工程機械故障診斷技術研究綜述及展望

摘要：對工程機械的常見故障、當前研究的診斷方法和技術進行綜述，詳細介紹了5種故障診斷方法的特點及研究現狀，并選擇一項實例展示了故障診斷技術在工程機械中的應用，最后分析了工程機械故障診斷技術的未來挑戰和發展趨勢。

關鍵詞：工程機械故障診斷；電氣系統故障；液壓系統故障

0 引言

工程機械是工程施工中非常重要的設備之一，在我國經濟發展中發揮重要作用，常用于建筑、橋梁、化工、電力等行業。然而，由于工程機械設備工作場景多為室外露天，環境惡劣，且工程機械結構復雜，設備使用過程經常出現各種各樣的故障，如電機故障、機械傳動故障、液壓系統故障等，這些故障如不及時發現和處理，可能導致嚴重的安全事故。

為了保證設備各方面功能平穩運行，確保其安全、可靠運行成為關鍵問題，因此，對工程機械設備進行實時故障診斷具有重要意義。故障診斷技術作為保障工程機械設備運行安全的有效手段，可以幫助我們及時發現潛在問題，提高設備的安全性能和使用壽命，因此，故障診斷技術越來越受到業內的關注。本文綜述了工程機械故障診斷技術的研究成果，介紹了常見的故障、診斷方法和技術，并對工程機械故障診斷技術的未來發展趨勢進行了展望。

1 工程機械常見故障

工程機械故障主要分為機械故障、電氣系統故障和液壓系統故障等。

機械故障通常包括機構損壞、斷裂、磨損等。例如，①結構故障：結構件變形、開焊、斷裂等問題會影響到產品的正常工作；②機構故障：軸承磨損、松動、噪聲等問題可能會導致機構故障；③吊鉤故障：吊鉤斷裂、磨損、變形等問題可能會導致吊鉤故障。

電氣系統故障包括電氣線路故障、控制系統故障、電氣元件故障等。例如，①電氣線路故障：線路短路、斷路、接觸不良等問題可能會導致電氣系統故障；②控制系統故障：控制器芯片燒毀、電路板虛焊、端口損壞等問題可能會導致控制系統故障；③電氣元件故障：如電磁線圈、編碼器、傳感器等故障可能導致系統無法正常工作。

液壓系統故障包括液壓泵故障、液壓缸故障、液壓閥故障等。例如，①液壓泵故障：液壓泵可能出現內泄、燒壞、壓力失調、變量失效等故障；②液壓缸故障：液壓缸可能出現磨損、變形、抖動、內泄等故障；③液壓閥故障：液壓閥可能出現壓力失調、卡滯、內泄、堵塞等故障。這些故障都可能導致工程機械設備無法正常工作，甚至引發安全事故。

2 故障診斷方法和技術研究現狀

故障診斷技術是指通過先進的技術和方法，對工程機械設備在運行過程中進行實時監測、數據采集、XPEf2HsHeadc4WbjDYWenA==分析與診斷，以確保設備安全運行，降低故障率，提高設備可用性。工程機械故障診斷技術涉及多個領域，包括機械工程、電氣工程、計算機科學、傳感器技術等，當前工程機械故障診斷方法及技術主要包括以下幾個方面：

2.1 基于信號合理性分析的故障診斷

基于信號合理性分析的故障診斷方法通過實時監測工程機械設備各部件在不同工作狀態下運行過程中產生的壓力、振動、溫度等信號，運用信號處理和模式識別等技術，對獲得的數據進行合理性分析并找出故障的原因和部位。這種診斷方法具有高效、準確的特點，適用于各種類型的工程機械設備。例如，有的研究利用起重機吊臂的振動信號，實現了對吊臂故障的診斷。還有的研究通過分析挖掘機液壓閥壓力變化，實現了對液壓閥換向狀態的診斷。壓力信號異常示例如圖1所示。

2.2 基于傳感器數據的故障診斷

通過安裝各種傳感器（如加速度計、陀螺儀、電流傳感器、溫度傳感器等），測量工程機械設備在運行過程中產生的信號，運用信號處理和特征提取技術，對信號數據進行分析，以診斷出工程機械設備產生的故障。這種診斷方法對于電氣系統的故障診斷具有較高的準確性mdYHgh4ypQz4fMT7eILBcQ==。例如，有的研究通過監測電流的變化，實現了工程機械電機過載問題的診斷。有的研究通過對設備運行過程中傳感器數據的分析，實現了對工程機械設備機械傳動系統的故障診斷。還有的研究通過監測溫度，實現了電氣系統短路故障的診斷。傳感器數據記錄分析如圖2所示。

2.3 基于專家系統的故障診斷

專家系統（圖3）是一種利用計算機技術模擬人類專家知識和經驗的系統，可應用于工程機械設備的故障診斷。專家系統方法通過將大量故障數據和經驗錄入系統，構建故障診斷的知識庫，采用推理和判斷技術，實現對過程進行設備故障的診斷。這種方法的優點是診斷速度快，但對知識的獲取和維護要求較高。

2.4 基于模型的故障診斷

基于模型的故障診斷（圖4）是一種將系統或設備的運行狀態與預定義的正常狀態進行對比，以檢測和診斷故障的方法。通過數據采集及處理，特征選擇等，運用機器學習、深度學習等方法，對工程機械設備的運行數據進行訓練和學習，建立故障診斷模型，實現對設備故障的智能診斷，提高故障識別的準確性和實時性。此類方法具有較強的學習能力和自適應性，越來越受到業界的關注。例如，有的研究利用支持向量機、隨機森林等算法，學習到不同故障類型的特征，實現了對工程機械電氣系統的故障診斷。還有的研究通過對電流、壓力等信號進行訓練，神經網絡可以學習到不同故障類型的特征，從而實現對工程機械設備故障的準確診斷。

2.5 基于設備健康管理的故障診斷

設備健康管理是一種全面、系統的設備維護和監控方法，利用數據融合技術，將不同監測手段獲得的數據進行整合，通過采用先進的技術和管理手段，實現對工程機械設備狀況的綜合評估，實現預測性維護。這種方法可以幫助維護人員全面了解設備的工作狀態，及時發現潛在故障，提高設備的可靠性和安全性。設備健康管理在工程機械故障診斷中的應用例如：狀態監測、故障預警、故障診斷、維護決策等，通過實施設備健康管理，可以降低維護成本，延長設備使用壽命，提高工作效率。

3 故障診斷實例

以某工程機械起升系統為例，利用專家系統診斷方法對設備故障進行診斷。目前專家系統診斷方法可覆蓋工程機械電氣、結構、液壓等典型子系統，將大量故障經驗與數據錄入系統，形成工程機械設備故障診斷數據庫，當工程機械出現故障之后，通過查閱系統按照設定故障排查流程實現對設備的故障診斷。

選取起升系統無動作故障進行舉例說明：當出現起升系統操作無動作后，通過故障知識庫查詢，根據故障現象逐步推理排查可能出現的故障原因及部件，最終定位故障位置起升系統無動作。故障知識庫示例如圖5所示。

該實例展示了基于專家系統的故障診斷方法在某工程機械故障診斷中的實際應用。通過恰當地選擇和應用專家系統的知識庫，可以準確發現設備發生故障的原因，并能夠采取針對性地維修措施，提高了工程機械設備故障診斷的效率，保證設備的安全運行，提高其作業效率。

4 工程機械故障診斷技術的挑戰與發展趨勢

4.1 工程機械故障診斷技術的局限性

工程機械故障診斷技術雖然在近年來取得了顯著的進展，但仍然存在一些局限性，需要在未來的研究中加以改進：

數據收集與特征選擇問題：工程機械設備運行過程中產生的壓力、振動、速度、溫度、電流等數據量大，且具有實時性要求，從大量數據中篩選出特征變量是至關重要的一步。現有的數據采集系統通常無法滿足要求，且現有提取方法無法準確識別出與故障相關的特征，需要研發更加高效、準確的數據采集設備及更有效的特征選擇方法。

實時性要求：工程機械故障診斷需要及時、快速地對設備故障進行報警，以便采取相應的維護措施。現有的故障診斷方法可能需要花費較長時間進行分析，無法滿足實時性要求。因此，需要研究實時故障診斷方法，以提高報警速度。

不確定性問題：工程機械故障診斷過程中存在許多不確定性因素，例如負載變化、環境影響等。這些不確定性可能導致故障診斷結果的準確性下降。因此，需要研究如何考慮不確定性因素，以提高故障診斷的準確性。

知識積累與共享問題：工程機械故障診斷需要有經驗的工程師進行判斷。然而，專家的知識經驗難以形成有效地積累和共享。因此，需要研究如何將專家的知識和經驗轉化為故障診斷模型，以便實現知識的積累和共享。

4.2 工程機械故障診斷技術的發展趨勢

4.2.1 物聯網技術

通過將工程機械設備連接到互聯網，將車載故障診斷技術與遠程監控相結合，可以實現遠程監控和故障診斷。物聯網技術可以幫助維護人員實時了解設備的工作狀態，及時發現故障并采取措施。

4.2.2 大數據技術

工程機械故障診斷技術不僅可以用于故障發生后的診斷，還可以用于預測性維護。通過分析工程機械設備的各種狀態參數和故障數據，可以利用大數據技術將故障診斷技術與預測性維護相結合，實現對設備故障的提前預警，降低故障發生的風險。

4.2.3  多傳感器融合

工程機械故障診斷可以利用多種傳感器數據，如壓力、速度、振動、溫度等。未來可以研究如何將這些多傳感器數據融合，以獲得更全面、準確的故障診斷結果，為工程機械故障診斷提供更有價值的信息。

4.2.4 人工智能技術

人工智能技術可以應用于工程機械故障診斷中，如深度學習、專家系統等。未來可以研究如何將深度學習與強化學習相結合，將人工智能與專家經驗相結合，自動分析故障數據，提供更精確的數據，實現更加準確的故障診斷，同時提高故障診斷的效率和實時性。

4.2.5 集成診斷系統

未來，工程機械故障診斷技術將朝著集成診斷系統的方向發展。集成診斷系統可以將各種故障診斷技術、數據、方法等結合起來，將工程機械故障診斷過程中的知識和經驗轉化為計算機可以理解的形式，構建故障診斷知識庫，實現故障診斷知識的積累和共享，提供更加全面、準確的故障診斷解決方案。

這些發展趨勢將使得工程機械故障診斷更加準確、高效。通過采用先進的故障診斷技術，可以降低設備的故障率，提高設備的安全性和可靠性，為公司節省維護成本，并提高維修工作效率。

5 結束語

工程機械故障診斷技術是確保設備安全運行的關鍵環節，通過應用這些故障診斷技術和方法，可以及時發現設備的潛在故障，采取相應措施進行維護和修理，對保障設備安全運行具有重要意義。本文通過綜述工程機械設備常見故障、診斷方法和技術，以及未來發展趨勢，可以為工程機械故障診斷技術的研究和應用提供借鑒和參考。未來，隨著科學技術的不斷發展和進步，工程機械故障診斷技術也將不斷發展，將更加智能化、信息化和網絡化，為行業帶來更高的安全性和效率。

參考文獻

[1] 陳國梁，岳夏，周超.機械故障診斷技術機遇與挑戰[J].機電工程技術，2020，49（10）：1-4.

[2] 雷亞國，賈峰，孔德同.大數據下機械智能故障診斷的機遇與挑戰[J].機械工程學報，2018，54（5）：94-104.

[3] 張玨.基于人工智能的工程機械故障診斷技術[J].智能制造，2019（12）：192-193.

[4] 張西寧，郭清林，劉書語.深度學習技術及其故障診斷應用分析與展望[J].西安交通大學學報，2020，54（12），3-11.

[5] Fan Lei，Wang Shaoping. Fatigue crack fault diagnosisand prognosis based on hidden semi-Markov model[J].The Journal of Engineering，2019，13：406-410.