机械系统的故障诊断

机械设备故障诊断专家系统的设计

【摘要】随着科技的不断发展，机械设备故障诊断系统也开始向自动化方向发展。本文通过对诊断系统的概述，进一步探讨了机械设备故障诊断专家系统的设计。

【关键词】机械设备；故障诊断；设计

一、前言

对于机械企业来说，机械设备是生产中的重要核心，一旦发生故障，将会造成巨大的损失，严重时将危及工作人员的生命安全。因此，加强对机械设备故障诊断专家系统的设计分析，对于保证人民财产和生命安全有着重要的意义。

二、诊断系统的概述

诊断系统是一种完整的技术体系，用以获取机器技术状态信息并加以处理，进而判断和预测机器技术状态。诊断系统一般包括状态监测、故障检测(发现故障)、故障定位(故障隔离)和故障识别。机电设备监测诊断模式经历了从单机监测诊断系统到分布式监测诊断系统，再到基于Internet的远程监测诊断系统这样一个发展过程。单机监测诊断系统是针对某一机器设计，是一种封闭式的系统，信息的交流限于系统内部。分布式监测诊断系统是针对大型机电设备主机和多辅机功能分布和地域分布的特点设计的，它通过工业局域网把分布的各个局部现场、独立完成特定功能的本地计算机互联起来，成为实现资源共享、协同工作、分散监测和集中操作、管理、诊断的工业计算机网络系统。

三、系统的设计

1、数据库设计

数据库主要用来存放系统运行过程中所必须的领域内原始特征数据的信息，以及在运行推理过程中所产生的各种静态和动态数据信息，为专家系统推理和解释提供必要的数据。包括从状态检修网络获取的被监测设备的状态参数、结构参数、时域信号以及设备运行和试验的历史数据与设备管理的原始参数。状态参数应包括信号分析的所有关键性特征，特征的提取应能正确反映设备运行的状况，以便下一步分析利用。如实时监测的幅值、频率、相位、波形、相关变化、空间分布、稳定性等特征。数据库还包括分析结果数据库、标准数据库、图谱库、设备档案库、分析条件库，并能根据需要进行数据查询和检索。

机械故障诊断及典型案例解析

一、导言

机械故障是指机械设备在使用过程中出现的各种异常情况，影响设备正常运转。机械故障诊断是通过观察、检测和分析机械设备的工作状态，找出故障原因并采取相应的修复措施。本文将介绍机械故障诊断的一些基本方法和典型案例。

二、机械故障诊断方法

1. 观察法：通过对机械设备的外部观察，发现异常现象，如磨损、变形、脱落等，从而判断故障原因。

2. 检测法：使用各种检测工具和设备，如红外测温仪、振动测试仪等，对机械设备进行各项参数检测，以发现故障。

3. 分析法：通过对机械设备故障的历史数据进行分析，找出故障的规律和原因。

4. 经验法：基于经验和专业知识，通过对机械设备的工作过程进行观察和分析，判断故障原因。

三、典型案例解析

1. 轴承故障：机械设备在运行过程中出现明显的噪音和振动，经过观察和检测发现，轴承出现了磨损和松动，需要更换轴承。

2. 电机故障：电机无法启动或启动后运转不正常，经过检测发现电机绕组出现了短路，需要进行绕组修复或更换电机。

3. 传动故障：机械设备传动带断裂或松动，导致传动不稳定或失效，通过观察和分析发现传动带磨损严重，需要更换传动带。

4. 润滑故障：机械设备在运行过程中出现摩擦增大、温升过高等异常现象，经过检测发现润滑系统故障，需要清洗或更换润滑油。

5. 冷却故障：机械设备在运行过程中温度过高，经过检测发现冷却系统故障，需要清洗或更换冷却器。

6. 阀门故障：机械设备在运行过程中无法控制流量或压力，经过观察和分析发现阀门密封不良，需要进行密封件更换或维修。

7. 传感器故障：机械设备无法正常感知工作状态，经过检测发现传感器损坏，需要更换传感器。

8. 压力故障：机械设备在运行过程中出现压力异常，经过检测发现压力表故障，需要更换压力表或进行校准。

9. 过载故障：机械设备在运行过程中出现过载现象，经过观察和分析发现负荷过大，需要优化工艺或增加设备容量。

机械设备故障诊断技术及方法

机械设备故障诊断技术及方法包括以下几种：

1.经验诊断法：基于经验推理，通过对已知故障的分析，对新问题进行判断和诊断。但该方法受限于经验的丰富性和专业性。

2.故障树分析法（FTA）：将机械设备的故障按照原因和后果的逻辑关系绘制成树状结构，以便确定故障的根本原因和可能的组合条件。

3.事件树分析法（ETA）：与FTA类似，但是从事件的发生过程角度切入。通过对事件的因果关系进行分析，以确定故障的可能原因。

4.信号处理法：通过采集机械设备运行过程中的各种信号，比如温度、压力、振动等，进行分析和处理，以确定故障原因。该方法适用于那些难以进行物理实验的设备。

5.模型建立法：建立机械设备运行模型，并通过模型分析来确定故障原因。该方法需要丰富的模型知识和数据。

综上所述，机械设备故障诊断技术及方法各有优缺点，选用合适方法需要根据具体情况灵活运用。

课程编号：S041D07

机械故障诊断学

Introduction to machine fault diagnosis

授课学院： 机电学院

授课教师：柴保明 教授

开课学期：（春季） 学时：30 学分：2

一、课程的目的和基本要求（200字左右）

本课程为机械设计及理论专业研究生选修课。主要讲述传感器原理与信号检测方法；特征分析与特征向量选择；状态识别方法；神经网络诊断原理、专家系统诊断原理。要求通过本课程的学习，掌握传感器原理与信号检测方法，能够用正确的方法研究机械故障特征量的变化规律，合理选择特征量。通过学习掌握状态是别的基本方法，包括：对比分析方法模型分析方法、贝叶斯分类法、距离函数分类法、信息距离判别法、模糊诊断法、故障树法。了解神经网络诊断原理、专家系统诊断原理及在故障诊断中的应用。

二、课程内容简介及学时分配建议（或专题课、进展课的内容架构）

1故障诊断发展概况（4学时）

设备故障诊断学的意义；故障诊断技术的发展；计算机辅助诊断系统的主要环节；故障诊断与机械系统可靠性

2 传感器与信号检测（4学时）

特征信号的选择；震动信号的监测；计算机辅助信号采集系统

3特征分析与特征量选择（6学时）

随机过程与时间序列；时间序列的统计分析；时域模型分析及在故障诊断中的应用；随机时间序列的频域分析

4 状态识别方法原理（6学时）

对比分析方法；模型分析方法；距离函数分类法；信息距离判别法；模糊诊断法；故障树法

5神经网络诊断原理（4学时）

人工神经网络的拓扑结构及学习规则；多层前向神经网络模型及BP算法；径向基函数网络及其学习方法；模糊神经网络模型

6专家系统诊断原理（4学时）

故障诊断专家系统的结构及功能；推理机制；知识表示与知识获取；人工网络与专家系统；基于行为的故障诊断

7旋转机械的状态监视与故障诊断（4学时）

转子系统的故障诊断；齿轮箱的故障诊断；滚动轴承的振动信号分析及研究