CN110320808A - 基于观测器组的阀控型电液伺服***故障检测与分类方法 - Google Patents

Abstract

本发明公开了基于观测器组的阀控型电液伺服***故障检测与分类方法，包括如下步骤：步骤1)将***进行模块划分，步骤2)进行常见故障的建模；步骤3)根据故障的状态空间分布，进行***状态方程重组，建立了重组后的执行器故障状态方程和重组后的传感器故障状态方程；步骤4)构建非线性鲁棒故障检测与隔离观测器组，步骤5)***故障检测，即***中有无故障判断；步骤6)步骤5)中一旦判断出***存在故障，则启动故障隔离观测器组，进行故障类型判断；本发明的有益效果是：本发明可以对阀控型电液伺服***进行实时状态监测和性能预测，可在未知时变外干扰力下对***中有无故障以及发生何种故障进行在线自动判断。

Description

基于观测器组的阀控型电液伺服***故障检测与分类方法

技术领域

本发明属于电液伺服***故障诊断领域，具体涉及基于观测器组的阀控型电液伺服***故障检测与分类方法。

背景技术

电液伺服***是一种由电信号处理装置和液压动力机构组成的反馈控制***，由于其具有功率体积比大、响应速度快、便于控制等优势，因而被广泛地应用于生产制造领域。阀控型电液伺服***是其中一类常见***，其主要控制元件是液压控制阀，通过伺服阀或者比例阀等控制进出液压油缸或液压马达的油液，从而实现执行器位置、速度、力的控制，该***具有响应快、控制精度高的优点，因而得到了广泛的应用。例如飞机与船舶舵机的控制、机械臂的位置控制、板带轧机的板厚控制等均采用了阀控型电液伺服***。

随着***的长期运行，***中的元部件会磨损老化，再加上一些使用环境和使用方法上的原因，***中难免出现故障。根据国际自动控制联合会安全过程技术委员会的定义，“故障”为：***中至少一个特性或参数超出了***可以接受/通常/标准的范围，因此并非***完全不能运行了或出现明显性能下降才叫出现故障并进行故障诊断，而是需要在***逐渐偏离正常的过程中就能发现并找出故障位置，因此存在很大的挑战。此外，电液伺服***本身就是复杂的机、电、液综合***，***庞大，工作环境恶劣，经常伴随着高温、噪声、湿滑等，这些都对***故障的有效诊断造成了阻挠，随着现代装备向着自动化、智能化的方向发展，其安全性、可靠性更成为了关注的热点，是***智能化的前提条件和基础保障。

电液伺服***故障诊断的任务包括故障检测，即判断***有无故障，以及故障分类，即在判断出***有故障的基础上，进一步判断出故障的类型和发生位置，这对于实际***故障的及时处理更有意义。目前故障检测与分类的方法主要包括基于信号处理的方法，基于知识的方法和基于模型的方法，基于信号处理的方法需要事先获取各类故障数据，然后采用一定的方法如主元分析、小波分析法等提取各类故障的特征参量，再采用聚类方法将这些特征参量进行有效聚类，从而进行故障类型的判断，该方法主要用于单个液压元件，如液压泵、液压缸内部的故障检测与分类；基于知识的方法主要包括专家***、神经网络等，基于专家***的方法是早期故障诊断常用方法，通过搜集专家经验及分析***因果关系建立***故障树或诊断知识库和规则库，之后通过这些知识规则进行故障排查，该方法中知识的搜集和规则的建立需要耗费大量的时间精力；基于神经网络的方法需要事先获取大量典型故障数据，然后将故障数据输入一定结构的神经网络进行学习训练，构建正常及不同故障的网络模型，从而进行***故障的检测和分类，因此该方法对于前期各类故障数据的获得具有一定要求；基于模型的方法不需要事先获取大量历史数据也不需要规则制定或网络训练，但需要建立***模型，通过构建***模型的观测器可对***有无故障进行检测，通过构建观测器组可对***发生故障类型进行判断，由于是基于***模型的检测，因而对模型的准确性有一定的要求。目前电液伺服***基于模型的诊断方法中，主要是面向模型准确的理想情况，而实际阀控型电液伺服***是一个非线性***，***内存在诸多固有非线性，且***中存在随压力温度而变化的不确定参数，以及摩擦力、粘性阻尼力等难以准确获得的干扰力等，因此导致故障检测与分类的准确性不高。另一方面，在不确定条件下，面向整个***的多种故障的分类研究也较少，且往往只考虑执行器故障或传感器故障，没有将两者均考虑进去，缺乏统一的故障检测与分类方法体系。

现有技术一是通过安装各类传感器例如压力、流量、加速度传感器等，事先获取各类故障数据，然后采用一定的方法如主元分析、小波分析法等提取各类故障的特征参量，再采用聚类方法等将这些特征参量进行有效聚类，从而进行故障分类。该技术的缺点在于，需要一项一项提取各种故障的故障特征，故障特征一般很难提取，且容易受外干扰的影响，此外该方法主要用于单个液压元件，如液压泵、液压缸内部的故障检测与分类，一旦涉及整个电液伺服***，则互相干扰耦合因素太多，会导致故障检测和分类结果不准确。

现有技术二通过搜集专家经验及分析***因果关系建立***故障树或故障诊断专家知识库和规则库，之后将***状态与知识库进行匹配，从而逐步进行故障排查，并依据规则库进行故障种类分析。该方法中知识的搜集和规则的建立需要耗费大量的时间精力，电液伺服***现象和故障之间的因果关系复杂，要建立其规则库也非常不容易，此外要采用该方法，需要具备丰富的实际和现场经验，对人员的技能要求较高，随着规则的增多，规则间的冗余性和矛盾性排查也存在困难。

现有技术三通过事先获取阀控型电液伺服***正常状态下以及各种故障状态下大量典型数据，然后将各类数据输入一定结构的神经网络中进行学习训练，以此构建正常及不同故障时的网络模型，再将实际***数据输入已构建好的各个神经网络模型进行故障识别，从而进行***故障的检测和分类。神经网络的方法对于前期各类故障数据的获得具有一定要求，需要事先采用大量典型学习样本训练，而代表各种故障模式的典型数据的获取是存在困难的，此外该方法对于神经网络类型的选取以及网络结构的构造也有很高的要求，再者一旦***存在未知时变外干扰力，那么训练的模式和样本数量就会急剧上升，且大大影响神经网络故障判断的准确性，也影响故障检测与分类的实时性。

发明内容

针对现有技术中存在的问题，本发明提供了设计合理的基于观测器组的阀控型电液伺服***故障检测与分类方法，主要解决实际阀控型电液伺服***在线故障检测和多种故障类型判断的问题，既要保证对外干扰的鲁棒性，又保证对故障的敏感性。

本发明的技术方案如下:

基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，包括如下步骤：

步骤1)将***进行模块划分，建立伺服阀/比例阀的流量方程和动态方程、液压缸的流量连续性方程以及液压缸活塞的运动力平衡方程，选取液压缸活塞运动速度，液压缸左右两腔压力，以及伺服阀/比例阀的阀芯位移为***的状态变量，建立***状态方程；

步骤2)进行常见故障的建模，其中供油压力异常故障对应供油压力参数p_s+变化，记为Δp_s+，回油压力异常故障对应回油压力参数p_s-变化，记为Δp_s-，液压缸内泄漏故障对应内泄漏参数c_i变化，记为Δc_i，伺服阀/比例阀故障对应阀增益系数k_v变化，记为Δk_v，位移传感器故障对应输出位移值x_p的变化，记为Δx_p，两个压力传感器故障对应液压缸左右两腔输出压力值p₊与p_-的变化，分别对应Δp₊与Δp_-，将故障项从状态方程中分离后，建立包含故障的***状态方程(2)；

步骤3)根据故障的状态空间分布，进行***状态方程重组，建立了重组后的执行器故障状态方程(3)和重组后的传感器故障状态方程(4)；

步骤4)构建非线性鲁棒故障检测与隔离观测器组，为方便有效解的获得，所构建的非线性鲁棒故障检测与隔离观测器均具有统一的形式；针对步骤2建立的状态方程(2)，构建***故障检测观测器1，其中针对步骤3建立的状态方程(3)，构建执行器故障隔离观测器2与3，其中为[D e₁]与[D e₂],针对步骤3建立的状态方程(4)，构建传感器故障隔离观测器4与5，其中分别为C²＝[n₁ n₃]^T与C³＝[n₁ n₂]^T，分别为y²与y³, 分别为用来构建鲁棒观测器重整后的干扰参数矩阵，输出参数矩阵，干扰向量和输出向量，D,C,d,y分别为步骤2中所建立的原***状态方程中的干扰参数矩阵，输出参数矩阵，干扰向量和输出向量，e_i＝[0 e_i1 e_i2 e_i3]^T，n_i＝[n_i1n_i2 n_i3]^T，

步骤5)***故障检测，即***中有无故障判断；具体方法为，实时采集***输入输出信号，包括控制器输出给伺服阀/比例阀的电压信号值u，液压缸活塞位置信号x_p，以及液压缸两腔的压力信号值p₊与p_-；并将这些实时信号输入步骤4所构建的故障检测观测器1中，将***输出和观测器输出做差值，得到输出残差向量r₁，再计算误差估计函数J₁＝r₁ ^TH₁r₁，式中H₁为加权对角函数，对于***有无故障判断规则如下，其中λ₁为故障检测观测器1的阈值：

；

步骤6)步骤5中一旦判断出***存在故障，则启动故障隔离观测器组，进行故障类型判断；将实时采集到的***输入输出参数输入步骤4所构建的故障隔离观测器2～5中，包括伺服阀/比例阀的电压信号值u，液压缸活塞位置信号x_p，以及液压缸两腔的压力信号值p₊与p_-，将***输出和各个观测器输出分别做差值，得到输出残差向量r₂，r₃，r₄，r₅，再选取其中的速度残差分量r_v2,r_v3,r_v4,r_v5作为故障隔离特征量，通过与各自阈值λ₂,λ₃,λ₄,λ₅比较得出相应结果，通过各自结果的不同组合进行故障类型的判断。

所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤1中建立的***状态方程为：

式中，

其中，a₊,a_-分别表示液压缸两腔的作用面积，分别表示液压缸两腔的有效容积，p₊,p_-分别表示液压缸两腔的压力，q₊,q-分别表示液压缸两腔的作用面积，c_i与c_e分别为液压缸的内外泄露系数,m为负载及折算到负载上的总质量，b_p为粘性阻尼系数,f代表其它未知时变外干扰力，k_q为伺服阀/比例阀的流量系数，w为阀的死区,k_v与τ分别为描述伺服阀/比例阀动态特性的增益系数与时间系数，u为输入电压；p_s+与p_s-分别为***供油和回油压力,β_e为油液的有效体积弹性模量。

所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤2中建立的包含故障的***状态方程为：

其中状态向量输出向量干扰力g(x)为***的非线性项，f_a,f_s,分别为执行器和传感器故障向量，F_a,F_s分别为执行器和传感器的故障定位矩阵，可表示为F_a＝[e₁ e₂ e₃]，F_s＝[n₁ n₂ n₃]，e_i＝[0 e_i1 e_i2 e_i3]^T，n_i＝[n_i1 n_i2n_i3]^T，参数矩阵A,B,C,D由式(1)得到，

a₁₁＝a₁₄＝a₂₄＝a₃₄＝a₄₁＝a₄₂＝a₄₃＝0。

所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤3中对于执行器故障重组如下：

其中，Dⁱ＝[D e_i]，dⁱ＝[d f_ai]^T，f_ai为执行器故障向量f_a的第i个元素，而f_a中剩余元素组成新的故障向量 为原故障定位矩阵F_a除去e_i后得到的新的故障定位矩阵；

对于传感器故障，***状态方程重组如下：

其中y_i为***的第i个输出，yⁱ为除了第i个输出的其它输出组成的新的输出向量，Cⁱ和分别由参数矩阵C和F_s除去第i行后得到新的参数矩阵。

所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤4)中根据步骤2中获得的***参数矩阵A,B,C,D，来获取待设计的参数矩阵T,E,G,N和L，方法如下：

步骤4.1)引入中间参量U,V并按下式计算：

其中I为单位矩阵；

步骤4.2)将U、V带入下述线性矩阵不等式，并解该不等式，获得一个正定对称矩阵P>0，和两个矩阵

式中γ为正常数；

步骤4.3)计算矩阵Y和K，和

步骤4.4)计算参数矩阵E＝U+YV，

步骤4.5)计算其它观测器参数矩阵G＝TB,L＝K-NE。

所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤6)中对于***故障类型判断规则如下，其中λ₂,λ₃,λ₄,λ₅为故障隔离观测器2～5的阈值：

步骤6.1)在液压缸活塞运动的两个方向上(v±)，若均有r_v4<λ₄,r_v5≥λ₅,则为压力传感器1故障，若均有r_v4≥λ₄,r_v5<λ₅,则为压力传感器2故障，否则为其它类型故障，进入下一步；

步骤6.2)若非压力传感器故障，观察r_v2或r_v3，定义活塞往右运动为正方向v₊，则在液压缸活塞两个运动方向上，若在正方向上r_v2<λ₂,负方向上r_v2≥λ₂或正方向上r_v3≥λ₃,负方向上r_v3<λ₃,则为供油压力异常故障，若在正方向上r_v2≥λ₂,负方向上r_v2<λ₂或正方向上r_v3<λ₃,负方向上r_v3≥λ₃,则为回油压力异常故障，否则为其它类型故障，进入下一步；

步骤6.3)在液压缸活塞两个运动方向上，若残差r_v1的比值约为速度比，则为位移传感器增益故障，若残差r_v1的比值约为液压缸两腔压差比，则为液压缸内泄漏故障，否则为比例阀故障。

本发明的有益效果是：本发明可以对阀控型电液伺服***进行实时状态监测和性能预测，可对***中有无故障进行在线自动判断，还能够进一步对出现故障的类型、位置进行识别，有利于早期故障的分析处理，避免更大的损失。此外，本发明提出的方法在保证对故障的敏感性上同时具有较强的鲁棒性，可以在外干扰力时变未知的情况下，对***进行故障检测和分类，适合多种实际***使用，且同时考虑了多类执行器、元部件和传感器故障，形成了统一的方法体系，可避免对于每个故障繁杂的一一特征提取过程。

附图说明

图1为本发明的阀控型电液伺服***原理图；

图2为本发明的鲁棒故障检测与隔离观测器；

图3为本发明的阀控型电液伺服***故障检测与分类流程图；

图中：1-控制器，2-液压缸，3-位移传感器，4-活塞，5-压力传感器2，6-压力传感器1，7-溢流阀，8-液压泵，9-伺服阀/比例阀。

具体实施方式

以下结合说明书附图，对本发明作进一步描述。

如图1-3所示，基于观测器组的阀控型电液伺服***故障检测与分类方法，首先对阀控型电液伺服***进行非线性建模，通过提取四个状态变量，建立***的非线性状态方程。然后对常见的七类故障进行建模，包括供油压力异常故障，回油压力异常故障，液压缸内泄漏故障，伺服阀/比例阀故障，位移传感器故障，以及液压缸进出口压力传感器1与压力传感器2故障。针对每类故障的特点和状态空间分布，进行***状态方程的重组，形成对应的状态方程形式。构建非线性鲁棒故障检测与隔离观测器组，所构建的非线性鲁棒故障检测与隔离观测器组均对***的外干扰力鲁棒，其中故障检测观测器对所有故障敏感，能够对***有无故障进行判断，一旦判断出***存在故障，则启动故障隔离观测器组。所构建的故障隔离观测器组中每个观测器只针对其中一个维度的故障，通过各个观测器结果的有效组合，制定相应规则和步骤，能够实现上述七类故障的分类。该方法可用于阀控型电液伺服***的在线故障检测与分类，对于***的未知时变外干扰、不确定参数和非线性等具有较强的鲁棒性，具有广泛的实际应用前景。

本发明所针对的一类阀控型电液伺服***如图1所示，***主要由液压泵，伺服阀/比例阀，液压缸，控制器、位移传感器等组成。液压泵与伺服阀/比例阀连接，伺服阀/比例阀与液压缸连接，液压缸活塞上装有位移传感器，位移传感器与控制器电路连接，控制器与伺服阀/比例阀电控端电路连接。给定指令信号，通过位移传感器测得实际活塞的速度，与指令信号比较后由控制器输出电压到伺服阀/比例阀的电控端，从而控制伺服阀/比例阀的阀芯开口量，进而控制进出液压缸两腔的流量，推动活塞运动，由此进行闭环控制最终达到所需要的活塞位置，液压缸进出油口处增设的两个压力传感器1与压力传感器2，主要用于***状态量的获取，从而进行故障检测与分类。可将该***的位移传感器换成速度传感器用于速度控制，也可将执行器由液压缸换成液压马达用于角度或角速度控制，工作原理也类似，本专利方法同样适用。

一种基于观测器组的阀控型电液伺服***故障检测与分类方法，具体步骤如下：

步骤1、将***进行模块划分，建立伺服阀/比例阀的流量方程和动态方程、液压缸的流量连续性方程以及液压缸活塞的运动力平衡方程，选取液压缸活塞运动速度，液压缸左右两腔压力，以及伺服阀/比例阀的阀芯位移为***的状态变量，建立***状态方程：

式中，

其中，a₊,a_-分别表示液压缸两腔的作用面积，分别表示液压缸两腔的有效容积，p₊,p_-分别表示液压缸两腔的压力，q₊,q_-分别表示液压缸两腔的作用面积，c_i与c_e分别为液压缸的内外泄露系数,m为负载及折算到负载上的总质量，b_p为粘性阻尼系数,f代表其它未知时变外干扰力，k_q为伺服阀/比例阀的流量系数，w为阀的死区,k_v与τ分别为描述伺服阀/比例阀动态特性的增益系数与时间系数，u为输入电压；p_s+与p_s-分别为***供油和回油压力,β_e为油液的有效体积弹性模量。

步骤2、进行常见故障的建模，其中供油压力异常故障对应供油压力参数p_s+变化，记为Δp_s+，回油压力异常故障对应回油压力参数p_s-变化，记为Δp_s-，液压缸内泄漏故障对应内泄漏参数c_i变化，记为Δc_i，伺服阀/比例阀故障对应阀增益系数k_v变化，记为Δk_v，位移传感器故障对应输出位移值x_p的变化，记为Δx_p，两个压力传感器故障对应液压缸左右两腔输出压力值p₊与p_-的变化，分别对应Δp₊与Δp_-，将故障项从状态方程中分离后，建立包含故障的***状态方程：

其中状态向量输出向量干扰力g(x)为***的非线性项，f_a,f_s,分别为执行器和传感器故障向量，F_a,F_s分别为执行器和传感器的故障定位矩阵，可表示为F_a＝[e₁ e₂ e₃]，F_s＝[n₁ n₂ n₃]，e_i＝[0 e_i1 e_i2 e_i3]^T，n_i＝[n_i1 n_i2n_i3]^T，参数矩阵A,B,C,D由式(1)得到，

a₁₁＝a₁₄＝a₂₄＝a₃₄＝a₄₁＝a₄₂＝a₄₃＝0

步骤3、根据故障的状态空间分布，进行***状态方程重组，对于执行器故障重组如下：

其中，Dⁱ＝[D e_i]，dⁱ＝[d f_ai]^T，f_ai为执行器故障向量f_a的第i个元素，而f_a中剩余元素组成新的故障向量 为原故障定位矩阵F_a除去e_i后得到的新的故障定位矩阵。

对于传感器故障，***状态方程重组如下：

其中y_i为***的第i个输出，yⁱ为除了第i个输出的其它输出组成的新的输出向量，Cⁱ和F_s ⁱ分别由参数矩阵C和F_s除去第i行后得到新的参数矩阵。

步骤4、构建非线性鲁棒故障检测与隔离观测器组，为方便有效解的获得，所构建的非线性鲁棒故障检测与隔离观测器均具有统一的形式，该观测器结构如图2。针对状态方程(2)，构建***故障检测观测器1，其中针对状态方程(3)，构建执行器故障隔离观测器2与3，其中为[D e₁]与[D e₂],针对状态方程(4)，构建传感器故障隔离观测器4与5，其中分别为C²＝[n₁ n₃]^T与C³＝[n₁ n₂]^T，分别为y²与y³, 分别为用来构建鲁棒观测器重整后的干扰参数矩阵，输出参数矩阵，干扰向量和输出向量，矩阵A,B,C,D为***参数矩阵，在步骤2中获得，T,E,G,N和L都是待设计的参数矩阵，获取方法如下：

步骤4.1、引入中间参量U,V并按下式计算：

其中I为单位矩阵；

步骤4.2、将U、V带入下述线性矩阵不等式，并解该不等式，获得一个正定对称矩阵P>0，和两个矩阵

式中γ为正常数；

步骤4.3、计算矩阵Y和K，和

步骤4.4、计算参数矩阵E＝U+YV，

步骤4.5、计算其它观测器参数矩阵G＝TB,L＝K-NE。

步骤5、***故障检测，即***中有无故障判断。具体方法为，实时采集***输入输出信号，包括控制器输出给伺服阀/比例阀的电压信号值u，液压缸活塞位置信号x_p，以及液压缸两腔的压力信号值p₊与p_-；并将这些实时信号输入步骤4所构建的故障检测观测器1中，将***输出和观测器输出做差值，得到输出残差向量r₁，再计算误差估计函数J₁＝r₁ ^TH₁r₁，式中H₁为加权对角函数，对于***有无故障判断规则如下，其中λ₁为故障检测观测器1的阈值：

。

步骤6、步骤5中一旦判断出***存在故障，则启动故障隔离观测器组，进行故障类型判断。将实时采集到的***输入输出参数输入步骤4所构建的故障隔离观测器2～5中，包括伺服阀/比例阀的电压信号值u，液压缸活塞位置信号x_p，以及液压缸两腔的压力信号值p₊与p_-，将***输出和各个观测器输出分别做差值，得到输出残差向量r₂，r₃，r₄，r₅，再选取其中的速度残差分量r_v2,r_v3,r_v4,r_v5作为故障隔离特征量，对于***故障类型判断规则如下，其中λ₂,λ₃,λ₄,λ₅为故障隔离观测器2～5的阈值：

步骤6.1、在液压缸活塞运动的两个方向上(v±)，若均有r_v4<λ₄,r_v5≥λ₅,则为压力传感器1故障，若均有r_v4≥λ₄,r_v5<λ₅,则为压力传感器2故障，否则为其它类型故障，进入下一步；

步骤6.2、若非压力传感器故障，观察r_v2或r_v3，定义活塞往右运动为正方向(v₊)，则在液压缸活塞两个运动方向上，若在正方向上r_v2<λ₂,负方向上r_v2≥λ₂或正方向上r_v3≥λ₃,负方向上r_v3<λ₃,则为供油压力异常故障，若在正方向上r_v2≥λ₂,负方向上r_v2<λ₂或正方向上r_v3<λ₃,负方向上r_v3≥λ₃,则为回油压力异常故障，否则为其它类型故障，进入下一步；

步骤6.3、在液压缸活塞两个运动方向上，若残差r_v1(r₁的速度残差分量)的比值约为速度比，则为位移传感器增益故障，若残差r_v1的比值约为液压缸两腔压差比，则为液压缸内泄漏故障，否则为比例阀故障。

本发明的优势在于不需要事先获取大量故障样本来训练网络或构建规则，所采用的***模型方程是液压***最常用的关系式，容易实现；所构建的故障检测和隔离观测器组采用的是统一的模式，避免了反复繁杂的故障特征逐一提取过程，计算量小，适合在线使用。且构建的观测器组能够在外负载力未知时变的情况下使用，体现鲁棒性，另一方面又能保持对常见多类故障的敏感性，因此适合实际***使用。该发明同时考虑了***的执行器、元部件及传感器故障，能够对多类常见故障进行在线辨识分类，有利于故障的及时分析处理，减少损失，此外该方法也适用于***状态的实时监测和性能预测。

Claims (6)

1.基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，包括如下步骤：

步骤1)将***进行模块划分，建立伺服阀/比例阀的流量方程和动态方程、液压缸的流量连续性方程以及液压缸活塞的运动力平衡方程，选取液压缸活塞运动速度，液压缸左右两腔压力，以及伺服阀/比例阀的阀芯位移为***的状态变量，建立***状态方程(1)；

步骤2)进行常见故障的建模，其中供油压力异常故障对应供油压力参数p_s+变化，记为Δp_s+，回油压力异常故障对应回油压力参数p_s-变化，记为Δp_s-，液压缸内泄漏故障对应内泄漏参数c_i变化，记为Δc_i，伺服阀/比例阀故障对应阀增益系数k_v变化，记为Δk_v，位移传感器故障对应输出位移值x_p的变化，记为Δx_p，两个压力传感器故障对应液压缸左右两腔输出压力值p₊与p_-的变化，分别对应Δp₊与Δp_-，将故障项从状态方程中分离后，建立包含故障的***状态方程(2)；

步骤3)根据故障的状态空间分布，进行***状态方程重组，建立重组后的执行器故障状态方程(3)和重组后的传感器故障状态方程(4)；

步骤4)构建非线性鲁棒故障检测与隔离观测器组，为方便有效解的获得，所构建的非线性鲁棒故障检测与隔离观测器均具有统一的形式；针对步骤2建立的***状态方程(2)，构建***故障检测观测器1，其中针对步骤3建立的状态方程(3)，构建执行器故障隔离观测器2与3，其中为[D e₁]与[D e₂],针对步骤3建立的状态方程(4)，构建传感器故障隔离观测器4与5，其中分别为C²＝[n₁ n₃]^T与C³＝[n₁ n₂]^T，分别为y²与y³, 分别为用来构建鲁棒观测器重整后的干扰参数矩阵，输出参数矩阵，干扰向量和输出向量，D,C,d,y分别为步骤2中所建立的原***状态方程中的干扰参数矩阵，输出参数矩阵，干扰向量和输出向量，e_i＝[0 e_i1 e_i2 e_i3]^T，n_i＝[n_i1n_i2 n_i3]^T，

步骤5)***故障检测，即***中有无故障判断；具体方法为，实时采集***输入输出信号，包括控制器输出给伺服阀/比例阀的电压信号值u，液压缸活塞位置信号x_p，以及液压缸两腔的压力信号值p₊与p_-；并将这些实时信号输入步骤4所构建的故障检测观测器1中，将***输出和观测器输出做差值，得到输出残差向量r₁，再计算误差估计函数J₁＝r₁ ^TH₁r₁，式中H₁为加权对角函数，对于***有无故障判断规则如下，其中λ₁为故障检测观测器1的阈值：

；

步骤6)步骤5中一旦判断出***存在故障，则启动故障隔离观测器组，进行故障类型判断；将实时采集到的***输入输出参数输入步骤4所构建的故障隔离观测器2-5中，包括伺服阀/比例阀的电压信号值u，液压缸活塞位置信号x_p，以及液压缸两腔的压力信号值p₊与p_-，将***输出和各个观测器输出分别做差值，得到输出残差向量r₂，r₃，r₄，r₅，再选取其中的速度残差分量r_v2,r_v3,r_v4,r_v5作为故障隔离特征量，通过与各自阈值λ₂,λ₃,λ₄,λ₅比较得出相应结果，通过各自结果的不同组合进行故障类型的判断。

2.根据权利要求1所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤1中建立的***状态方程为：

式中，

其中，a₊,a_-分别表示液压缸两腔的作用面积，分别表示液压缸两腔的有效容积，p₊与p_-分别表示液压缸两腔的压力，q₊与q_-分别表示液压缸两腔的作用面积，c_i与c_e分别为液压缸的内外泄露系数,m为负载及折算到负载上的总质量，b_p为粘性阻尼系数,f代表其它未知时变外干扰力，k_q为伺服阀/比例阀的流量系数，w为阀的死区,k_v与τ分别为描述伺服阀/比例阀动态特性的增益系数与时间系数，u为输入电压；p_s+与p_s-分别为***供油和回油压力,β_e为油液的有效体积弹性模量，x_v为伺服阀/比例阀的阀芯位移，为液压缸活塞运动速度。

3.根据权利要求1所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤2中建立的包含故障的***状态方程为：

其中状态向量输出向量干扰力g(x)为***的非线性项，f_a,f_s,分别为执行器和传感器故障向量，F_a,F_s分别为执行器和传感器的故障定位矩阵，可表示为F_a＝[e₁ e₂ e₃]，F_s＝[n₁ n₂ n₃]，e_i＝[0 e_i1 e_i2 e_i3]^T，n_i＝[n_i1 n_i2 n_i3]^T，参数矩阵A,B,C,D由式(1)得到，

a₁₁＝a₁₄＝a₂₄＝a₃₄＝a₄₁＝a₄₂＝a₄₃＝0。

4.根据权利要求1所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤3中对于执行器故障状态方程如下：

其中，Dⁱ＝[D e_i]，dⁱ＝[d f_ai]^T，f_ai为执行器故障向量f_a的第i个元素，而f_a中剩余元素组成新的故障向量 为原故障定位矩阵F_a除去e_i后得到的新的故障定位矩阵；

对于重组后的传感器故障***状态方程如下：

其中y_i为***的第i个输出，yⁱ为除了第i个输出的其它输出组成的新的输出向量，Cⁱ和分别由参数矩阵C和F_s除去第i行后得到新的参数矩阵。

5.根据权利要求1所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤4)中根据步骤2中获得的***参数矩阵A,B,C,D，来获取待设计的参数矩阵T,E,G,N和L，方法如下：

步骤4.1)引入中间参量U,V并按下式计算：

其中I为单位矩阵；

步骤4.2)将U、V带入下述线性矩阵不等式，并解该不等式，获得一个正定对称矩阵P>0，和两个矩阵

式中γ为正常数；

步骤4.3)计算矩阵Y和K，和

步骤4.4)计算参数矩阵E＝U+YV，

步骤4.5)计算其它观测器参数矩阵G＝TB,L＝K-NE。

6.根据权利要求1所述的基于观测器组的阀控型电液伺服***故障检测与分类方法，其特征在于，所述步骤6)中对于***故障类型判断规则如下，其中λ₂,λ₃,λ₄,λ₅为故障隔离观测器2-5的阈值：

步骤6.1)在液压缸活塞运动的两个方向上(v±)，若均有r_v4<λ₄,r_v5≥λ₅,则为压力传感器1故障，若均有r_v4≥λ₄,r_v5<λ₅,则为压力传感器2故障，否则为其它类型故障，进入下一步；

步骤6.2)若非压力传感器故障，观察r_v2或r_v3，定义活塞往右运动为正方向v₊，则在液压缸活塞两个运动方向上，若在正方向上r_v2<λ₂,负方向上r_v2≥λ₂或正方向上r_v3≥λ₃,负方向上r_v3<λ₃,则为供油压力异常故障，若在正方向上r_v2≥λ₂,负方向上r_v2<λ₂或正方向上r_v3<λ₃,负方向上r_v3≥λ₃,则为回油压力异常故障，否则为其它类型故障，进入下一步；

步骤6.3)在液压缸活塞两个运动方向上，若残差r_v1的比值约为速度比，则为位移传感器增益故障，若残差r_v1的比值约为液压缸两腔压差比，则为液压缸内泄漏故障，否则为比例阀故障。