吳冰
摘 要: 故障的發(fā)生和發(fā)展、設(shè)備工況的變化等,都會使機電設(shè)備的動態(tài)信號表現(xiàn)出非平穩(wěn)性和強噪聲特性,給故障診斷帶來困難。本論文以機電設(shè)備為對象,對其故障診斷方法及維修技術(shù)要點進行了分析與探究。
關(guān)鍵詞: 機電設(shè)備;故障診斷;維修技術(shù)
現(xiàn)代機電系統(tǒng)自動化水平日益提高,系統(tǒng)的規(guī)模逐步擴大,系統(tǒng)構(gòu)成更加復雜,其子系統(tǒng)的關(guān)聯(lián)程度越來越密切,同時,故障發(fā)生的可能性大大增加,表現(xiàn)方式也各式各樣,并且一個故障源可能引起鏈式反應,導致更大故障發(fā)生,這些特點給機電設(shè)備故障診斷帶來了前所未有的困難。同時,對于機電設(shè)備的安全穩(wěn)定運轉(zhuǎn)、故障的早期預測、推行預知維修管理、減少由于故障和維修帶來的經(jīng)濟損失成為現(xiàn)代企業(yè)追求的目標。為此,找到合適的故障診斷方法是研究的主要方向。
一、機電設(shè)備故障的概況
機電設(shè)備是工程建設(shè)至關(guān)重要的施工工具。保證機電設(shè)備使用正常化,是機電設(shè)備管理的主題和中心任務。因此,如何加強機電設(shè)備故障診斷能力,充分發(fā)揮機電設(shè)備效能,挖掘機電設(shè)備的潛力,具有重要的現(xiàn)實意義。
1、所謂機電設(shè)備故障是指機電設(shè)備的各項技術(shù)指標偏離了它的正常狀態(tài),引起部分功能或全部功能癱瘓的現(xiàn)象。機電設(shè)備耐用性與使用時間呈相關(guān)關(guān)系,機械使用時間越長,其技術(shù)狀況惡化的可能性越高,同時,故障發(fā)生的可能性也越大。
2、機電設(shè)備故障的發(fā)生具有隨機性,在生產(chǎn)過程中,很難把握故障發(fā)生的確切時間。因此,研究機電設(shè)備故障發(fā)生的規(guī)律和特性具有重要意義,通過對機械運行趨勢的預測,制定對應的維修措施,保證生產(chǎn)順利進行,建立科學的檢修、維修體系。
二、機電設(shè)備故障診斷方法
1、近似推理算法
目前已經(jīng)提出了多種近似推理算法,這些算法都采取一定的方式在運行時間和推理精度上尋求一個折中,力求在較短的時間內(nèi)得到一個滿足精度要求的結(jié)果,這些算法隨著計算時間的增長,其計算精度越高。目前近似推理算法主要分為兩大類:
(1)機模擬方法。模擬方法又稱為 Monte Carlo 法。該方法首先對貝葉斯網(wǎng)絡表示的聯(lián)合概率分布進行隨機抽樣,以產(chǎn)生足夠的樣本,然后根據(jù)這些樣本,通過頻率計算來獲得變量的概率值,而不是直接利用聯(lián)合概率分布進行計算。基于仿真的方法需要設(shè)計一套能夠以最快的速度產(chǎn)生滿足統(tǒng)計計算的樣本的采樣算法,當前提出采樣方法主要有:Forward Sampling、Backward Sampling、ImportanceSampling 和 Markov chain Sampling。
(2)基于搜索的方法。基于搜索的方法假定概率問題是一類組合問題,所以可以將所需要計算的各個變量的不同組合看作一個狀態(tài)空間,在這個狀態(tài)空間中有些狀態(tài)對最后的計算結(jié)果會產(chǎn)生較大影響,而另外一些狀態(tài)則影響甚微。由此,可以通過啟發(fā)搜索的方法,在整個狀態(tài)空間中進行搜索,尋找那些對計算結(jié)果影響較大的狀態(tài)。然后用這些狀態(tài)代替整個狀態(tài)空間參與運算,以達到提高計算效率的目的,并且在計算結(jié)束時能夠給出一個較精確的解答。
2、基于貝葉斯網(wǎng)絡的機械故障診斷模型與診斷推理
根據(jù)對機械故障診斷的認識,機械故障可以通過若干屬性來描述,這些屬性變量集的各種取值組合就構(gòu)成了該故障的狀態(tài)空間。這些屬性變量之間存在著一定的系(獨立或者依賴),根據(jù)以往的研究我們可以把這些屬性劃分為故障征兆和故障原因,所以通過對它們的研究可以得到故障的知識表示模型。在不確定的環(huán)境下,故障原因和故障征兆往往含有幾個狀態(tài)。比如,一個故障征兆可能有三種狀態(tài):極高,偏高,正常。我們可以用一個多值變量來表示這種多值命題。而貝葉斯網(wǎng)絡作為一種模擬人類推理過程中因果關(guān)系的有向圖,其節(jié)點就是一個多值變量,此外貝葉斯網(wǎng)絡還具有一個表示條件獨立性的自然方式――由有限個節(jié)點構(gòu)成有向無環(huán)圖網(wǎng)絡結(jié)構(gòu),因而我們可以利用貝葉斯網(wǎng)絡的基本元素描述機械故障診斷知識。
(1)網(wǎng)絡節(jié)點與網(wǎng)絡結(jié)構(gòu)。用網(wǎng)絡結(jié)構(gòu)中的節(jié)點可以表示故障診斷領(lǐng)域中的故障征兆和故障原因,在節(jié)點間的有向連接弧表示征兆與原因之間可能的因果關(guān)系。故障征兆和故障原因的狀態(tài)多為二元狀態(tài),即其取值只為 1 或者0,分別表示相應的故障和征兆是否出現(xiàn)。故障原因和故障征兆各自構(gòu)成兩個樣本集,且兩個樣本集中的元素是相互獨立的,即故障之間或故障征兆之間是無必然的因果關(guān)系。但是這并不意味著它們相互排斥,即一臺機組可以同時發(fā)生幾種不同的故障,同樣多個故障征兆的出現(xiàn)也是正常的。根據(jù)故障征兆與與故障原因之間的因果關(guān)系,我們可以用有向弧線將相關(guān)的節(jié)點聯(lián)系起來,構(gòu)成貝葉斯網(wǎng)絡的有向無環(huán)圖結(jié)構(gòu)。圖形化的結(jié)構(gòu)可以更加清晰的表達出領(lǐng)域?qū)<覍υO(shè)備故障狀態(tài)的認知,符合人類的思維形式。
(2)條件概率表。貝葉斯每一節(jié)點都附有與該變量相聯(lián)系的條件概率分布函數(shù),如果變量是離散的,則它表現(xiàn)為給定其父節(jié)點狀態(tài)時該節(jié)點取不同值的條件概率表 CPT。CPT 表明了故障原因與故障征兆之間的概率依賴關(guān)系,是對故障診斷知識進行定量描述。由此可見,貝葉斯網(wǎng)絡可以對故障診斷領(lǐng)域數(shù)據(jù)變量間潛在關(guān)系進行定性定量的描述,它圖形結(jié)構(gòu)指定了一組條件關(guān)系獨立關(guān)系聲明和用于刻畫概率依賴強度的條件概率的數(shù)值。由于貝葉斯網(wǎng)絡表示了因果過程的總體結(jié)構(gòu),故它可被看做是擁有許多不同組合的一個抽象知識庫。它的語義可以從兩個方面來理解,其一是將網(wǎng)絡看作一種聯(lián)合概率分布的表示,即貝葉斯網(wǎng)絡完整緊湊地表示了網(wǎng)絡中各變量的聯(lián)合分布概率。其二是將網(wǎng)絡看作條件獨立關(guān)系聲明集合的一種表示。這兩種觀點實質(zhì)上是等價的,而且在貝葉斯網(wǎng)絡的表達、學習、推理算法中得到了統(tǒng)一。
三、機電設(shè)備維修技術(shù)要點
1、維修工作的切入點
維修工作的開展需要找準切入點。機電設(shè)備在進行維修時應該從具體的點進行切入,比如設(shè)備在性能上的特點以及設(shè)備在結(jié)構(gòu)方面的原理等,這些都可以正常地維修機電設(shè)備。找準了切入點,同時還應該設(shè)置定期或者日常檢查的步驟、范圍以及需要注意的相關(guān)事項等。在檢查機電設(shè)備時,可以按照具體的方法來分析故障,比如儀器測量的方法、經(jīng)驗推斷的方法以及通過感觀直接判斷的方法等。這其中會涉及到各種各樣的狀況,比如一些小修、中修或者大修的情況,應該按照具體的情況有步驟、有計劃的進行。
2、維修設(shè)備的關(guān)鍵點
(1)科學處理例行檢查和日常生產(chǎn)之間的關(guān)系。一些企業(yè)的管理者可能會認為維修和檢查設(shè)別會花費很長的時間,需要一定的人力、物力與財力。因此,他們對于機電設(shè)備的態(tài)度往往是,只要設(shè)備還能夠?qū)⒕椭\轉(zhuǎn),就直接不進行相應的檢查和維修,長此以往導致機電設(shè)備常常會需要帶病工作,最終導致設(shè)備出現(xiàn)不必要的故障,嚴重的還會誘發(fā)一些安全方面的事故。這無疑嚴重影響到了企業(yè)的發(fā)展節(jié)奏。
(2)科學的處理計劃檢修和預防為主間的關(guān)系。所謂預防即在維修設(shè)備之前做好相應的前期工作。這一般都是通過定期性修理和狀態(tài)檢測兩種方式,有針對性的提前處理檢測和預判性的問題。實現(xiàn)按照計劃來檢修需要保證在保養(yǎng)、理性維護以及日常巡檢的基礎(chǔ)上。只有這樣才能保證設(shè)備的性能、降低故障發(fā)生率,從而延長設(shè)備使用的壽命。
四、結(jié)束語
綜上所述,在工程建設(shè)中機電故障對于人們的生產(chǎn)、生活會產(chǎn)生極大影響,所以應當合理選用機電設(shè)備故障診斷方法,做好各項維修工作。只有這樣才能確保機電設(shè)備的安全運行,才能保障廣大人民的生命財產(chǎn)安全。
參考文獻
[1]何正嘉;訾艷陽;孟慶豐等;機械設(shè)備非平穩(wěn)信號的故障診斷原理及應用[M];北京:高等教育出版社;2011
[2]倫冠德.機械設(shè)備故障檢測診斷技術(shù)現(xiàn)狀與發(fā)展[J].拖拉機與農(nóng)用運輸車,2007,(03).
[3]楊曉川,謝慶華,何俊,張琦.基于故障樹的模糊故障診斷方法[J].同濟大學學報(自然科學版),2011,(09).