摘要：挖掘机组成结构复杂，工作环境复杂性和工作强度较大，容易产生故障。采用挖掘机机体金属振动测试方法进行机械故障监测，实现故障诊断。提出一种基于机体金属壳体振动关联谱特征提取的挖掘机故障诊断方法。首先对目前的挖掘机机械故障诊断方法进行分析，介绍了采用金属壳体振动测试方法进行故障诊断的原理。然后进行故障特征提取和诊断的算法设计。以实际的挖掘机故障工况状态进行故障诊断的案例应用分析和仿真测试，实验结果表明，该方法进行故障诊断的准确识别性能较好，稳定可靠。
关键词：挖掘机；故障诊断；金属振动测试
挖掘机作为工程机械主要机械之一，在能源、交通、水利、城市建设的发展中起着重要的作用。挖掘机的性能直接影响到工程的质量、速度和成本。因此，要求使用和维修人员具备一定的技能，一边挖掘机在工作过程中出现故障时可以及时排查维修，保证工作正常进行。本文从挖掘机的液压系统、回转系统、行走系统、电气系统等方面分析了挖掘机的常见故障判断及维修方向；进而引申到金属振动测试的挖掘机故障诊断方法研究。
1常见故障及其诊断排除
1.1液压系统
液压油作为液压系统中传递动力的介质，会使内部元器件磨损后产生泄漏，同时也会出现温度过高，工作力度不够等故障。由于此系统出现的故障具有突发性和隐蔽性，因此排除故障时会有一定的难度，要求在维修液压系统时，必须要准确了解其工作原理，正确的分析故障原因。也要知晓不同型号、不同品牌的挖掘机液压系统的技术资料。
1.2回转系统
主要分液压挖掘机不能回转、回转角度偏大及惯性回转角度偏大等几种类型。主要通过检查油路、电路、测量解除制动油压、拆检回转马达、清洗相关各元件（特别注意节流孔、细小油道），基本可以找出并消除故障。
1.3行走系统
分行走跑偏及行走马达两个主油管爆裂。挖掘机发生行走跑偏时，在行走马达技术状况正常、履带松紧度调整正确的情况下，可通过以下步骤检查。检查行走液压回路工作压力。如果组合阀工作正常，可按顺序检查中央回转接头。液压缸爬行。组合阀进油短管是否破裂。动力臂油缸、斗杆油缸、铲斗油缸的活塞杆是否只伸出、不收进。液压泵是否不能实现合流，挖掘机行走是否没有快速。找出属于那种原因，针对解决即可。液压挖掘机行走马达两个主油管爆裂的主要原因是，由于变速后双速阀的阀芯未能及时回位，进油口和回油口不能联能，引起油液压力过高。此时应：①适当增大双速阀弹簧弹力。②研磨双速阀。③操作要规范。
1.4电气系统故障
蓄电池电量不足，此时应对蓄电池进行充电，检查蓄电池液面高度，保证达到规定高度。检查蓄电池老化程度，定期更换蓄电池，避免电池老化而导致充电不良，日常工作是要注重电池的保养，不要出现亏电状态。启动机、发动机故障维修或更换。线路故障检查及修复。
2基于振动测试的挖掘机故障诊断原理分析
随着机械振动技术的快速发展，采用机械金属壳体的振动测试方法进行故障诊断具有一定的应用前景，相关的故障诊断方法研究受到人们的重视。挖掘机工作在复杂的建筑工地中，工作环境复杂，工作强度较大，容易产生故障。研究挖掘机的故障诊断方法，提高挖掘机系统工作的稳定性和可靠性。对挖掘机的故障诊断的本质是进行机体金属壳体的异常振动的检测和特征提取。传统方法中，对挖掘机金属壳体的金属振动特征提取主要采用的是基于振动测试和回波模拟的振动信号特征提取方法，以及基于现代信号处理的振动信号特征提取方法等[1]，前者更多的是分析挖掘机金属壳体振动信号的物理特征，实现对挖掘机金属壳体振动的分析和目标识别[2]。后者主要是采用谱分析法、时频分析法和小波分析方法，从挖掘机金属壳体振动信号中提取有用的特征，对目标进行分类识别[3]。事实上，挖掘机金属壳体的振动信号多来挖掘机的发动机、轴承、机械振动等，因此，采用后者的进行挖掘机金属壳体振动信号特征提取精度更高。传统的挖掘机金属壳体振动关联特征提取采用的是基于定量递归分析的关联维特征提取方法，当在关联特征提取中挖掘机金属壳体振动信号出现奇异吸引子特征时，提取的振动特征产生混迭谱，导致频谱畸变，影响目标识别性能[4-8]。针对这一问题，本文提出一种基于机体金属壳体振动关联谱特征提取的挖掘机故障诊断方法。首先进行了故障诊断原理分析，然后进行金属振动信号模型构建和信号测试，最后提取关联维特征实现故障诊断，仿真实验进行了性能测试，得出了有效性结论[9-12]。挖掘机故障率高，诊断难度较大，挖掘机金属壳体的振动信号很大程度上能有效反应挖掘机的故障类别，为有效建立挖掘机故障检测系统，采用金属壳体振动测试分析方法进行挖掘机的故障特征提取和故障类别的分析和判别，挖掘机故障诊断的根本原理是通过有效的检测方法进行金属振动信号模型构建和信号特征提取。挖掘机的金属壳体结构分析模型。挖掘机故障检测诊断的第一步是进行金属振动特征采集和信号测试，通过对金属振动的测试，进行数据挖掘和信号模型构建，这一步是挖掘机故障诊断和故障类别分析的关键，本文通过采集挖掘机故障状态工况下的金属壳体的振动信号作为研究对象，对挖掘机的工况状态信息进行判别和特征分解。工况状态识别是对挖掘机运行状态进行判断，采用自适应神经网络分析和分类器识别的方法进行故障分类，实现对挖掘机的故障诊断和特征判别。通过对检测到的挖掘机信号进行特征提取，本文采用关联维特征提取方法进行挖掘机的故障诊断专家系统软件构建，以典型故障为训练样本，对挖掘机在异常工况下的金属壳体振动状态进行测试和特征分类。挖掘机金属壳体振动信号很大程度上是一组非线性时间序列，采用非线性信号分析方法，进行特征空间降噪处理，最后进行故障诊断。根据上述挖掘机故障诊断原理，进行故障诊断算法设计和仿真测试。
3挖掘机金属振动测试与故障诊断方法实现
根据上述算法原理，本文提出一种基于关联维特征提取的故障诊断方法，假设挖掘机的金属振动时间序列为一组非平稳时间序列，记为金属振动的采样时间间隔，采用关联谱特征提取方法，进行相空间重构，得到在维相空间中的挖掘机故障状态的金属振动信号维矢量为：X(n)={x(n),x(n+τ),,x(n+(m−1)τ)}对于高阶谱空间中的矢量特征点nX，故障信号的金属振动状态矢量集合为η(n)X，定义mnR为nX与η(n)X挖掘机故障工况下的振动信号、差压信号之间的状态欧式距离，表示为：由于金属壳体的振动测量系统引起的误差可以通过调整振动传感器各通道之间的相位差、前放各路之间的相位差实现，通过上述算法设计，实现了挖掘机的故障优化诊断和系统状态判别。
4仿真实验与结果分析
为了测试本文设计的方法进行挖掘机故障诊断中的应用性能，进行仿真实验。在故障工况下进行挖掘机的金属振动测试和特征提取，得到故障工况下的挖掘机金属振动测试结果如图1所示，从图可见，采用本文算法能有效检测出挖掘机的故障状态特征，通过技术振动测试，有效分辨出挖掘机的故障类别，性能较好。
5结语
采用挖掘机机体金属振动测试方法进行机械故障监测，实现故障诊断，是一种基于机体金属壳体振动关联谱特征提取的挖掘机故障诊断方法。本文首先对目前的挖掘机机械故障诊断方法进行分析，介绍了采用金属壳体振动测试方法进行故障诊断的原理。然后进行故障特征提取和诊断的算法设计。最后以实际的挖掘机故障工况状态进行案例应用分析和仿真测试，研究表明，该方法可靠稳定，故障诊断的准确性较好。对大量采用挖掘机的建筑行业来说，是个利好的福音，可以缩短故障排查时间，有的放矢，快速维修，提高了机械的利用效率。
作者：程卫军 单位：中铁十六局集团第三工程有限公司
