中国自动化学会中南六省（区）２０１０年第２８届年会・论文集
机械故障诊断综述
Survey on Faults Diagnosis of Machine
赵宏伟１，２，张清华１，夏路易２，邵龙秋１（１广东石油化工学院 计算机与电子信息学院，广东 茂名５２５０００；２太原理工大学 信息工程学院，山西 太原０３００２４）摘要：本文较系统的介绍了故障诊断的基本过程、原理，在此基础上对故障诊断方法做了详细、系统的论述，并进一步对故障诊断技术的发展做了展望。
关键词：故障诊断；诊断原理；维修制度
Ａｂｓｔｒａｃｔ： Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ｔｈｅ ｂａｓｉｃ ｐｒｏｃｅｓｓ ａｎｄ ｐｒｉｎｃｉｐｌｅ ｏｆ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ａｒｅ ｉｎｔｒｏｄｕｃｅｄ． Ｏｎ ｔｈａｔ ｂａｓｉｓ， ｔｈｅ ｍａｉｎ ｍｅｔｈｏｄ ｏｆ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｓｉｎｔｒｏｄｕｃｅｄ ｉｎ ｄｅｔａｉｌ． Ｆｉｎａｌｌｙ， ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｎ ｔｅｃｈｎｉｑｕｅ ｏｆ ｆａｕｌｔｓ ｄｉａｇｎｏｓｉｓ ｉｓ ｌｏｏｋｅｄ ｆｏｒｗａｒｄ．
Ｋｅｙ Ｗｏｒｄｓ： Ｆａｕｌｔｓ Ｄｉａｇｎｏｓｉｓ； Ｄｉａｇｎｏｓｉｓ Ｐｒｉｎｃｉｐｌｅ； ｍａｉｎｔｅｎａｎｃｅ
１ 引言
七十年代以来，计算机和电子技术飞跃发展，促使工业生产向现代化、机器设备向大型化、连续化、高速化、自动化发展。与此同时，现代化机械设备的应用一方面大大促进了生产的发展；另一方面也潜伏着一个很大的危机，即一旦发生故障所造成的直接和间接的损失将是十分严重。为解决这一问题，机械故障诊断技术孕育而出。这门新技术也是一门以高等数学、物理、化学、电子技术、机电设备失效学为基础的新兴学科。它的宗旨就是运用当代一切科技的新成就发现设备的隐患，以期对设备事故防患于未然。如今它已是现代化设备维修技术的重要组成部分，并且成了设备维修管理工作现代化的一个重要标志。
２ 设备维修制度
目前，与故障诊断技术紧密相关的设备维修制度共有三种：
（１）事后维修制度（ＰＯＭ）：这是一种早期的维修制度。主要特点是“不坏不修，坏了再修。”这种维修制度对发生事故难以预料，并往往会造成设备的严重损坏，既不安全且又延长了检修时间。
（２）预防维修制度（ＰＭ）：又称以时间为基础的设备维修制度（ＴＢＭ）或计划维修制度。这是一种静态维修制度，主要特点是当设备运行达到计划规定的时间或吨公里时便进行强制维修。它比前一种维修制度大大前进了一步，对于保障设备和人身安全，起到了积极作用。同时，这种维修制度也存在明显的缺陷，即过剩维修和失修的问题。以滚动轴承为例，同一型号的滚动轴承，其实际的使用寿命有时相差达数十倍。在预防维修制度行监测与诊断故障的方法，具体包括声音监听法、频谱分析法和声强法。
温度信号监测诊断技术包括物体温度的直接测量和热红外分析技术。实际工业中不恰当的温度变化往往意味着热故障的发生。从被测设备的某一部分的温
１３０
两化融合、综合开发与应用
度异常变化可以判断设备是否存在故障。
润滑油的分析诊断技术即监测润滑系统中的某些物化特性，从中获取设备内部的故障信息。主要有：油品的理化性能分析技术、油样所含磨损金属颗粒的铁谱分析技术以及润滑油的光谱分析技术。
其他无损检测诊断技术是在不损坏工件或原材料工作状态的前提下，对被检验部件的表面和内部质量进行检查的一种测试手段。常规无损检测方法有：超声检测（Ｕｌｔｒａｓｏｎｉｃ Ｔｅｓｔｉｎｇ，ＵＴ）；射线检测（ＲａｄｉｏｇｒａｐｈｉｃＴｅｓｔｉｎｇ，ＲＴ）；磁粉检测（Ｍａｇｎｅｔｉｃ ｐａｒｔｉｃｌｅＴｅｓｔｉｎｇ，ＭＴ）；渗透检验（ＰｅｎｅｔｒａｎｔＴｅｓｔｉｎｇ，ＰＴ）；涡流检测（Ｅｄｄｙｃｕｒｒｅｎｔ Ｔｅｓｔｉｎｇ，ＥＴ）。非常规无损检测技术有：声发射（Ａｃｏｕｓｔｉｃ Ｅｍｉｓｓｉｏｎ，ＡＥ）；泄漏检测（ＬｅａｋＴｅｓｔｉｎｇ，ＬＴ）；光全息照相（ＯｐｔｉｃａｌＨｏｌｏｇｒａｐｈｙ）；红外热成像（Ｉｎｆｒａｒｅｄ Ｔｈｅｒｍｏｇｒａｐｈｙ）；微波检测（ＭｉｃｒｏｗａｖｅＴｅｓｔｉｎｇ）。
第二个阶段诊断技术的发展出现了两个比较明显的分支：这就是以人工智能（ＡＩ）技术为支持的基于知识的智能诊断和以新的信息处理工具为基础的新型信息诊断。
在智能诊断中，以数据处理为核心的诊断过程被以知识处理为核心的诊断过程所代替。虽然此时的信号检测与数据处理仍起着十分重要的作用，甚至占着诊断工作的大部分或绝大部分，然而在诊断过程中起主导作用的是人类专家的知识（包括人类专家所拥有的领域知识，求解问题的方法和能力）。诊断过程从信息检测到特征提取，从状态识别到故障分析，从干预决策到维修计划都实现了知识化，达到了信号检测、数据处理与知识处理的统一。这一分支发展很快，目前对它的研究也很多，在各行各业均有大量的应用成果出现。但是由于ＡＩ技术本身有很多的分支，所以诊断当中根据采用的ＡＩ技术的不同又形成了很多的诊断技术，如基于案例的诊断技术、基于产生式规则的诊断技术、基于模型的诊断技术等等，这些诊断技术分别可以表示不同类型的诊断，分别适用于某种特定的环境。
与此同时，传统的信息诊断在新的信息处理工具的出现下，重新焕发出新的活力，成为诊断领域发展的另一分支。目前，小波分析、分形、混沌等新的信息处理工具在诊断中的应用报道很多，模糊理论和人工神经网络（ＡＮＮ）作为信息软处理的最新技术在诊断领域中也得到了广泛的应用。小波分析作为“数学显微镜”，具有很优秀的“探微”能力，无论多么复杂的信号，只要选取适当的小波，进行适当次数的变换，就可以发现其中所包含的诊断信息，从而应用于诊断领域；分形和混沌则模拟自然界的方式来处理信息；ＡＮＮ模拟人类大脑神经网络的方式来处理信息，以其优秀的非线性映射和万能逼近能力为工程界提供了一条有很大潜力的解决问题的捷径；而模糊理论的出现则解决了不确定性问题。这些工具的成功运用，解决了传统的诊断技术不能解决的一些问题，给诊断领域的发展带来了新的活力［２］［３］［４］。
４ 故障诊断技术的发展展望
故障诊断多种方法各有利弊，有许多学者融合不同方法的优点也颇有成就，有人将模糊诊断和人工神经网络结合，借助神经网络逼近能力来实现模糊系统的功能，使结合的系统同时具有神经网络并行处理、分布存储、自组织、低层次学习、计算能力和模糊系统的高层次推理、决策能力。即在故障检测系统中融入模糊神经网络技术，通过人工智能的控制，从而实现检测的稳定准确［５］［６］。也有些学者将小波分析和模糊理论结合，采用二进离散小波变换获取有效的故障特征向量，利用模糊诊断方程进行故障模式分类。通过选择足够的样本对故障诊断方程进行训练，将代表故障的信息输入训练好的诊断方程，由输出结果判定故障类型［７］。
有些由于应用场合或故障的特殊性，也采用特殊的故障诊断技术，比如在石化工业领域符号定向图ＳＤＧ（Ｓｉｇｎｅｄ Ｄｉｒｅｃｔｅｄ Ｇｒａｐｈ）方法得到广泛重视，在危险识别、故障诊断和安全评价方面取得了重大进展［８］。为解决齿轮多重状态或故障分类中的特征提取问题，有学者提出了利用频域特征和遗传编程对齿轮箱盖多类状态振动信号进行特征提取的方法。为了使诊断结果更好地可视化，利用遗传编程结果的固有随机性，提取两个新特征指标。该方法对振动数据可以进行准确的多重故障分类［９］。遗传编程（Ｇｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇ，简称ＧＰ）算法其灵活的动态模型结构表示和借鉴生物界自然选择与遗传机制的全局搜索能力使得它在数据挖掘、控制理论、电子工程、模式识别等研究领域取得了广泛的成功，它是计算智能理论中进化算法的重要分支之一，它让计算机自动发现系统内在的规律并自动建立故障诊断系统模型已成为计算智能的研究热点［１０］。对旋转机械智能故障诊断，有学者提出用数据
１３１
