一種基于噪聲功率檢測的機械設備故障預測方法

狄增文

在新型故障預測的儀器出現之前，人們主要是利用聽聲音來辨別故障方式，這種方式因為其具有較為簡單的操作形式而被廣泛使用且流傳至今。而故障預測主要發生于危險事故發生之前，利用系統內的主要方式來對整個單位內將會發生危險情況的附件進行更替，將未來發生的故障現象直接扼殺在期初時間。對于這種新型故障的預測方式，國內外的許多研究學者已經得出許多有依據的研究結論，其中對于馬爾可夫理論而言，主要是指利用聲音來判斷故障發生的主要特點，主要是根據信號之間具有傳導性和高效率性，來更好地實現故障的預判，更好地發揮整個滾動軸承的作用。

1 故障診斷技術概念簡述

在使用故障診斷技術時，通常需要保持在一定的環境狀態下，利用信息收集儀器來對各種發生故障的信息與現象進行有效的收集，并對這些部件進行預估和評判，甚至有時候還能提前預測，可能會發生故障的具體地點，具有較強的科技性和智能化特點。這種故障診斷技術主要是可以利用信息的傳遞和傳導來提高故障診斷的速率并縮短時間，卻并不會給整個設備帶來實質性的損失，能夠幫助操作人員更快的到達指定故障地點。這種故障診斷技術因為其具有較強的簡便性和優越性而被廣泛使用到機器制造行業內，能夠有效的提高機器的使用年限，還能夠為整個生產技術的未來發展提供有效的發展方向，降低安全事故以及故障發生的概率。

2 機械設備故障產生的原因

機械設備出現故障主要是由于機械中的部分零件不能完成規定的功能，導致設備運行出現問題，在設備的壽命年限之內，設備使用的時間越長磨損就越嚴重，而且在設備長時間滿負載運行狀態下會存在超負荷工作的情況。目前機械設備故障出現的原因包括以下三點：第一，零件磨損長時間使用后零件的磨損程度和運行時間成正比，時間運行越長磨損程度就越大，當設備運行到一定階段后，設備零件就會存在老化等狀況，從而無法滿足零件設計的功能，導致機械設備出現故障；其次，故障與維護，當設備出現故障后，若不能按照程序完全操作，很容易給設備帶來更大的傷害，比如出現故障后立馬關閉設備很可能導致電流或電壓突變，讓比較脆弱的零件遭到破壞，而不科學的維護也會進一步損壞設備，比如維護不適當、維護不足、不及時維護等；第三，超負荷工作，部分企業為了追求經濟效益或其他的因素，讓機械設備長期超負荷工作，這會讓機械的使用壽命大大縮減，同時還會讓設備在使用期間出現頻繁的故障。

3 機械設備故障診斷與監測的常用方法

3.1 紅外測溫法

紅外測溫法的主要優越性就是可以對溫度進行檢測，而判斷具體故障的地點，這種分析方式主要使用的物理定律為黑體輻射，因為紅外線的原理與物體溫度之間呈現正比反向發展關系，操作人員可以根據紅外線的曲折程度來判斷故障地點，甚至還可以判斷磨損和破壞的程度。紅外線儀器可以具有遠程操作的特征，不用到故障地點，深入到機器內部來進行檢測，具有較高的便捷性和簡單操作性。還能夠利用這種方式來對搜集到的數據信息進行有效的整理，對實際情況做一個真實的反應，還能夠防止因外界天氣變化而產生的數據不穩等狀態。

3.2 異常震動診斷技術

異常診斷震動技術主要檢測的目的則是機器設備在發生過程中出現的震動頻率變化，因為這種震動頻率每當操作處于正常運行狀態下，就會保持一個穩定的發展形式，操作人員也可以在頻率的記錄下來對整個操作設備進行有效的判斷。震動數據一旦超出合理范圍之內，就需要引起操作人員的重視，因為這種與規律性誤差較大的現象，可能就會存在許多故障現象和問題，可以幫助維修管理人員及時到達檢修現場。異常震動診斷技術，還可以發揮監督和監測的作用，在整個設備運動過程中，可以做好震動頻率圖表的展示，對整個過程中的數據進行有效的收集和整理，以更加直觀的方式來向操作人員進行表達，這種診斷技術也因為其具體的優越性而被廣泛使用，且獲得較高的社會信譽度。

3.3 噪聲故障的監測法

噪聲故障監測法主要的分析目標是噪聲，對于日常生活中的居民而言，噪聲具有極大的干擾性，但是在機器運作過程中，免不了會出現許多噪音，這些噪音因為頻率的變化往往能透露出一些最根本的信息，操作人員就可以利用這些信息來確定機器設備是否處于故障狀態下。但是這種噪聲檢測方法的儀器，可能會受到外界影響而并不能確保順利安裝，而且也無法及時地收集到來自震動頻率內的信號。造成故障的檢測方法在早期出現時，主要是利用聽診法來判斷故障信號，但是這種方式對于操作人員的知識水平和技術能力具有較高的要求，如果無法正確的發揮操作技能將會得到錯誤的診斷結果。而對于新型的聽診方式而言，對于操作人員的具體要求則大大降低，雖然依然會受到許多來自外界環境的干擾，而出現最終結果的誤差，但其精準性已遠遠高于早期時代，也能夠對于整個企業的發展具有促進作用。

3.4 借助常用儀表展開判斷

檢修人員可以借助合適的電工儀器，測出電路運行的基本參數，例如電壓，電流，電阻等等，然后再與設備正常運行的相關參數做出比較，由此來判斷故障產生的位置。具體來講，檢修人員可以使用電壓測量法，采用電壓分接測量或者電壓分段測量的形式，先把萬用表的轉換開關調撥到合適的測量檔位上，然后再針對產生故障的電路，檢測出負荷電壓或者是電器元件的電壓，并比較正常的運行數值。另外，檢修人員也可以使用電阻測量法，先把電氣設備的電源斷開，同樣把萬用表的開關調撥到合適的測量檔位上，如果線圈元件包含在測點間，那么電阻的數值就代表著線圈電阻，如果電阻數值比線圈電阻值大，那么就可以判斷出現了接線接觸不良的問題。如果待測電路之間只有導向和觸點，測得的電阻值就應當是0。如果測得的電阻無窮大，那么就意味著電路呈現出了斷開的狀態。同時，檢修人員可以利用短期測量法，在電路帶電的狀態下，針對所懷疑的斷路或者是接觸不良的部位，使用絕緣性能優越的導線展開短接，如果短期之后線路能夠通電，那么表明該處線路為斷路

4 技術路線

在使用機械故障聲信號的方式時，會受到來自外界環境的影響而出現許多不便。本文則會利用傅里葉算法模型來進行具體的分析，并提出主要的解決方式。在這里，我們主要是利用三種提取方式來表達，做好三樣特征的信號取樣，但是在實際的信號采集時，可能由于無法及時的標注來源與分類，就會造成后期數據分析時出現許多誤差現象。在解決這一問題時，可以使用卷積神經網絡模型，不僅能夠將信號以類別來進行輸出和標注，還能夠降低因其他環境干擾而出現的影響。在實驗的后期，通過對實驗結果進行闡述和分析之后將進行最終的結論。

5 特征量的計算

頻譜分析是設備故障診斷應用中常見的信號處理方法之一，故障的發生、發展往往會引起信號頻率結構的變化。此部分工作在麥克風端的小型處理器上進行，可以大幅度減少傳輸數據需要的成本。由于麥克風直接錄制到的聲音內摻雜有較多來自較遠部件的噪聲及環境本底噪聲，需要對原始信號進行濾波。在2000Hz 以下頻段，存在較為明顯的特征譜線，而2000Hz 以上頻段，白噪聲占據了音頻的絕大部分。因此使用低通濾波器對2000Hz 以上頻段的噪聲濾波，去掉高頻部分的白噪聲，提高有效信號占比。對濾波后的信號進行標記，計算得出聲波攜帶的功率，由于需要將48000Hz 的聲音信號轉化成24Hz 的聲波功率特征值，每一時間點的聲波功率將由2000 個采樣點的原始信號計算得出。最終計算出的功率E 來源主要為環境本底噪聲和部件運轉噪聲，如果設備內出現松動類故障，通常表現為噪聲功率偏離正常值，或出現震蕩現象。因此分析聲波攜帶的功率，即可實現對松動類故障的檢測。

6 機械設備故障診斷與監測發展趨勢

6.1 機械設備維修管理制度的專業化

在我國機械設備管理工作中仍然沿用傳統的管理模式，這種管理方式雖然設備故障和安全事故的產生數量減少，同時也因人員操作水平不過關而無法正常發揮管理模式的作用，甚至由于管理人員采用的方法不恰當而導致設備經常存在故障，使得設備的使用壽命大量縮短。因此，企業要重視對管理人員進行定期培訓和考核，保障管理人員對設備的使用技能和維修技術水平能夠不斷提高，從而保障員工綜合素養在不斷進步。另外，通過構建完善的管理制度來合理分配管理人員的工作，保障機械設備的高效管理。

6.2 信息融合發展

隨著科學技術進步的發展，人們在進行信號的獲取和收集時，采用的方式逐漸智能化，甚至還可以在強烈的外界干擾環境下，篩選出許多對于自身發展具有重要意義的信號。但是如何從眾多信號中篩選出更加重要的信息是當前許多研究學者主要的研究考題。在對機器設備進行診斷時，可以使用信號判斷的方式，但是操作設備需要集中于信號采集設備和傳導裝置上，并且還要對后期的信息進行篩選和剔除之后才能夠得以應用。而操作人員在對各類信號的頻譜進行研究時，可以利用傅立葉的具體研究結果，來進行整個領域內的實際分析，拓寬研究領域的方式。數學模型往往對信號分析具有一定的輔助作用，但不能得到百分之百的精準結果，能在一定區域內擴大研究領域和信息的精準性，利用更為精確的數據分析，來得到對自身發展有用的信號。其中的小波變化操作方式，就可以改變一定的頻率領域，能夠將故障信號和正常信號得以區分，還可以運用各種信號的不同和差異，來得到最終的分形理論結論。

6.3 使用人工智能神經網絡來進行故障診斷

人腦領域的研究一直是當前人們在社會發展過程中的主要問題，在對于人腦特點和虛擬化方式進行有效分析之后可以發現，許多大腦優越特點可以與人工智能神經網絡進行互通與融合，從而可以形成一定方式的人工智能技術判斷故障的方式，而且在投入使用之后，可以具有良好的效果。這種判斷能力中采用和使用的人腦虛擬特點主要有大腦皮層內部的敏感性和較強的適應能力，還能夠利用較強的組織紀律性來適用更多繁雜的學習，這些技術的研究，對于當前的科研成果發展而言，具有一定的挑戰性，但是依然可以將這種精確化的顯著特征投入到后期的發展應用中。人工智能神經網絡設備具有較高的容錯率，對于發生的故障問題，可以進行及時分析后，將其中的優點篩選出來，可供后期參考，而且可以較為客觀和平等的評價方式，來對整個結果進行有效的測評。后期的操作和診斷結果也不會因為前期的干擾而出現許多誤差，對于推動當前整體故障診斷技術具有重要作用。

6.4 灰色系統診斷

在機械設備系統具有大量歷史故障統計數據的情況下，采用傳統經典概率統計法進行故障診斷處理較為有效，但對于數據量少的信息機械設備系統的分析則較為棘手。而大多數處于運行中的機械設備都具有信息的灰色系統的特征,因此需要用已知的信息去分析這個含有未知信息的系統特征、狀態和發展趨勢,從而達到對整個機械設備系統狀態獲取的目的。而灰色系統診斷的目的就是對“信息貧乏”或存在大量“不確定信息”的機械設備系統,作不同因子間的量化、序化，進行有參考系的、有測度的比較,進行故障分析。機械設備故障灰色系統診斷的實質是對故障模式的識別,采用灰關聯分析方法,通過設備故障與某參考模式之間的接近程度,進行狀態識別與故障診斷。其優勢在于建模簡單、所需數據少，對解決少數據、弱條件下機械設備故障診斷具有普適性。但需要注意的是,在機械設備故障分析中運用灰色系統診斷技術時，正確合理選取被診斷對象的特征參數及建立參考狀態模式是關鍵之舉。

6.5 構建機械設備運行狀態的數據庫

數據庫作為各大工業生產的主要信息儲存的設備，一旦發生故障問題和現象時，可能會帶來許多無法估量的經濟損失，這時就需要人們投入更多的精力和資金在研究數據庫的故障診斷方面，將后期的處理和維修時間縮短到最佳時段。對于當前的數據庫診斷技術分析而言，主要包含數據庫的自我檢修和故障檢測理論兩種方式，在數據庫自身無法得到最終的檢測結果時，就需要人們利用分析模型來進行良好的問題判斷。在實際操作過程時，機電運行裝置可能會因為預測的精準性和操作的經驗來進行科學合理的預測，能夠將發生故障的時間和具體位置限制在較小的范圍內，為后期維修操作人員節約時間，保持整個數據庫處于長期且穩定的運行狀態下，還能夠有效的降低因外界環境的干擾，出現的許多故障問題。數據庫自身的判斷模擬和外界判斷方式之間的相互融合和互通協作，可以對后期預警裝置和體系進行一定的輔助，在保障后臺技術人員安全性的同時，來提高整個維修檢測的效率與質量，對于發現的問題能夠及時的將其消滅在初期時段，還能夠為未來人員的操作提供良好的經驗可供參考，幫助整個行業拓寬未來的發展方向。

6.6 提高機電維修人員的素質

技術人員要有好的專業素養才能夠做好故障診斷。通常來說，機械設備的故障類型很多，相關單位工作人員要做好維修養護工作及專業養護操作，明確傳感器及儀表的具體維修內容，維修人員結合相應的具體要求，做好維修養護。提升維修人員本身的專業素養，能更好把控故障維修以及效率。企業應招聘有專業素養、專業水平的員工，保證整個維修隊伍的專業性。

7 結語

綜上所述，故障診斷技術在當前企業生產過程中被廣泛使用，通過故障智能技術能讓繁瑣的設備拆裝工作被直接省去，減少檢修時間，讓企業的生產效率得到有效提高，同時還減少了故障停機對生產經營的經濟損失。因此，為了有效保障企業的生產效率和經濟效益，企業有關部門需要重視機械設備的維修管理工作，保障設備正常運行，不斷優化發展故障診斷技術。