機械設備故障診斷與監測的常用方法

計曉靜

摘? 要：機械設備故障診斷、監測與維修等工作都影響著機械設備功能與作用的正常發揮，而且維修與監測制度也在持續發展，從以往的定期維修到當前的按照需要加以維修，實現了一種發展與飛躍，多元化的故障診斷與監測方法都達到了良好的效果，但是這些診斷監測技術仍然有待發展與進步，應該在依托于現有的診斷與監測技術基礎上開發出新的檢測技術與監測工藝，充分借助現代化信息技術，實現監測的科學化、智能化、自動化進步與發展。

關鍵詞：機械設備;故障診斷;監測方法;發展趨勢

中圖分類號：F275;文獻標識碼：A

引言

診斷機械設備故障類型，需要從研究故障形成的機理人手，探求故障原因和癥狀之間的關系。然而，要求利用監測到的狀態信息和處理圖像能識別故障，確定故障的類型和發生部位，并不是一件輕而易舉的事。它是機械設備故障診斷各環節中最困難的一項工作，因為機械系統工作過程復雜，多種故障是來自多種因素的影響，且同一種故障類型可以表現幾種癥狀，同樣，一種癥狀也對應著幾種故障類型。因此，這中間并不是一個一一對應的函數關系，而是一種多參數、多變量的模糊關系。為了在這些多因素的復雜關系中提高故障的識別能力，增加診斷的準確率。

1機械設備故障診斷技術的常用方法

針對機械設備問題開展的診斷大多數基于故障原理探索及信號探測手段，全面借助信號加工、模式選擇和診斷決定性算法，以達到處理判斷故障特征信號的目的，目前在實際中實踐的手段有以下幾種：

1.1直觀檢測

工作者借助視覺和聽覺，以及工作積累體驗與獲取資料對機械設備的問題進行判斷。在科技迅速發展的大背景下，機械設備趨于復雜化，對檢測方法提出了更高要求，此種手段已漸于淘汰。

1.2溫度監測

顧名思義，其主要監測指數為溫度，即機械設備中與之聯系的作用單元的溫度浮動趨勢，借助多種溫度傳感裝置，達到監控各類裝置的內外部溫度的目的，幫助判定故障發生位置。

1.3噪聲頻譜分析

一般來說，機械設備運行出現問題時，整個設備或部分作用單位將發出異樣的震動或噪音。由此，利用此方法和震動監測相結合，能夠得知機械設備運作的實際情況。前者重點利用聲波檢測等設備，探索機械設備內部部分作用單元噪音信號的規律，以明確作用單元的問題所在;后者主要通過設備外部的震動信號反映內部作用單元的運作情況，借助傳感設備達到監測、轉換震動信號的目的，經由頻譜分析判斷問題類型和運作情況。兩種方法均沒有得到完善的探索成果，其可行性仍被眾多的因素制約。

1.4油液光譜分析

該方法借助光譜分析技術，探索比較機械內部細微物質，如外來砂粒、金屬微粒等，以監測液壓及潤滑系統運行情況。

2機械設備故障診斷與監測的未來發展趨勢

現代科技的發展推動了機械設備故障診斷與監測技術的進步，特別是信息技術、傳感器技術等的發展都為機械設備故障診斷創造了更多的信息分析方法，未來的故障診斷與監測勢必朝著智能化、自動化等方向發展。

2.1研發精度更高的傳感器、監測儀

當前的機械設備監測傳感器與監測儀無論從監測精度、安全度與穩定性等方面都都有待于更新和改進，需要研發出具有高精度、高真實度的傳感器，不斷提升監測技術的發展水平，要確保監測儀器使用有效參量，以此來確保故障診斷與監測的精準、有效，未來的傳感器與監測儀需要具有高效工作，發揮多功能作用等優勢，能夠在最短時間內開展監測，并識別出故障問題。

2.2以小波分析為基礎來科學診斷故障

小波分析屬于時-頻信號分析法，是建立在數學顯微鏡基礎上的方法，小波分析的基函數是很多尺度可變的簡諧函數，體現出科學的時-頻定性特征，也能夠針對各種信號進行自我調節，不斷提升適應能力。機械設備故障問題等的診斷分析過程中，因為設備零件具有不同的功能構造，所出現的信號多數有很多不穩定成分，通過小波分析法能夠確保各種頻率的信號信息被均衡分配到對應的頻道序列中，以此為發現故障問題來供應科學理論，因為小波分析體現出良好的時域分析能力、頻域分析能力等等，這樣就能夠確保其在瞬間變化信號分析中更加精準、更為真實有效。

2.3朝著神經網絡智能化診斷方向發展

人工智能技術是一種新型現代科技，他集中了新型技術、生物技術等等。未來的機械設備故障診斷技術勢必朝著人工智能神經網絡診斷方向發展，這一網絡神經系統是對人體大腦構造、功能與特征的模擬，具有調節性、自適性、容錯性等特性功能。最主要的是人工智能神經網絡系統的非線性映射能力等能夠發揮多重功效，而且具有運算簡單、便捷等特點，能夠對機械設備局部零件的損傷、破壞等進行科學、智能化的記錄和分析，發揮人腦診斷的初步功效，這樣就能夠有效提升診斷效率，確保故障診斷的精準、高效。

2.4注重信息融合技術的探索

當代信號獲取技術的未來發展方向應是有效獲取故障特征信號，怎樣借助信息融合手段達到這一目的是我們需要進一步探索的問題。要想實現這一設想，必須首先提高描述被檢測對象的一致性，因此就要完全借助多種或許多傳感器設備，利用信息融合手段正確剖析傳感器所得。如今，大多有兩種譜分析技術應用于信號加工手段的探索歷程，分別是傅立葉變換和小波變換。于前者而言，其研究范圍為全頻域，不適用于時空的部分剖析。至于后者，其主要擅長時頻剖析手段，運用此技術可以提高獲取信號部分特性的有效水平，以達到針對變動信號，尤其是瞬態反常信號的獲取剖析。二者相比較而言，后者更為簡便易行，在具體應用中，不用構建數學模型，此外還具有高靈敏、強抗躁的性能。將該方法和神經網絡、分形理論等溝通融合后，有利于故障信號的順利解決。

2.5利用智能決策算法長處

智能控制理念持續繁榮，在此背景下，模糊控制、遺傳算法等關于診斷決策的亮點進一步鮮明，經過對特點深層次的探討，及在機械設備問題診斷方法探索上的充分聯系運用，未來會得到更好的發展。對有關的文獻綜述和實際應用，作者對診斷決策上運用智能控制理論的亮點總結如下：（1）對于以模糊理論為基礎的故障診斷技術來說，其長處為可以減少構建準確數學模型的工作量，僅需要構建恰當的隸屬度函數及模糊關系矩陣，便可以得到正確度較高的問題有無及來源;（2）對于以神經網絡為基礎的故障診斷技術來說，其長處為能夠完全借助神經網絡固定的聯想記憶、自組織等，正確處理和分類復雜訊息;（3）對于遺傳算法來說，其優勢明顯，既簡便且應用范圍廣泛，能夠同時加工，并極其擅于解答非線性問題及廣泛搜索。所以，將其應用于故障診斷手段探索，能夠更為簡便的收集故障先前經驗，更快的進行決策論證;（4）對于粗糙集理論來說，其長處為進行決策論證時關于數據訊息的低完整性和低精確度，能夠借助自分析加工的方法，找尋不同數據內部存在的相對聯系，將可以利用的特性搜集起來，最終形成簡單明了的特性表征。利用此方法，可以在一定程度上完善系統問題特性訊息獲取和診斷決策上存在的某些數據丟失導致的診斷結論準確性較低及不能開展論證的問題。

結束語

機械設備故障診斷與監測已經有了多種方法做支撐，然而，當前的診斷與監測方法仍然有一定的弱點和缺陷，必須對當前的監測方法進行改進與提高，確保其朝著優化的方向發展，未來的機械設備故障診斷與監測勢必朝著智能化、自動化、數字化方向發展，從而提高機械設備運行效率，保證機械設備各項功能的積極、高效發揮。

參考文獻：

[1] 李臻，荊雙喜，冷軍發.油液分析在齒輪減速箱故障診斷中的應用.煤礦機電，2011（3）.

[2] 王長全，王柏華.機械故障診斷中的溫度診斷技術研究.礦山機械，2011（12）.

[3] 徐精彩，孫紅麗，趙敏.故障診斷技術及其在煤炭行業上應用研究.煤礦機械，2012（11）.

（作者身份證號碼：130132198804054103）