专利摘要

一种自动供输弹装置故障诊断方法，目的是维修成本低，周期短；本发明在大口径火炮自动供输弹装置上布置测点，根据自动供输弹运动循环图提供的驱动方式，选取供弹电机和液压油源电机的驱动电流为测点；用便携式信号采集仪同时采集记录旋转式弹仓、协调臂、翻转机构和输弹机构的各角位移和角速度信号以及各个驱动电机的负载电流变化信号；对所采集记录的角运动信号和电流变化信号先做基线漂移修正、野点剔除的信号数据修复工作；对所采集的加速度冲击信号和电流冲击信号做时域分析，做出幅值概率密度和概率分布曲线；对冲击响应信号做短时程时频特征提取与小样本信号分析，进行基于小波包的能量谱分析，给出频域中各个峰值与频率、各频段能量和熵。

说明书

技术领域

本发明涉及一种大口径火炮供输弹装置角运动参数和负载电流分析的故障诊断方法。

背景技术

大口径火炮自动供输弹装置是高速运动的机电液一体化系统，要求有高精度的机电液协调匹配工作。在快速供输弹过程中，各运动部件由于加工制造误差和恶劣的工作条件，极易发生运动不畅和卡滞停射故障。很有必要对自动供输弹装置工作中各机构的高速动作故障进行研究，探求一种快速、高效的基于机构角运动参数和负载电流分析的自动供输弹装置故障的早期诊断技术。

发明内容

本发明目的是为克服上述已有技术的不足，提供一种维修成本低、周期短的基于机构角运动参数和负载电流分析的高速自动供输弹装置实时故障诊断方法。

现有的大口径火炮自动供输弹装置主要包括：油源及驱动电机、旋转式弹仓、固定式药仓、推(抓)弹(药)机构，弹(药)协调臂、弹(药)翻转机构和输弹(药)机构等，自动供输弹机构在炮弹击发和供输弹过程中产生强烈的冲击、振动和噪声，自动供输弹机构动作可看成是电机或液压机构驱动所产生一系列构件协调运动，其主要动作流程为推弹机进行推弹动作，弹协调臂接住弹仓的供弹，翻转机构进行旋转将弹丸放入输弹机弹盘中，接到弹后输弹机驱动推弹小车进行推弹动作，弹丸高速弹入输弹通道，进行卡膛；药仓翻转驱动电机完成翻转和推药动作，药协调臂机构或送药手将装药送入膛内，完成自动供输弹过程和连续射击。自动供输弹装置各机构的高速启停动作构成了供输弹装置的主要激振源。由于供输弹过程中完成供、输、推弹的执行电机或液压装置驱动轴、链轮和转臂等构件周期性运动，结构刚度反复变化、结构作用力矩瞬时连续变化，都引起激振力作用，都将会产生一定频率和方向的机械运动。对于电机和液压机构驱动供输弹装置各构件传递力和运动，各构件的负载力矩使自动供输弹装置的运行状态发生变化，将直接反映在驱动电机的电流变化上，机构运动特性的好坏，与负载电流的波动直接相关，电流特性变化的频率和幅值反映了高速供输弹装置运动的平稳性，任何卡滞或不畅的故障都能在机构角运动参数和负载电流上体现出来。本发明方法具体是：

(1)在大口径火炮自动供输弹装置上布置测点，根据自动供输弹运动循环图提供的驱动方式，选取供弹电机和液压油源电机的驱动电流为测点；根据自动供输弹运动循环图所提供的各机构高速启停动作节点，选取弹药协调臂摆动轴心位置作为角运动参数的测点。

对旋转式弹仓或输弹盘来说，采用光电式角位移和角速度传感器直接测试转轴的角参量，或将旋转构件的某点的角运动转换成光电编码器或旋转变压器轴的转动，间接地测试弹仓或输弹盘的角位移和角速度参数随时间的变化规律；采用霍尔电流传感器对旋转式弹仓或输弹盘的驱动电机和液压马达的油源电机的负载电流变化进行测试，采集电流随时间的变化规律。在间接测试机构的角运动参数时，特别要求光电编码器或旋转变压器的输入轴转动与机构的转动之间同步，中间无间断点和相对滑动现象出现，尤其是机构动作的启动和停止阶段，否则造成信号失真。

(2)用便携式信号采集仪同时采集记录旋转式弹仓、协调臂、翻转机构和输弹机构等的各角位移和角速度信号以及各个驱动电机的负载电流变化信号。为避免本装置各通道与其它系统之间的相互影响，使用信号隔离器件减小采集现场与数采设备之间的相互干扰。信号隔离器件采用光电隔离器件制作而成，信号采集仪采用美国National Instruments公司的数据采集模块NI-USB-6216组成数据采集装置。

(3)对所采集记录的角运动信号和电流变化信号先做基线漂移修正、野点剔除等信号数据修复工作；信号数据处理部分设置了数据存储显示、数据处理、特征提取和比较分析功能，分别对各路角运动参数和电流参数进行信号处理。数据处理部分采用中值滤波、FIR滤波、平滑处理、峰值提取和谷值提取共五种方法分别对数据做处理，在此基础上再完成特征提取。特征提取过程是将信号中周期性存在的启动时刻、启动时的幅值、终止时刻、终止时幅值、一个周期内的峰值出现时间、峰值幅值和平均值提取出来，并以文件保存，为后续故障诊断提供依据。

(4)对所采集的加速度冲击信号和电流冲击信号做时域分析，做出幅值概率密度和概率分布曲线，并对信号做自相关和互相关分析，在各种时域曲线中提取各次冲击作用的周期长度、峰值的大小、衰减率和品质因子等特征参量。利用模拟实验提取的时域信号峰值和时刻、各冲击能量和熵的变化与分布，再通过自动供输弹装置运动循环图的各个转换时刻特征，共同构成自动供输弹装置主要构件状态识别的专家规则，该规则是自动供输弹装置能量损耗和熵变化数值与故障程度统计分析的结果，可以进行故障识别、定位、定量与预测。

(5)对冲击响应信号做短时程时频特征提取与小样本信号分析，进行基于小波包的能量谱分析，给出频域中的各个峰值与频率，给出各频段能量和熵。小波包分析将信号频段进行更精细的层次划分，自适应地选择相应频带，使之与信号频谱相匹配，提高了时频分辨率。具体实施时，可对信号进行四层小波包分解，分十六个频段，利用小波包的分解和重构算法，分别分析各频段的能量谱及各段能量所占的比例。将能量值突出的频段作为特征频段，针对正常、电机卡滞、翻转不到位、翻转速度不稳定、初始状态位置不准确等不同工况的特征作为神经网络的输入进行BP神经网络训练。利用经过粒子群优化的、能对典型故障进行分类的三层BP神经网络对自动供输弹装置的工作状态进行在线故障诊断。

本发明依据自动供输弹装置的工作原理、机构动作时序分析，包括连续供输弹射击过程各机构动作情况、旋转角度、能量及动力传输流程，通过自动供输弹装置主要构件的角运动参数和驱动电流响应分析研究，采用最新的短时程时频特征提取与小样本信号分析理论进行自动供输弹装置故障的实时诊断。

本发明针对自动供输弹装置工作中各机构的高速动作，在各角运动构件特征部位和执行电机与电源部分设置测点，测取角运动参数和负载电流响应信号进行数据分析处理和故障诊断；融合了试验测试、信号处理、特征提取与故障诊断于一体，可实现自动故障诊断，报警和预测。针对自动供输弹装置的不同的故障类型，开发了基于时频域特征分析和神经网络模型的故障诊断算法，可实现对自动供输弹装置方便快捷的故障诊断和预测。解决了大口径火炮自动供输弹装置维修保障手段相对落后、需要采用大拆大卸的解体方式检查的弊端，诊断方法智能化程度高，功能丰富实用，维修成本低、周期短，不易受主观因素影响造成误诊漏诊，能适应现实装备研制和维修需要。

附图说明

图1是自动供输弹装置的弹协调臂角度与角速度原始信号图；

图2是经中值滤波后的弹协调臂角度与角速度信号图；

图3是经FIR滤波后的弹协调臂角度与角速度信号图；

图4是经平滑处理后的弹协调臂角度与角速度信号图；

图5是推弹机驱动电流原始曲线图；

图6是经中值滤波后的推弹机电流信号图；

图7是经FIR滤波后的推弹机电流信号图；

图8是经平滑处理后的推弹机电流信号图；

图9是弹协调臂的角加速度信号图；

图10是对加速度信号所提取的各频段能量比值图；

图11是本发明自动供输弹运动循环图；

图12为本发明总体技术方案框图。

具体实施方式

基于电流分析理论和自动供输弹装置机构运动循环图(参考图11)，对自动供输弹装置动作过程推弹机电流及弹(药)协调臂的角度、角速度、角加速度进行测量和各种数据分析处理，采用适当的时域和频域分析处理方法，如信息熵、小波包分解等，提取各种时域和频域特征，结合具有专家规则的诊断方法，可对自动供输弹装置的机构动作状态进行分离和故障预测。也可利用小波包分解对运动和冲击响应信号提取多个频段的能量和信息熵特征，再运用具有多层BP神经网络的比例梯度共轭动量算法来训练网络，做基于机构角运动、振动参数和负载电流分析的信息融合和智能诊断。只要连续输入待分类的样本数据，就可对各种响应测试数据和特征进行分类计算，完成快捷有效的诊断预测和故障定位。

利用角位移角速度传感器和霍尔电流传感器，建立电机电流与角运动参数专用检测装置，对火炮自动供输弹装置高速动作和撞击过程产生的运动参数和负载变化进行测试，采集旋转输弹机、协调臂和翻转机构的角运动响应信号、油源供电电流和驱动电机的负载电流。利用消噪与修复技术对角运动和电流信号做修复，进行时域峰值及其特征值分析，幅值概率分布与相关分析。经过各种算法的信号处理后，就可以自动提取出供故障诊断层使用的状态特征向量。根据时域信号峰值和时刻，频域能量的变化和分布，幅值的概率分布，以及自动供输弹装置动作循环图这些特征值，结合专家经验和历史数据进行状态分离和故障预测。并根据时域特征值及加速度值结合自动供输弹装置各构件运动循环图，通过建立的神经网络诊断系统进行智能诊断，进行故障定位和诊断。

在信号分析处理中结合新的处理方法，即中值滤波，FIR滤波，平滑处理，峰值提取，谷值提取，特征提取，加速度信号提取等，中值滤波法是一种非线性平滑技术，与常用的中值滤波法相比，采用该方法处理的信号其信噪比可以显著提高。FIR滤波器具有线性相位，并且易于实现，故本系统中采用FIR数字滤波器进行对信号的去噪和抗混叠滤波。该滤波器函数利用窗函数法设计滤波器系数，可实现低通、高通、带通、带阻滤波，可选择加入各种窗函数。同时可以手动设定上限、下限截止频率。可快速有效的实现信号的滤波去噪工作。本系统的线性平滑函数采用的是均值平滑处理方法，可以手动的设定平滑滤波器的长度，其实现过程是将信号中一点的数值用其附近滤波器长度内的各点数值的平均值来代替。采用此平滑滤波器可以有效的去除高斯和正态分布的噪声，多次平滑后即可获得信号的变化趋势。峰值和谷值提取函数将信号中对应于上升沿和下降沿的峰值和谷值点寻找出来，并加以存储和归类。特征提取函数将信号中周期性存在的启动时间、启动时幅值、终止时间、终止时幅值、一周期内的峰值时间、峰值幅值、平均值提取出来并以文件保存为故障诊断提供依据。采集数据及分析过程如附图1-8。对某次测试数据进行特征读取，所得自动供输弹装置特征值及专家规则诊断如表1所示。

表1.自动供输弹装置特征值及专家规则诊断表

根据上面提取的几个时域周期及幅值特征，结合专家规则诊断方法，可用于自动供输弹装置机构动作故障状态的分离和预测。

试验中，采集弹协调臂及输弹机翻转的冲击振动信号，其中振动角加速度信号如附图9，对信号进行基于小波包的能量谱分析，分析如附图10，小波包分析(Wavelet PacketAnalysis)能够将信号频段进行更精细的层次划分，对多分辨分析没有细分的高频部分进一步分解，并能根据被分析信号特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高了时频分辨率，本例对信号进行四层小波包分解，分十六个频段，利用小波包的分解和重构算法，分别分析各频段的能量谱及各段能量所占的比例。

从能量谱图中可以看出，2-10频段能量值突出，这些频段可以作为特征频段，与所做的功率谱图进行比较验证。针对正常、电机卡滞、翻转不到位、翻转速度不稳定、初始状态位置不准确等五种不同工况，取2-10频段的能量，作为神经网络模型的输入进行训练。

为了对故障特征信号进行分类，建立一个神经网络状态分类器模型，该模型采用3层BP神经网络，运用比例梯度共轭动量算法来训练BP网络。输入和输出层神经元分别为9和5，经多次网络训练，发现选择隐层神经元为6的网络能取得较好的分类效果和收敛速度。输入和输出神经元的传递函数都选为线性传递函数purelin，隐层神经元的传递函数选为双曲正切S型传递函数tansig，目标误差为10-3。

针对自动供输弹装置的5种工况，每种工况给出15个学习样本，输出为1，1，1，1，1分别对应正常、电机卡滞、翻转不到位、翻转速度不稳定、初始状态位置不准确五种工况，训练完成以后，可以针对网络模型进行检验。分类中取故障识别门限为0.2，即实际输出和目标输出差值的绝对值大于2，则不能判定结果。

表2.神经网络训练样本数据输入及目标输出表

表3.神经网络检验(电机卡滞)样本数据输入表

表4.神经网络诊断输出表

通过以上数据分析可知：该网络模型能有效的对自动供输弹系统动作状态进行分类识别，并进行故障定位，笔者采用了大量测试样本数据对该网络模型进行检验，并进行诊断计算，故障诊断准确率达到90％，所以这种利用比例梯度共轭动量算法训练的三层BP神经网络的对自动供输弹系统进行故障诊断方便，可行有效。

一种自动供输弹装置故障诊断方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。