機械設備故障診斷技術的現狀及趨勢

江善樓

摘?要：當今社會經濟飛速發展，機械設備得到廣泛的應用，設備故障診斷技術不斷的創新和發展。主要從機械設備故障診斷技術的現狀、方法和發展趨勢展開研究。

關鍵詞：機械設備;診斷技術;趨勢

1?機械設備故障診斷技術的發展現狀

當今機械設備故障診斷技術比較流行的是智能診斷技術，但是，這種技術并不成熟，還有很多地方需要探討，比如仿真的可行性和真實情況的操作性始終存在著誤差，再有就是智能技術的安全性和準確性有待于進一步提高。經過研究發現，目前智能診斷技術主要存在以下幾方面的問題。

（1）機械設備故障信號的融合大多是有很多模塊組成的，模塊與模塊之間可以通過機械直接連接，也可以通過電氣間接連接，不同模塊對應的信號不盡相同，這就導致了信號采集系統出現不平衡的現象，很容易導致信號提取和分析融合出現偏差，造成了最終數據的不準確性。

（2）故障診斷決策實效性較低。故障信號必須經過兩個階段才能最終得到結果，這兩個階段分別是數據處理和決策推理，但是由于故障信號的提取、處理和后計算往往需要很多時間，這就造成了體征與診斷決策匹配與否的問題，從而影響了計算結果的時效性。

（3）故障發生原因與特征對應關系的不確定。同一種機械設備由于廠家不同可能內部構造存在著部分差異，這就增加了最終決策的準確性，必須經過不斷的調整才能得到最終的結果，浪費了時間，增加了成本。

2?機械設備故障診斷技術常用的診斷方法

（1）傳統的機械設備故障診斷方法無非是望、聞、問、切。這些方法比較適用于經驗法，也就是需要長時間經驗的積累才能對故障有比較高的了解，并且這種方法一般針對技術含量不是很高的機械設備。當今機械設備都是趨于高智能化，所以這種診斷方法逐漸被淘汰。

（2）傳感器檢測法。這種檢測方法在現在的檢測方法中比較多見。舉個例子，溫度傳感器，可以利用此傳感器間接檢測機械設備功能部件溫度的變化情況，并把溫度變化情況轉變成電壓信號或者電流信號傳給ECU，從而進一步確定機械設備故障位置。

（3）噪聲頻譜分析。該方法也是常見的機械設備故障診斷方法之一。我們知道任何一種材料都有自己固有的振動頻率，正常情況下振動頻率都有一個可以檢測的數值，如果機械設備中某一個或者某些零部件發生了損傷，其振動頻率肯定會發生變化。我們就是利用這個變化數值，然后利用對應的噪聲頻譜分析，通過聲吶設備檢測機械設備中的諧波數值、頻率變化等，從而可以判斷出故障的發生部位。只不過機械設備往往體積較大，零部件眾多，發生故障后頻率的變化不易察覺，所以此種診斷方法的精確度不是很高。

（4）油液光譜分析。機械設備想運行往往缺不了潤滑油、潤滑脂，液壓設備往往缺不了液壓油，潤滑系里往往有金屬微粒、雜質碎屑等，油液光譜分析就是通過分析這些液體成分，從而得出不同的結論，進一步確定故障的大體位置和發生故障的位置。目前常用的故障診斷技術都是以采集和監測設備運行狀態為基礎進行的，而現代故障診斷技術則要求以故障診斷原因為決策核心，也就是充分利用采集到的設備運行數據，通過迅速的決策，最終準確地判斷出故障的類型。

3?機械設備故障診斷技術的發展趨勢

（1）智能化趨勢。當今社會智能化發展的很快，模糊控制、神經網絡、遺傳算法等名詞屢見不鮮。通過這些方法將故障特征分析結果與機械設備故障診斷技術緊密的結合在一起，既提高了故障診斷的效率，又提高了故障診斷的準確性。實踐證明，智能控制理論在故障診斷決策方面的應用越來越廣泛。

（2）高精度化趨勢。數據的精度直接影響最終故障診斷的可靠性，傳統的診斷方法已經很難達到日趨高度發展的需要。小波理論、分形幾何、全息譜分析方法的出現很好地解決這一難題。小波理論可以使信號的分辨率得到全面的提高;分形幾何理論可以使信號在瞬態、突變和平穩性上得到更加有優勢的處理;全息譜分析方法可以將幅、頻、相三者緊密結合在一起進行分析和處理，所以，這一方法的應用不僅彌補了傳統付氏譜存在的不足與缺陷，同時也促進頻率振動信號分析處理效率的有效提升。

（3）網絡化趨勢。網絡技術已經成為當下發展的主流，幾乎現在任何事情都離不開網絡。網絡的發展也帶動了機械設備故障診斷技術的飛速發展。網絡技術、通信技術、計算機技術等等，這些新技術在機械設備故障診斷技術中的應用，不僅促進了故障診斷效率的大幅度提升，同時也實現了信息、資源的共享，為機械設備故障診斷技術的發展奠定了良好的基礎。

4?結語

總之，機械設備故障發生的頻率隨著其設備復雜程度的日益提升而增加，如何在復雜的故障中迅速的查找原因并迅速排出故障，已經成為解決機械設備故障刻不容緩的問題。充分掌握現代化的診斷技術是查找故障的主要捷徑方法。只有不斷與時俱進，開拓創新，才能在解決故障問題上獨立鰲頭。

參考文獻：

[1] 鞠萍華.旋轉機械早期故障特征提取的時頻分析方法研究[D].重慶：重慶大學，2010.

[2] 張銳.基于人工神經網絡理論的機械故障診斷技術研究[D].哈爾濱：東北林業大學，2010.

[3] 許紅衛.基于小波變換和神經網絡的旋轉機械故障診斷[D].南京：南京航空航天大學，2012.