機械故障診斷支持系統的構架

劉敏

摘要：長時間以來，為了可以精準的判斷機械故障，技術人員也加大了對研究力度，力求能夠實現自動化故障診斷的目標。但是，大量的實踐表明，機械故障診斷自動化以及智能化目標的達成還有一段距離。近年來，遠程診斷技術的高效應用，使得機械故障診斷的效率大大提高，但由于受到的干擾因素比較多，仍然無法實現自動化故障診斷。在今后的發展過程中，務必要強化對思想觀念的轉變，采取先進的現代化技術，著力研究故障診斷支持系統?；诖耍疚募磳C械故障診斷支持系統的構架展開了深入剖析以期相關人員能夠借鑒。

關鍵詞：機械故障;診斷支持系統;構架

引言：

在機械設備在運行階段，環境十分復雜，涉及到的內容相對較多，所以經常會出現故障問題，對工作效率的提升產生了非常大的影響。一直以來，人們對機械設備故障的研究都十分重視，也加大了對自動化故障診斷的重視。但由于所應用的技術較為滯后，技術水平不高，使得這一目標還不能完全實現。故而，為了能夠有效降低機械故障出現幾率，讓故障得到及時的診斷和解決，一定要采取先進的技術手段，研發出能集成優勢知識以及資源的專家診斷支持系統。

一、機械故障診斷支持系統的原理及結構分析

（一）機械故障診斷的類型分析

現階段，依照診斷對象重要程度及具體要求，機械故障的診斷類型主要可以分為以下幾種。

第一，設備現場監控。該類型主要是將設備安全作為主要的核心點，利用在線或者離線監測系統，密切的監測設備的異常情況，包括振動等，了解設備的實際變化，確?？梢约皶r提供報警等信號，保證機械故障的發生能夠有效規避。

第二，分析診斷層。主要是管理好設備的日常狀態歷史數據，能夠對其發展趨勢展開綜合的分析和考量，對存在異常的數據進行精準診斷。通常情況下，對于這些系統來說，主要是對振動監測以及分析技術進行充分應用，能夠提供較為多元化的信息分析手段，諸如區域分析等[1]。

第三，高級診斷層。這一類型具體是由專家知識以及技術共同組建而成，其屬于一種較為高級的過程，診斷方式集結了動力學分析理論以及方法等，能夠有效地對機械故障展開研究，對故障機理進行數字化仿真和實驗驗證，明確影響機械運行的各類因素，找到問題所在。同時，診斷中心也可以提供較為全面的分析診斷方法，以保證為設備故障診斷提供相應的技術支持。

二、機械故障診斷支持系統的組成和結構分析

一直以來，在對監測以及診斷系統進行開發和研究的過程中，常常習慣性的應用多元化的分析手段，采用的數據管理方式較為便利，應用的診斷算法十分精準。但是，從最終獲得的結果來看，分析的難度也日益增大，診斷的精準度無法得到保證，尤其是較難且較新的故障診斷，準確性一直得不到有效提高。針對這一情況。所產生的原因存在很多種，但最為關鍵的就是開發指導思想以及系統集成方面存在很大的偏差，信息特征的綜合分析以及融合方面不夠深入，研究不到位哦。因而，為了可以更好地對這類問題進行解決，可以將故障信息管理作為中心點，從故障信息的采集、分析、提取等層面入手，全方位且多渠道地進行故障檢測和診斷，依托于具體情況，對有多方面資源支持的DSS體系結構進行建立，開發出能夠綜合利用各種資源的機械故障診斷支持系統[2]。

一般而言，對于DSS來說，其基本模塊主要涵蓋了特征提取模塊、信息獲取模塊以及數據庫等。具體而言，DSS主要是由數據庫系統、知識庫系統等組成。其中，數據庫系統是DSS中一個最為基本的部件，任何一個DSS都會有自己較為獨立的數據庫管理系統，其與普通的系統相比，存在的區別相對較大。DSS所利用的數據，最為重要的目的就是能夠支持診斷。所以，DSS系統對綜合性數據較為關注。而普通的DB系統則更注重于對原始資料的收集和整理，主要是處理一些事務性的工作。針對知識庫系統來說，其是DSS系統構建過程中的主要選擇，當DSS逐漸朝著智能化方向發展時，知識以及推理的研究則會產生很大的價值和作用。從宏觀的角度來說，只有當知識與推理技術越來越成熟，DSS才可以真正的對機械故障進行診斷，提升診斷的精準度，進而為故障的快速處理奠定基礎。

因為診斷支持的不同要求，所以其基本構件的組成形式也相對較多。（1）以數據輔助診斷。對于這一診斷形式來說，是較為基本的診斷支持手段，將設備的測量數據以及圖表作為基礎，輔助診斷人員對機械故障做出判斷。（2）以方法支持診斷。借助光譜分析、小波分析等方式，有效地對機械故障進行診斷，為其提供較為精準的技術支持。（3）以知識診斷。以調和的結構性和常識性知識來進行診斷，保證可以為機械故障診斷提供更好的支持，促進故障診斷準確性的提高，強化診斷的效率和質量[3]。

三、機械故障智能診斷支持系統構架分析

所謂的智能診斷支持系統，具體是在診斷支持系統的前提下，借助人工智能的方法逐漸形成。該系統是GDSS與知識管理機制的有機集成，具體如圖1所示。

通過對智能診斷支持系統的進一步分析可知，該系統在具體的運行階段，能夠將知識系統融入其中，幫助診斷人員更好地對機械故障加以診斷和分析，為其提供更為多元化的分析方式。在對診斷方法進行選擇和利用過程中，可以依照診斷的特點以及故障處理方法，有針對性地提出指導。并且，智能診斷支持系統除了會具備基本知識推理解決定性分析問題的能力之外，也具備一般診斷支持系統的優勢和特點，能將定性分析與定量分析有效的銜接在一起，保證解決問題的能力可以得到進一步提升，讓機械故障診斷更加精準。在智能診斷支持系統集成期間，因為知識系統與一般診斷支持系統存在著很大的差異，側重點各有不同所以集成方式也有很多，具體總結有三種。（1）一般診斷支持系統與知識系統的重新組合。該方式主要是對交互控制系統盡進行利用，在綜合具體情況的前提下，科學調度GDSS（診斷支持系統）和ES，然后結合問題，客觀的對知識系統和一般診斷支持系統運行情況加以分析，獨立地進行機械故障診斷。（2）以GDSS為主結構。將定量分析作為核心點，依照定性分析來對機械故障診斷支持問題加以解決，提升診斷的精準度。（3）以知識系統為主結構。一般是將定性分析作為依據，并將定量分析的特點融入其中。在該結構中，交互控制系統和推理機能夠有效的融合在一起，將各種分析方法整合起來，保證對機械故障診斷支持工作的開展能高效科學。

結束語：

綜合而言，隨著科學技術水平的不斷提升，在對機械故障進行診斷的過程中，應用的技術手段也越來越先進，效率得到了大幅度提升。但是，由于機械設備故障出現的原因比較復雜，所以在實際診斷過程中，依舊會存在很多不足。對此，為了能夠進一步提升機械故障診斷的高效性以及合理性，一定要強化對機械故障診斷支持系統的構建，能夠采取相對先進的手段，合理的制定系統構架方案，保證故障出現概率在有效降低的同時，機械設備的運行能夠更加平穩。

參考文獻：

[1]張金玉，張優云，謝友柏.機械故障診斷支持系統的構架研究[J].中國機械工程，2018，12（05）：166-169+5.

[2]張金玉，張優云，謝友柏.網上群體綜合診斷支持系統的理論與方法[J].計算機工程與應用，2019，14（22）：113-115.

[3]劉建輝，秦現生.遠程協同故障診斷綜述及研究[J].制造技術與機床，2020，13（12）：136-140.

[4]王歡歡. 風力發電機旋轉機械故障診斷虛擬儀器系統研究[D].湖南大學，2012.

[5]王冬云. 轉子-軸承故障診斷方法研究[D].燕山大學，2012.

[6]李保密. 基于知識的雷達故障智能診斷支持系統的設計與實現[D].西安電子科技大學，2012.

[7]張琦，曹江，趙華章，李煥良.基于Internet的工程機械遠程診斷維修系統的實現[J].解放軍理工大學學報（自然科學版），2009，10（S1）：47-51.

[8]潘玉娜. 基于全信息的智能診斷方法及其應用研究[D].鄭州大學，2006.

[9]顧小軍. 面向旋轉機械的支持向量機方法及智能故障診斷系統研究[D].浙江大學，2006.

[10]袁圣江.基于粗糙集和支持向量機的機械故障診斷系統[J].微機發展，2005，{4}（03）：110-112+116.

[11]李凌均，張周鎖，何正嘉.一種新的機械系統故障分類器[J].機械工程學報，2004，{4}（01）：95-98.