機(jī)械設(shè)備故障診斷與監(jiān)測的常用方法獲獎科研報(bào)告摘

要：機(jī)械設(shè)備故障診斷、監(jiān)測與維修等工作都影響著機(jī)械設(shè)備功能與作用的正常發(fā)揮，而且維修與監(jiān)測制度也在持續(xù)發(fā)展，從以往的定期維修到當(dāng)前的按照需要加以維修，實(shí)現(xiàn)了一種發(fā)展與飛躍，多元化的故障診斷與監(jiān)測方法都達(dá)到了良好的效果，但是這些診斷監(jiān)測技術(shù)仍然有待發(fā)展與進(jìn)步，應(yīng)該在依托于現(xiàn)有的診斷與監(jiān)測技術(shù)基礎(chǔ)上開發(fā)出新的檢測技術(shù)與監(jiān)測工藝，充分借助現(xiàn)代化信息技術(shù)，實(shí)現(xiàn)監(jiān)測的科學(xué)化、智能化、自動化進(jìn)步與發(fā)展。

關(guān)鍵詞：機(jī)械設(shè)備;故障診斷;監(jiān)測方法;發(fā)展趨勢

00F275;000A

引言

診斷機(jī)械設(shè)備故障類型，需要從研究故障形成的機(jī)理人手，探求故障原因和癥狀之間的關(guān)系。然而，要求利用監(jiān)測到的狀態(tài)信息和處理圖像能識別故障，確定故障的類型和發(fā)生部位，并不是一件輕而易舉的事。它是機(jī)械設(shè)備故障診斷各環(huán)節(jié)中最困難的一項(xiàng)工作，因?yàn)闄C(jī)械系統(tǒng)工作過程復(fù)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(xiàn)幾種癥狀，同樣，一種癥狀也對應(yīng)著幾種故障類型。因此，這中間并不是一個一一對應(yīng)的函數(shù)關(guān)系，而是一種多參數(shù)、多變量的模糊關(guān)系。為了在這些多因素的復(fù)雜關(guān)系中提高故障的識別能力，增加診斷的準(zhǔn)確率。

1機(jī)械設(shè)備故障診斷技術(shù)的常用方法

針對機(jī)械設(shè)備問題開展的診斷大多數(shù)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(dá)到處理判斷故障特征信號的目的，目前在實(shí)際中實(shí)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(yàn)與獲取資料對機(jī)械設(shè)備的問題進(jìn)行判斷。在科技迅速發(fā)展的大背景下，機(jī)械設(shè)備趨于復(fù)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(jiān)測

顧名思義，其主要監(jiān)測指數(shù)為溫度，即機(jī)械設(shè)備中與之聯(lián)系的作用單元的溫度浮動趨勢，借助多種溫度傳感裝置，達(dá)到監(jiān)控各類裝置的內(nèi)外部溫度的目的，幫助判定故障發(fā)生位置。

1.3噪聲頻譜分析

一般來說，機(jī)械設(shè)備運(yùn)行出現(xiàn)問題時，整個設(shè)備或部分作用單位將發(fā)出異樣的震動或噪音。由此，利用此方法和震動監(jiān)測相結(jié)合，能夠得知機(jī)械設(shè)備運(yùn)作的實(shí)際情況。前者重點(diǎn)利用聲波檢測等設(shè)備，探索機(jī)械設(shè)備內(nèi)部部分作用單元噪音信號的規(guī)律，以明確作用單元的問題所在;后者主要通過設(shè)備外部的震動信號反映內(nèi)部作用單元的運(yùn)作情況，借助傳感設(shè)備達(dá)到監(jiān)測、轉(zhuǎn)換震動信號的目的，經(jīng)由頻譜分析判斷問題類型和運(yùn)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(shù)，探索比較機(jī)械內(nèi)部細(xì)微物質(zhì)，如外來砂粒、金屬微粒等，以監(jiān)測液壓及潤滑系統(tǒng)運(yùn)行情況。

2機(jī)械設(shè)備故障診斷與監(jiān)測的未來發(fā)展趨勢

現(xiàn)代科技的發(fā)展推動了機(jī)械設(shè)備故障診斷與監(jiān)測技術(shù)的進(jìn)步，特別是信息技術(shù)、傳感器技術(shù)等的發(fā)展都為機(jī)械設(shè)備故障診斷創(chuàng)造了更多的信息分析方法，未來的故障診斷與監(jiān)測勢必朝著智能化、自動化等方向發(fā)展。

2.1研發(fā)精度更高的傳感器、監(jiān)測儀

當(dāng)前的機(jī)械設(shè)備監(jiān)測傳感器與監(jiān)測儀無論從監(jiān)測精度、安全度與穩(wěn)定性等方面都都有待于更新和改進(jìn)，需要研發(fā)出具有高精度、高真實(shí)度的傳感器，不斷提升監(jiān)測技術(shù)的發(fā)展水平，要確保監(jiān)測儀器使用有效參量，以此來確保故障診斷與監(jiān)測的精準(zhǔn)、有效，未來的傳感器與監(jiān)測儀需要具有高效工作，發(fā)揮多功能作用等優(yōu)勢，能夠在最短時間內(nèi)開展監(jiān)測，并識別出故障問題。

2.2以小波分析為基礎(chǔ)來科學(xué)診斷故障

小波分析屬于時-頻信號分析法，是建立在數(shù)學(xué)顯微鏡基礎(chǔ)上的方法，小波分析的基函數(shù)是很多尺度可變的簡諧函數(shù)，體現(xiàn)出科學(xué)的時-頻定性特征，也能夠針對各種信號進(jìn)行自我調(diào)節(jié)，不斷提升適應(yīng)能力。機(jī)械設(shè)備故障問題等的診斷分析過程中，因?yàn)樵O(shè)備零件具有不同的功能構(gòu)造，所出現(xiàn)的信號多數(shù)有很多不穩(wěn)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(yīng)的頻道序列中，以此為發(fā)現(xiàn)故障問題來供應(yīng)科學(xué)理論，因?yàn)樾〔ǚ治鲶w現(xiàn)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(zhǔn)、更為真實(shí)有效。

2.3朝著神經(jīng)網(wǎng)絡(luò)智能化診斷方向發(fā)展

人工智能技術(shù)是一種新型現(xiàn)代科技，他集中了新型技術(shù)、生物技術(shù)等等。未來的機(jī)械設(shè)備故障診斷技術(shù)勢必朝著人工智能神經(jīng)網(wǎng)絡(luò)診斷方向發(fā)展，這一網(wǎng)絡(luò)神經(jīng)系統(tǒng)是對人體大腦構(gòu)造、功能與特征的模擬，具有調(diào)節(jié)性、自適性、容錯性等特性功能。最主要的是人工智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)的非線性映射能力等能夠發(fā)揮多重功效，而且具有運(yùn)算簡單、便捷等特點(diǎn)，能夠?qū)C(jī)械設(shè)備局部零件的損傷、破壞等進(jìn)行科學(xué)、智能化的記錄和分析，發(fā)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(zhǔn)、高效。

2.4注重信息融合技術(shù)的探索

當(dāng)代信號獲取技術(shù)的未來發(fā)展方向應(yīng)是有效獲取故障特征信號，怎樣借助信息融合手段達(dá)到這一目的是我們需要進(jìn)一步探索的問題。要想實(shí)現(xiàn)這一設(shè)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(shè)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(shù)應(yīng)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(yùn)用此技術(shù)可以提高獲取信號部分特性的有效水平，以達(dá)到針對變動信號，尤其是瞬態(tài)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(yīng)用中，不用構(gòu)建數(shù)學(xué)模型，此外還具有高靈敏、強(qiáng)抗躁的性能。將該方法和神經(jīng)網(wǎng)絡(luò)、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(xù)繁榮，在此背景下，模糊控制、遺傳算法等關(guān)于診斷決策的亮點(diǎn)進(jìn)一步鮮明，經(jīng)過對特點(diǎn)深層次的探討，及在機(jī)械設(shè)備問題診斷方法探索上的充分聯(lián)系運(yùn)用，未來會得到更好的發(fā)展。對有關(guān)的文獻(xiàn)綜述和實(shí)際應(yīng)用，作者對診斷決策上運(yùn)用智能控制理論的亮點(diǎn)總結(jié)如下：（1）對于以模糊理論為基礎(chǔ)的故障診斷技術(shù)來說，其長處為可以減少構(gòu)建準(zhǔn)確數(shù)學(xué)模型的工作量，僅需要構(gòu)建恰當(dāng)?shù)碾`屬度函數(shù)及模糊關(guān)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(jīng)網(wǎng)絡(luò)為基礎(chǔ)的故障診斷技術(shù)來說，其長處為能夠完全借助神經(jīng)網(wǎng)絡(luò)固定的聯(lián)想記憶、自組織等，正確處理和分類復(fù)雜訊息;（3）對于遺傳算法來說，其優(yōu)勢明顯，既簡便且應(yīng)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(yīng)用于故障診斷手段探索，能夠更為簡便的收集故障先前經(jīng)驗(yàn)，更快的進(jìn)行決策論證;（4）對于粗糙集理論來說，其長處為進(jìn)行決策論證時關(guān)于數(shù)據(jù)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(shù)據(jù)內(nèi)部存在的相對聯(lián)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(tǒng)問題特性訊息獲取和診斷決策上存在的某些數(shù)據(jù)丟失導(dǎo)致的診斷結(jié)論準(zhǔn)確性較低及不能開展論證的問題。

結(jié)束語