機(jī)械設(shè)備故障診斷技術(shù)的常用方法及新技術(shù)的應(yīng)用研究

摘 要：在機(jī)械設(shè)備領(lǐng)域上，分析了以往設(shè)備故障診斷技術(shù)的特點(diǎn)，總結(jié)了目前診斷技術(shù)的發(fā)展前沿。本文首先對(duì)傳統(tǒng)故障診斷技術(shù)進(jìn)行了介紹，隨后詳細(xì)分析了應(yīng)用現(xiàn)代智能控制核心算法的故障診斷技術(shù)的特點(diǎn)和優(yōu)勢(shì)，最后表明了未來(lái)故障診斷技術(shù)的發(fā)展方向，即是在采用智能容錯(cuò)控制技術(shù)的同時(shí)利用局域網(wǎng)技術(shù)將設(shè)備、傳感器和計(jì)算機(jī)聯(lián)系在一起，通過(guò)人工智能算法優(yōu)化信號(hào)的處理和分析，從而得到正確的決策診斷。

關(guān)鍵詞：機(jī)械設(shè)備；故障診斷技術(shù)；常用方法；新技術(shù)

DOI：10.16640/j.cnki.37-1222/t.2019.13.064

1 機(jī)械設(shè)備診斷故障技術(shù)的傳統(tǒng)檢測(cè)方案

（1）直接觀(guān)察檢測(cè)。以往現(xiàn)場(chǎng)技術(shù)人員在機(jī)械設(shè)備發(fā)生問(wèn)題時(shí)，往往通過(guò)眼睛和耳朵直接觀(guān)察設(shè)備情況并且結(jié)合設(shè)備材料和自身工作經(jīng)驗(yàn)來(lái)檢查解決設(shè)備故障。但是這種通過(guò)眼睛和耳朵的傳統(tǒng)經(jīng)驗(yàn)故障診斷技術(shù)已經(jīng)不能適應(yīng)現(xiàn)如今大型化和精密化機(jī)械設(shè)備的故障檢測(cè)需求了。

（2）設(shè)備內(nèi)部溫度監(jiān)測(cè)。現(xiàn)代設(shè)備發(fā)生故障的原因很大一部分是摩擦不良，利用現(xiàn)代熱敏材料和紅外線(xiàn)技術(shù)，對(duì)設(shè)備關(guān)鍵部位進(jìn)行溫度檢測(cè)，觀(guān)察關(guān)鍵零件的溫度變化趨勢(shì)，能夠有效快速的了解設(shè)備運(yùn)轉(zhuǎn)狀態(tài)，從而當(dāng)故障發(fā)生時(shí)能快速知道設(shè)備發(fā)生故障的所在地。

（3）振動(dòng)噪音頻譜分析。在一般設(shè)備的材料說(shuō)明書(shū)中都寫(xiě)有當(dāng)設(shè)備發(fā)生異響振動(dòng)時(shí)需要停機(jī)檢查。這說(shuō)明噪音和振動(dòng)是判斷設(shè)備故障的重要依據(jù)。因此可以通過(guò)聲波采集裝置和振動(dòng)信號(hào)監(jiān)測(cè)裝置來(lái)采集和分析設(shè)備內(nèi)部零件的噪音和振動(dòng)信號(hào)，隨后對(duì)這些信號(hào)進(jìn)行傅里葉變換得到噪音和振動(dòng)信號(hào)頻譜，最后分析噪聲信號(hào)的頻譜可以了解設(shè)備的運(yùn)行情況。但是噪聲和振動(dòng)信號(hào)容易受到外部環(huán)境的影響，因此對(duì)設(shè)備的頻譜分析存在局限性。

（4）油液光譜分析。設(shè)備發(fā)生故障的另一個(gè)誘因就是潤(rùn)滑不良，因此對(duì)于存在有液壓和潤(rùn)滑系統(tǒng)的設(shè)備，可以通過(guò)光譜分析其潤(rùn)滑油中的細(xì)微顆粒來(lái)發(fā)現(xiàn)設(shè)備故障發(fā)生的原因。

2 機(jī)械設(shè)備故障診斷新技術(shù)的應(yīng)用

（1）信息融合技術(shù)。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，信號(hào)獲取的方式越來(lái)越多，越來(lái)越先進(jìn)，但是如何得到可靠的故障特征信號(hào)應(yīng)該是未來(lái)人們研究的重點(diǎn)和趨勢(shì)。對(duì)于如何獲得有效的故障信號(hào)，這就首先需要大量多種的信號(hào)傳遞裝置來(lái)保證監(jiān)測(cè)對(duì)象的相同，隨后采用正確的信息融合分析技術(shù)來(lái)處理這些信號(hào)，從而得到我們想要的結(jié)果。

目前，在信號(hào)頻譜分析的領(lǐng)域內(nèi)，傅里葉變換和小波變換是兩種重要的信號(hào)處理方式。對(duì)于傅里葉變換而言，其能夠有效地在整個(gè)頻域內(nèi)分析信號(hào)的成分，但是它不能同時(shí)地進(jìn)行頻域和時(shí)域的分析。而與傅里葉變換相比，小波變換能夠同時(shí)地進(jìn)行頻域和時(shí)域的分析，尤其擅長(zhǎng)故障信號(hào)在頻率和時(shí)間上的細(xì)節(jié)分析，能夠突出信號(hào)的局部特點(diǎn)。小波變換還能夠簡(jiǎn)單有效地分析非定常瞬態(tài)變化信號(hào)的特性，甚至在實(shí)際操作中，可以不借助數(shù)學(xué)模型都能夠穩(wěn)定迅速的分析信號(hào)。此外，在小波變換的基礎(chǔ)上加入神經(jīng)網(wǎng)格和分形理論，能夠進(jìn)一步得到更加可靠的故障信號(hào)。

（2）智能決策算法。隨著人工智能技術(shù)的發(fā)展，可以將人工智能控制的核心算法如模糊控制、遺傳算法等應(yīng)用到故障判斷的決策上。并且隨著深入研究智能控制以及充分考慮智能控制與機(jī)械設(shè)備故障診斷技術(shù)的關(guān)聯(lián)，模糊控制、遺傳算法等智能決策算法在故障診斷決策應(yīng)用中的優(yōu)勢(shì)將逐步放大。在查閱相關(guān)文獻(xiàn)和了解現(xiàn)場(chǎng)應(yīng)用情況的基礎(chǔ)上，可以發(fā)現(xiàn)智能控制應(yīng)用在診斷決策的優(yōu)勢(shì)如下：

①在故障診斷中應(yīng)用模糊理論，只需建立合適的隸屬函數(shù)和模糊矩陣，就能得到較為準(zhǔn)確的問(wèn)題來(lái)源，無(wú)需為建立準(zhǔn)確的數(shù)學(xué)模型而浪費(fèi)大量的時(shí)間；②采用神經(jīng)網(wǎng)格的故障判斷決策能夠采用聯(lián)想、分類(lèi)和自我組織的辦法準(zhǔn)確的處理繁雜的信息；③對(duì)于應(yīng)用了遺傳算法的故障診斷技術(shù)，能夠同時(shí)處理多個(gè)問(wèn)題并且能夠處理判斷各個(gè)領(lǐng)域的問(wèn)題。此外遺傳算法在處理非線(xiàn)性問(wèn)題以及寬泛查找問(wèn)題上具有顯著的優(yōu)勢(shì)；④在信息部分缺少和精度不夠的故障診斷決策上，粗糙集理論能夠自我分析，發(fā)現(xiàn)信號(hào)之間的相對(duì)關(guān)系，然后將自我分析出的聯(lián)系綜合成簡(jiǎn)單的信息特征，從而能夠解決數(shù)據(jù)缺失的故障診斷問(wèn)題。

（3）網(wǎng)絡(luò)集成資源。近些年來(lái)，隨著科學(xué)技術(shù)的進(jìn)步，在工業(yè)控制技術(shù)領(lǐng)域上，局域網(wǎng)技術(shù)占據(jù)著絕對(duì)優(yōu)勢(shì)的地位。并且在信息收集和分析的領(lǐng)域上，局域網(wǎng)技術(shù)具有重要的戰(zhàn)略地位。在機(jī)械設(shè)備故障診斷技術(shù)上能夠借助局域網(wǎng)將信號(hào)檢測(cè)設(shè)備與計(jì)算機(jī)連接起來(lái)，通過(guò)數(shù)據(jù)完成對(duì)原始信息的接受，歸納以及分析決策。并且能夠利用計(jì)算機(jī)強(qiáng)大的計(jì)算能力，使用以上介紹的方法，更加快速準(zhǔn)確的完成故障診斷分析，進(jìn)而保證機(jī)械設(shè)備的運(yùn)轉(zhuǎn)穩(wěn)定。

（4）容錯(cuò)控制。容錯(cuò)控制的定義為在故障發(fā)生時(shí)，系統(tǒng)能夠自動(dòng)剔除故障并且能夠重新構(gòu)建系統(tǒng)或者是即使系統(tǒng)發(fā)生了故障，系統(tǒng)仍能穩(wěn)定運(yùn)行并且運(yùn)行性能雖有下降但仍能滿(mǎn)足需要，即是系統(tǒng)能夠允許故障的存在。系統(tǒng)能夠?qū)崿F(xiàn)容錯(cuò)控制的前提是較為富裕的設(shè)計(jì)方法，如設(shè)備裝置設(shè)計(jì)時(shí)系統(tǒng)中存在自我補(bǔ)償結(jié)構(gòu)，即設(shè)備構(gòu)件能夠自我重建；或者是設(shè)備運(yùn)行參數(shù)能夠自我調(diào)節(jié)，以維持設(shè)備的安全穩(wěn)定運(yùn)行。在智能控制快速發(fā)展的時(shí)代背景下，智能容錯(cuò)控制是工業(yè)自動(dòng)控制未來(lái)的發(fā)展趨勢(shì)，即是將不斷改進(jìn)和提高機(jī)械設(shè)備自動(dòng)控制系統(tǒng)中自我故障處理的能力。

3 結(jié)語(yǔ)

隨著科學(xué)技術(shù)的進(jìn)步發(fā)展，機(jī)械設(shè)備愈發(fā)大型化和精密化，因此設(shè)備系統(tǒng)發(fā)生故障的概率和收集故障發(fā)生信號(hào)的困難性大大增加。所以為了開(kāi)發(fā)和驗(yàn)證適應(yīng)現(xiàn)代機(jī)械設(shè)備的故障診斷技術(shù)，需要在故障診斷技術(shù)的原理和措施上進(jìn)行更深入的研究。借助人工智能控制的核心算法原理，改進(jìn)故障信號(hào)的收集和分析方式，從而得到有效的故障特征信號(hào)和正確的故障診斷決策，此外還采用智能容錯(cuò)控制，從而最終能夠保證現(xiàn)代大型精密化設(shè)備的安全高效運(yùn)行。

參考文獻(xiàn)：

[1]代寬.故障診斷技術(shù)在機(jī)械設(shè)備中的應(yīng)用[J].內(nèi)燃機(jī)與配件，2018

（24）：123-124.

[2]李少見(jiàn).故障診斷技術(shù)在機(jī)械設(shè)備中的應(yīng)用[J].南方農(nóng)機(jī)，2018

（20）：57.

[3]姜小艷，李貴紅.基于Labview的機(jī)械設(shè)備故障診斷技術(shù)的研究與應(yīng)用[J].科技視界，2018（25）：87-88.

作者簡(jiǎn)介：馬志德（1988-），男，湖北黃岡人，碩士研究生，助教，主要從事機(jī)電成套裝備系統(tǒng)方向研究。