汽车起重机是集机电于一体的大型特种装备之一,由于作业工况的高强度与高复杂度,其关键功能部件性能会随着时间的推移逐渐衰退,具体原因包含运转泄露、摩擦、磨损、冲击、振动、高温、腐蚀等因素作用。关键部件的性能衰退会对起重机健康程度产生影响,如阀芯卡紧导致复位弹簧故障或阀芯位移不到位进而引起控制阀内液压油流量过大或过小,严重时可能会引发系统故障,影响正常生产作业。为了准确评估起重机关键功能部件健康状态,在实际作业工况下降低故障率与危险性。本文针对汽车起重机的关键功能部件支腿控制阀、回转部件,传动系统主轴为对象,从其健康性能衰退机理出发,研究部件故障诊断方法与性能评估算法模型,建立运行过程中的控制流数据或传感器信号与健康状态的非线性映射关系,从而实现起重机系统健康性能评估的目的。主要内容如下:(1)针对支腿系统支腿控制阀进行健康性能评估。采集其出口压力信号进行小波域特征与时域特征提取。针对控制阀信号特征,采用主成分分析进行降维处理,并利用马氏距离评估测试数据偏离于基准数据的程度,最后映射到健康指数空间进行度量。通过与其他方法进行比对,该方法的鲁棒性与泛化性更为突出。(2)针对回转系统进行健康性能评估,采集手柄倾角、回转转速、伸臂长度、额定吊重量、实际吊重量等12维信号,通过随机森林特征重要度提取缩减数据维度。构建高斯核密度估计用以表征数据本身特性,对求得的概率密度通过Kullback-Leibler相对熵得到其健康性能趋势。与其他模型方法相对比,该方法避免了数据本身噪声干扰的同时,能够较为准确地达到健康性能评估的目的。(3)针对起重机传动系统中的主轴进行故障诊断。通过加速度传感器采集主轴的振动信号,首先对加速度信号进行小波包去噪,绘制功率谱图,根据故障特征频率进行初步故障诊断。然后以小波包能量作为特征向量,利用纠错输出编码支持向量机进行故障诊断。实验结果表明,该方法可以对传动部件的故障状态进行准确诊断。其优点在于纠正了单分类器引起的偏差,提高在多分类问题的诊断精度。(4)设计开发健康评估系统。该系统通过嵌入式控制器的采集卡获取控制流数据和传感器信号,根据建立诊断评估模型绘制健康指数变化趋势。同时该系统具备扩展起重机其他关键部件的能力,为起重机故障诊断与健康评估提供了技术、方法与理论基础。在上述提出的关键部件故障诊断与健康评估方法基础上,未来将进行多部件信号的健康性能评估、多设备的互评估等多个方面来进一步研究起重机关键部件的健康维护。