減速機故障診斷專家系統的應用

李云鵬，王躍輝(山東新華制藥股份有限公司，山東 淄博 255000)

0 引言

診斷專家系統是機械設備智能化檢修的重要發展趨勢，能夠及時發現機械設備的異常狀態，盡快找出異常原因，分析故障的影響程度，便于開展有針對、有計劃的檢修工作。傳統的減速機故障診斷對專家經驗依賴較大，在信息處理、反應速度、精確程度等方面存在不足之處，所以，加強減速機故障診斷專家系統的研究是十分必要的。

1 機械設備故障診斷和診斷專家系統內涵簡析

1.1 機械設備故障診斷

機械設備故障往往是從某種缺陷開始逐步擴大而形成的，主要包括破壞性故障、性能故障等類型，使機械設備無法維持正常工作。故障診斷需要借助現代儀器和技術手段，收集機械設備的各種信息參數，分析故障的部位、類別、程度、性質等基本情況，以此作為制定解決辦法的重要依據。故障診斷具有一定的復雜性，不能僅僅依賴某種方法就可以實現目標，需要綜合運用多種方法。根據方法難易程度，可以分為簡易診斷法和精密診斷法；根據診斷方式，可以分為離線診斷法和在線診斷法，每種診斷方法都有其適用范圍，需要根據實際情況合理選擇。

1.2 診斷專家系統

診斷專家系統是在計算機技術的基礎上，依靠有關知識進行邏輯推理，達到解決難題的目的。所以，必須掌握研究對象的內部結構和相互關系，通過數據分析查明故障原因。診斷專家系統的基本結構包括知識庫、綜合數據庫、推理機、人機接口、知識學習、解釋程序。知識庫用來存放大量的書本知識、常識性知識、試驗性知識等內容，綜合數據庫是反映具體問題在當前求解狀態下的符號或事實的集合，推理機能夠根據輸入數據，充分利用知識庫，采用合適的推理策略開展推理分析，人機接口能夠進行信息轉換，用于用戶與系統之間的交流溝通，知識學習是專家系統自我完善的關鍵部分，能夠主動和被動的對知識庫進行補充修改，解釋機制能夠對具體問題給出解釋，而且具有自我發現、糾正錯誤的作用[1]。

2 減速機故障診斷專家系統應用技術

減速機主要由傳動軸、齒輪、箱體、滾動軸、電動機、聯軸器等零部件組成，也是故障分析的主要對象。零部件的磨損、變形、腐蝕、溫度變化等都屬于一次性故障，而且常常伴隨異常振動的情況，隨著時間的推移，可能會產生噪聲變大、龜裂、破損、性能降低等二次故障。導致減速機故障的原因有很多，常見的如：轉子不平衡、軸不對中、裂紋、摩擦、機械松動、軸承損傷、齒輪損傷、共振等，這些問題發生時，會產生一定特征的振動信號，所以，加強振動信號分析就可以找到故障規律。

2.1 振動信號分析技術

機械設備在運行時會產生一定的振動，如果發生故障，振動特征會出現明顯變化，所以，通過分析振動信號就可以有效檢測機械狀態，及時采取預防性措施，能夠有效降低故障損壞程度，做到及時止損。隨著理論研究的不斷深入以及實踐經驗不斷總結，通過分析相關振動指標，就可以判斷故障產生的原因，常用的振動參數有振幅、頻率、相角、振動形式、振型，在進行故障診斷分析時，應該注意振動信號的發展變化，分析振動的頻率成分，研究振動的方向性和幅值的穩定性，同時，加強對邊頻、波形變化、軸心軌跡、轉速的分析。振動信號分析技術是故障診斷的常用方法，對于故障診斷專家系統的有效應用具有重要的基礎性作用，針對減速機典型故障，均可以通過分析振動信號特征查找原因。比如轉子不平衡的振動信號頻率成分明朗而單一，轉子的基頻等于轉子的旋轉頻率，振動信號的原始時域波形為正弦波，剛性轉子的振動幅值和偏心距、偏心質量呈現出一定比例的變化，轉子不平衡引起的振動量在軸向和徑向上是不一樣的，軸向振動要小于徑向振動[2]。

2.2 診斷知識的表述

知識庫是診斷系統進行故障診斷的基礎，而診斷效率與知識表示方式密切相關。減速機故障診斷專家系統是以頻譜分析、轉子動力學為基礎建立知識庫的，分析減速機典型故障，總結各類故障振動信號特征，并且運用模糊關系矩陣和產生式規則進行描述，將復雜的振動診斷知識存儲在關系數據庫。模糊關系矩陣通過m行故障類型和n列特征值表示，每一種故障都可以表示成一組向量，在工作時，只要檢驗樣本貼近模糊關系矩陣標準樣本，就可以初步判斷故障類型，產生式規則知識庫能夠體現故障類型和振動信號特征之間的因果關系，實現更為準確的故障類型判斷。

2.3 診斷系統推理的實現

在減速機故障診斷專家系統工作時，需要收集減速機振動信號，提取頻譜特征值，將檢測樣本與標準故障樣本進行比較。通過二者之間的貼近程度，可以過濾掉一些可能性較小的故障原因，然后根據其他征兆事實，運用產生式規則庫，對最終結論進行確定。這樣經過模糊識別和產生式規則的共同作用，便完成了診斷流程。模糊診斷理論有利于處理一些邊界不明的問題，比如：振動太大、轉速不穩定等，運用模糊集合概念能夠更有效判斷具有模糊征兆的故障，通常以論域、隸屬函數、模糊集合來進行描述，盡可能做出定量判斷。在進行振動信號分析時，如果存在頻譜征兆之外的其他征兆事實，那么就會調用產生式規則庫，最終得出不精確推理結果。為了提高結果的可信度，需要對征兆匹配相應的權值，采用加權模糊推理的方式，計算最終診斷結果的可信度。

2.4 基于灰色理論的設備趨勢預測

設備趨勢預測主要是根據設備在正常狀態下達到異常狀態的時間進行判斷的，這主要利用了灰色理論中數列預測功能模塊。機械設備的運行是相對復雜的過程，在各種內外因素的干擾下，系統產生的數據很難全面反映真實情況，如果直接建模預測，那么會大大降低預測的準確性，灰色預測則是在科學處理原始數據的基礎上建立灰色模型，進而尋找系統發展規律，從而實現合理預測的目的。數理統計方法對樣本的要求較高，而且計算量較大，可能存在定性分析與量化結構不符的問題，而灰色系統則可以避免這一問題，能夠從離散的、有限的、雜亂的數據中發現規律，設備狀態預測主要應用了灰色系統預測中的數列預測，掌握系統變量的未來行為。

3 減速機故障診斷專家系統的運行保障

3.1 軟硬件配置

減速機故障診斷專家系統的順利運行需要良好的運行環境作為支撐，必須滿足基礎的硬件要求，在軟件配置上，可以采用 Powerbuilder作為前端開發工具，采用Microsoft的SQL Server作為后臺數據庫管理系統，Powerbuilder具有操作簡單、功能強大等優點，擁有面向對象的可視化編程技術和開放的數據庫連接技術，而且Data window能夠實現各種數據顯示方式，有利于快速開發和使用，SQL Server的功能也十分強大，對故障診斷專家系統的知識庫管理十分便捷[3]。

3.2 總體結構

減速機故障診斷專家系統需要設置多個功能模塊，主要包括診斷任務管理、診斷信息獲取、基礎數據維護、診斷知識庫維護、故障診斷、趨勢預測、用戶管理等。診斷任務管理模塊能夠進行故障檔案和診斷任務的創建及查詢，故障檔案詳細記錄了故障發生過程的各種數據，有利于掌握設備運行狀態，積累故障診斷經驗，從而持續提升診斷專家系統的綜合能力。診斷信息獲取模塊能夠收集診斷推理的相關信息，有些信息通過自動測試平臺就能夠獲取，有些信息則需要經過分析論證后才能夠獲取，所以可以分為自動獲取和人機交互獲取兩種方式。基礎數據維護模塊涵蓋了設備振動、標準技術參數、使用工況、診斷參數等諸多數據。診斷知識庫維護模塊主要為知識庫的建立和維護提供支持，主要包括模糊診斷關系矩陣和診斷規則庫，用戶可以通過該模塊更新維護知識庫。故障診斷模塊是故障診斷專家系統的核心，主要包括模糊模式識別診斷、不精確規則診斷、綜合診斷，通過分析振動信號特征，能夠實現自動診斷的效果，最終出具診斷報告。趨勢預測模塊有利于開展故障診斷和設備監測，能夠實現提前預防維修的目標，可以通過振動趨勢圖表預測可能會產生的故障類型。用戶管理模塊可以設置用戶權限，讓整個系統運行更加安全。

3.3 工作流程

減速機故障診斷專家系統的工作流程如下：記錄日常檢測數據，統計設備正常數據，更新振動標準。如果不存在異常數據，則可以根據某個時間段振動數據進行趨勢預測，并采取針對性的維護措施；如果存在異常數據，則需要分析振動信號頻譜，輸入頻率特征向量，進行模糊故障診斷。如果有其他信號特征，則補充其他信號特征，并進行規則診斷；如果沒有其他信號特征，只需進行模糊故障診斷，最后輸出診斷結果，檢查診斷結果是否與實際情況相符。如果不相符，則需要對模糊關系矩陣和診斷規則庫進行修改，重復進行模糊故障診斷和規則診斷，如果診斷結果與現場實際情況相符，那么建立診斷檔案，采取相應技術措施[4]。

4 結語

綜上所述，本文首先闡述了機械設備故障診斷和診斷專家系統的內涵，然后分析了減速機故障診斷專家系統的關鍵技術應用，最后研究了軟硬件配置、總體架構、工作流程等方面的內容。希望能夠起到積極的現實意義，充分認識減速機故障診斷專家系統的運行原理，利用科學手段，達到快速診斷、提前預測的目的，以保證減速機的運行效率。