掘机：液压传动与机械传动和电力传动相比， 具有结构紧凑、动态性能好等优点，因此被广泛应用于工程机械领域，随着液压 技术的普及，越来越多的挖掘机开始采用液压传动，以液压系统为驱动装置的液 压式挖掘机即为挖掘机发展史上的第二阶段。
（3）第三代挖掘机——智能挖掘机：随着数字化、人工智能、远程通信等技 术的发展，传统挖掘机也朝着多样化、智能化、网络化、自动化趋势发展， 智能化 挖掘机集成了智能自主作业、智能感知、故障诊断、健康监测、远程遥控等多功 能为一体，是目前挖掘机发展的第三阶段。
国内的挖掘机行业起步较晚，国内的第一台挖掘机诞生于 1954 年抚顺挖掘机 厂。自 1967 年以来，中国才开始自主研制液压挖掘机。到 20 世纪 80 年代末，中 国挖掘机生产厂家已有 30 多家，生产机型达 40 余种。改革开放以来，中国挖掘 机制造行业发展尤为迅速，《中国制造 2025》提出要以创新驱动发展为主要动力， 以信息化与工业化深度融合为主线，以推进智能制造为主攻方向，体现了国家对 大型工程机械装备行业发展的重视。
据国家统计局 2014-2019 年的国内挖掘机产量和挖掘机销量的统计数据显示， 我国挖掘机产量总体呈现稳步上升趋势，从 2016 年开始挖掘机产量增速较快， 2018 年开始增速减缓，2018 年国内挖掘机总产量达到近几年的产量峰值，2019 年 国内挖掘机产量为266,299 台，较 2018 年有小幅度下滑。2020 年在全球范围内爆 发了新冠肺炎疫情，但是挖掘机的产量却表现出了不降反增，截止至 2020 年 9 月， 国内挖掘机产量达到 271,118 台，已经超过前几年的全年产量，同比增长 31.2%。 挖掘机的销量变化趋势基本和挖掘机产量保持一致，在 2016 年市场需求达到最低 点，但从 2017 年开始挖掘机销量呈现快速稳定增长，2019 年纳入统计的 25 家挖 掘机制造厂商在全年共销售各类挖掘机 235,693 台，同比增长了 15.9%。另外值得 注意的是，2020 年新冠疫情爆发后，国家积极响应防控疫情号召，机械制造产业 复工复产较快，此外 5G 基站、国家重点新基建等产业的布局也有效促进了挖掘机 销量的增长，2020 年仅仅前 9 个月的挖掘机销量达到236,508 台，同比增长 32%，超过历史全年最高销量，具体数据如图 1-2 所示，其中 2020 年的数据为 1-9 月份 的数据。
第六章 总结与展望
6.1 主要研究内容
本文主要开展了挖掘机液压系统的故障诊断与健康监测的相关研究， 以三一 重工生产的 SY35U-10 型号的微型挖掘机作为研究对象，梳理总结了液压挖掘机 常见的故障模式以及故障机理，着重研究挖掘机液压系统中的两个关键元件即液 压柱塞泵和液压缸，设计了专用试验台和故障模拟方法，通过数据驱动的算法模 型实现液压泵和液压缸的故障诊断、等级识别，最后开发了液压挖掘机故障诊断 与健康监测的远程运维平台，主要研究内容如下：
（1）梳理并归纳总结了挖掘机液压系统常见腐蚀、磨损、疲劳、老化四大类 故障模式并分析了背后的故障机理，重点分析了液压柱塞泵和液压缸的常见故障 模式。针对故障模式中可能具有的敏感特征信号设计了挖掘机的状态感知方案， 包括传感器的选型和传感器的布局，加装传感器采集的数据是全文挖掘机故障诊 断和健康监测的数据来源以及试验基础。
（2）以挖掘机的铲斗液压缸作为测试缸，开展了挖掘机铲斗液压缸的泄漏故 障试验，通过调节节流阀的旋钮和截止阀的开闭来模拟液压缸的泄漏状况，针对 挖掘机液压缸的泄漏故障设计了挖掘机液压缸泄漏故障模拟试验，液压缸泄漏模 式主要包括有杆腔外泄漏、无杆腔外泄漏和两腔间内泄漏，每种模式下的泄漏故 障分别做了小、中、大三种泄漏量的对比实验。采集液压缸的出口压力脉动信号， 提取压力脉动信号中的一阶循环平稳特征和二阶循环平稳特征作为液压缸的故障 特征，将所提故障特征输入到训练后的 Stacking 模型中，实现了液压缸的故障诊 断和等级识别。
（3）设计了液压柱塞泵的专用试验台，开展了柱塞泵的故障模拟试验，根据 不同故障背后的故障机理设计了对应的故障注入方式来模拟柱塞泵常见的磨损、 腐蚀、疲劳、老化等故障模式，并且以腐蚀故障模式为例，模拟了柱塞泵在不同 空化等级下的腐蚀故障。采集柱塞泵在不同类型故障模式下的泵壳振动信号作为 液压柱塞泵故障诊断的数据源，将采集到的振动信号首先进行变分模态分解，提 取分解后的 IMF 分量中的时域特征作为故障特征，将特征输入到训练好的 XGBoost 模型中，实现液压柱塞泵的故障诊断和等级识别。此外，还在测试样本 信号中加入不同信噪比的随机高斯白噪声来为验证所提模型的抗噪性能。试验结
果表明：与 EMD、EEMD、LMD 等其他模态分解方法相比，采用VMD 分解后的 IMF 分量特征的 XGBoost 模型诊断准确率最高。在高信噪比下，模型仍能够保持 在 100%的识别准确率，随着信噪比降低，模型识别准确率也开始降低，但仍能保 持在 95%以上。
（4）在前三点研究内容即液压挖掘机状态感知方案和故障诊断方法的研究基 础上，开发了挖掘机故障诊断与健康监测运维平台。首先介绍了运维平台的总体 架构，平台架构可分为设备层、采集层、传输层、访问层、逻辑层、应用层六个层 级。运维平台的设计又可以分为硬件设计和软件设计，其中硬件设计包括负责数 据获取的数据采集系统和负责数据传输的设备网关，软件设计主要指开发挖掘机 故障诊断与健康监测运维平台网站，主要包括应用门户、设备概览、异常检测、 故障诊断、健康评估、数据管理、权限管理等功能模块。
6.2 主要创新点
（1）针对采集到的振动信号和压力信号在不同故障等级下特征差异不明显的 问题，提出了时域同步平均和变分模态分解两种信号分析方法，根据故障机理分 别提取循环平稳特征和固有模态分量特征作为液压泵和液压缸的故障特征，结果 表明所提方法提取的故障特征更为丰富，能反映信号间的微弱差异。
（2）针对液压缸在不同泄漏等级下泄漏情况难以评估的问题，提出了基于循 环平稳特征和 Stacking 模型的液压缸泄漏故障诊断方法。通过提取压力脉动信号 中的循环平稳特征并利用多个基分类器集成的 Stacking 模型识别出不同泄漏等级 间的微弱差异，从而完成对液压缸泄漏情况的在线监测。
（3）针对传统方法对于液压轴向柱塞泵故障诊断准确度较低的问题，提出变 分模态分解与极限梯度提升树融合的液压泵故障诊断方法。从泵壳振动信号经变 分模态分解后的 IMF 向量中提取故障特征，结果显示所提方法提取的故障特征更 为丰富，模型的诊断准确率更高。在噪声干扰下，模型仍能保持 95%以上的诊断 准确率，表现出模型较强的鲁棒性和抗噪性能。
6.3 研究展望
全文主要研究了挖掘机液压系统中关键液压元件的故障诊断和健康监测，只 是实现了液压挖掘机健康管理系统的一部分， 目前距离完善的液压挖掘机健康管 理系统仍有一定的差距。文中提出的基于数据驱动的挖掘机关键液压元件的故障诊断方法均是基于单故障发生的前提下提出的，具有一定的局限性。此外，所开 发的运维平台网站只是实现了数据在线展示等基础功能，与真正能够投入到具体 工程应用中的远程运维平台相比，仍有较多功能未实现。综上所示，本文开展的 液压挖掘机故障诊断与健康监测研究在算法优化、系统完善以及系统落地应用等 方面仍需要进一步的改进与完善，具体内容如下：
（1）挖掘机其他系统的故障诊断与健康监测。液压挖掘机是集成机械系统、 液压系统、电气系统的复杂机电液一体化系统，本文仅仅开展了关于挖掘机液压 系统的故障诊断与健康状态监测研究，但是在挖掘机实际作业过程中，机械系统 和电气系统也会发生故障，比如螺丝松动、关节卡死、电气开关失灵等。此外， 液 压系统中还包括液压阀等其他元件。因此，要形成一套完善的液压挖掘机健康管 理系统，仍需要在系统中考虑更多可能会出现故障的元件。
（2）针对多故障并发的故障诊断算法优化。挖掘机是由综合技术组成的复杂 系统，随着各领域技术水平的提高正朝向更多样智能的功能、更复杂紧凑的结构 趋势发展，与此同时故障发生的概率也会随之提高，挖掘机的故障发生具有多并 发性、网络状扩散、表征模糊、排查困难等特征。本文开发的两种算法模型均是 以挖掘机某时刻只会发生单个故障为前提的，然而在工程实际下挖掘机可能会出 现多故障并发的情况，因此需要完善优化诊断算法，提高模型的识别分辨率，使 之能够同时诊断出并发的多个故障。
（3）挖掘机故障诊断与健康监测运维平台的完善。目前远程运维平台仅仅展 示了单台挖掘机的运行状况，平台上的功能也仍需进一步完善。完善的方向有：
①挖掘机远程运维平台能展示厂商售出的所有型号的所有设备，便于厂商进行远 程的状态健康以及远程维修保养；②将开发的故障诊断算法模型通过 rest 服务嵌 入到运维平台中，提高平台的智能化水平；③开发面向用户的挖掘机远程健康管 理 APP 应用，使用户更加方便快捷地监控设备运行状态，面向厂商的运维平台网 站与面向客户的健康管理 APP 应用之间互相连通，形成挖掘机的全生命周期管理 规范，全面保证挖掘机的健康状态。
参考文献（略）
