机械故障诊断论文

工程机械故障诊断技术的研究现状及发展趋势

摘要: 随着工程机械的日益复杂化和智能化，传统的故障诊断技术难以满足复杂系统的故障诊断要求，因此智能故障诊断技术得到更广泛的应用。介绍我国工程机械故障诊断技术的研究现状，并阐述工程机械现代智能故障诊断的方法，在此基础上提出工程机械故障诊断技术的发展趋势及需要进一步研究的问题。

关键词: 工程机械; 故障诊断; 发展趋势

引言

工程机械多系露天作业，受风雨、日晒、粉尘等影响和侵蚀，工作环境恶劣，故障频繁发生，因故障停机带来的损失十分巨大; 随着施工规模的日益庞大，工程机械趋向大型化、高速高效化、自动化和连续化，其结构也日趋复杂，针对工程机械故障的检测、诊断与维修来越困难，所以开展工程机械特别是对核心部件的智能故障诊断的研究工作十分必要。

故障可以定义为系统至少一个特性或参数偏离正常的范围, 难于完成系统预期的功能.

故障诊断技术。是一种通过监测设备的状态参数, 发现设备异常情况, 分析设备故障原因,

并预测预报设备未来状态的一种技术, 其宗旨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, 是控制领域的一个热点研究方向.

1、 故障诊断的发展现状

目前, 国内检测诊断技术的研究主要集中在以下几个方面:

( 1) 传感技术研究: 传感技术是反映设备状态参数的仪表技术。国内先后开发了各种类型的传感器, 如屯涡流传感器、速度传感器、加速度传感器和温度传感器等; 最近开发的传感技术有光导纤维、激光、声发射等。

（2）关于信号分析与处理技术的研究: 从传统的谱分析、时序分析和时域分析, 开始引入了一些先进的信号分析手段, 如快速傅立叶变换, Wigner谱分析和小波变换等。这类新方法的引入弥补了传统分析法的不足。

（3）关于人工智能和专家系统的研究: 这方面的研究已成为诊断技术的发展主流, 目前已有日程机械故障诊断专家系统，但这一技术在工程方面的研究尚未达到人们所期望的水平。

（4）关于神经网络的研究: 比如旋转机械神经网络分类系统等的研究已经取得了应用, 取得了满意的效果。

（5）关于诊断系统的开发与研究: 从单机巡检与诊断到上下位机式主从机结构, 直至以网络为基础的布式系统的结构越来越复杂, 实时性越来越高。

（6）专门化与便携式诊断仪器和设备的研制与开发。目前, 我国的冶金、电力、化工等行业的故障诊断技术己经很成熟, 得到了广泛的应用。

2 现代故障诊断方法

工程机械运行的状态千差万别，出现的故障也是多种多样，采用的诊断方法也各不相同。在众多的诊断方法中，比较常用的诊断方法有振动监测诊断方法、无损检测技术、温度诊断方法和铁谱分析方法等。近十几年来，模糊诊断、故障树分析、专家系统、人工神经网络等新的诊断技术不断出现，故障诊断技术逐步向智能化方向发展。

（1） 故障树诊断方法

故障树诊断方法是从研究系统中最不希望发生的故障状态( 结果) 出发，按照一定的逻辑关系从总体到部件一层层的逐级细化，推理分析故障形成的原因，最终确定故障发生的最初基本原因、影响程度和发生概率。它是一种图形演绎法，把系统故障与导致该故障的各种因素形象地绘成故障图表，能较直观地反映故障、元部件、系统及因素、原因之间的相互关系，也能定量计算故障程度、概率、原因等。该方法直观、快速诊断、知识库很容易动态修改，但其缺点是受主观因素影响较大，诊断结果严重依赖于故障树信息的正确性和完整性，不能诊断不可预知的故障。

（2）故障诊断专家系统

专家系统是一种基于知识的人工诊断系统，是利用大量人类专家的知识和推理方法求解复杂的实际问题的人工智能程序。故障诊断专家系统是研究最多、应用最广的一类智能诊断技术，主要用于没有精确数学模型或很难建立数学模型的复杂系统。专家系统存在的主要问题是知识获取困难、运行速度慢。在采用先进传感技术与信号处理技术的基础上研制开发的故障诊断专家系统，将现代科学的优势同领域专家丰富经验与思维方式的优势结合起来，已成为故障诊断技术发展的主要方向。

（3） 基于模糊数学的故障诊断方法

工程机械的状态信号传播途径复杂，故障与特征参数间的映射关系模糊，再加上边界条件的不确定性、运行工况的多变性，使故障征兆和故障原因之间难以建立准确的对应关系，用传统的二值逻辑显然不合理，因此选用隶属度函数，用相应的隶属度来描述这些症状存在的倾向性。基于模糊数学的故障诊断方法就是通过某些症状的隶属度和模糊关系矩阵来求出各种故障原因的隶属度，以表征各种故障的倾向性，从而可以减少许多不确定因素给诊断工作带来的困难。但是对于复杂的诊断系统，要建立正确的模糊规则和隶属度函数非常困难，而且需要消耗大量的时间。

（4 ）基于神经网络的故障诊断方法

神经网络是一种信息处理系统，是为模仿人脑工作方式而设计的，它带有大量按一定方式连接的和并行分布的处理器。由工程机械各个系统的信息提取故障特征，通过学习训练样本来确定故障判决规则，从而进行故障诊断。用于故障诊断的神经网络能够在出现新故障时通过自学习不断调整权值，可以提高故障的正确检测率，降低漏报率和误报率。神经网络具有对故障的联想记忆、模式匹配和相似归纳能力，以实现故障和征兆之间复杂的非线性映射关系。对于多故障、多过程的复杂工程机械以及突发性故障或其他异常现象，其故障形成的原因与征兆的因果关系错综复杂，借助神经网络系统来解决是行之有效的。

（5） 支持向量机的故障诊断方法

典型故障数据样本的严重不足是制约故障智能诊断技术发展的主要原因之一。支持向量机( SVM)是一种基于统计学习理论的新型机器学习方法，其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优解。这一点特别适合于故障诊断这种小样本情况的实际问题解决。。

3 、发展趋势

设备故障诊断技术与当代前沿科学的融合是设备故障诊断技术的发展方向。当今故障诊断技术的发展趋势是传感器的精密化、多维化, 诊断理论、诊断模型的多元化, 诊断技术的智能化, 具体来说表现在如下方面：

( 1) 与当代最新传感技术尤其是激光测试技术的融合。近年来, 激光技术已从军事、医疗。机械加工等领域深入发展到振动测量和设备故障诊断中, 并且己经成功应用于旋转机械对中等方面。

( 2) 与最新信号处理方法相融合。随着新的信号处理方法在设各故障诊断领域中的应用,

传统的基于快速弗利叶变换的信号分析技术有了新的突破性进展。

( 3) 与非线性原理和方法的融合。机械设备在发生故障时, 其行为往往表现为非线性特征。如旋转机械的转于在不平衡外力的作用下表现出的非线性振动。随着混沌与分型几何方法的日趋完善, 这类问题毕将得到进一步解决。

( 4) 与多元传感技术的融合。现代化大生产要求对设备进行全方位、多角度的监测与维护,

以便对设备的运行状态有整体的、全方面的了解。因此, 在进行设备故障诊断时, 可采川多个传感器同时对设备的各个位置进行监测, 然后按照一定的方法对这些信息进行处理, 如人工神经网络方法。

( 5) 与现代智能方法的融合。现代智能技术包括专家系统、模糊逻辑、神经网络、进化计算等。现代智能方法在设备故障诊断技术中己得到了广泛的应用, 随着智能科技的不断发展,

设备状态的智能监测和故障诊断将是故障诊断技术的最终目标。

4、结束语

从今后的发展看, 故障诊断技术必须跳出仅针对机械运行过程这个环节的局限性, 而应该放在产品的整个生命周期中来统筹考虑, 对机械系统的整个寿命周期进行有效的分析,

从而提高机械系统的可靠性和可维修性, 延长系统的寿命, 降低寿命周期费用。从诊断的方式上来看, 传统的诊断方法和理论对单过程、单故障和渐发性故障的简单系统可以发挥较好的作用, 对于多过程、多故障和突发性故障以及复杂庞大、高度自动化的大型设备和系统,

就具有较大的局限性。专家系统主要用于复杂的机械系统, 能够克服基于模型的故障诊断方法对模型的过分依赖性, 人工神经网络对于故障的模式识别具有独特的优点。将人工智能的理论和方法应用于机械故障诊断, 发展智能化的机械故障诊断技术, 是机械故障诊断的一个新的途径, 成为机械故障诊断的一个重要研究方向。

参考文献：

[1] 冯志鹏等.旋转机械振动故障诊断理论与技术进展综述[ J].振动与冲击,2001( 4) ：36

[2] 王世明,贾鸿社,杨为民,李天石.国外工程机械新技术新结构和发展趋势 [J].工程机械,2004,35(1):61-65

[3] 范国伟 故障诊断技术在化工生产中的应用[J] . 化工矿物与加工, 2000 ( 2) : 9

[4] 蒋瑜, 陶利民等, 机械设备状态预测方法的发展与研究[J] 现代机械, 2001 ( 3 )

[5] 夏松波,等旋转机械故障诊断技术的现状与展望[J] 振动与冲击, 1997( 2 ) : 16

[6] 王巍等.设备故障可诊断性的研究与探索[J] 哈尔滨工业大学学报, 2000( 2) : 16

[7] 阮跃. 旋转机械智能故障诊断系统的设计[J] 自动化仪表, 2000 ( l) : 14

[8] 廖双龙 等基于In ternet的旋转机械实时在线监测网[J] 计算机应用, 2000( 5 ) : 58

[9] 郭建华. 机电设备故障诊断技术的发展概况及远程诊断方法研究[ J] 重庆厂学院学报, 2002( 4 ): 28

[10] 罗锦等. 故障诊断技术的发展和展望. 自动化与仪器仪表, 2003( 2 ): 1

[11] 黄文虎 ,夏松波等 设备故障诊断原理/技术及应用[M ] 北京; 科技出版社, 1996

[12] 钟秉林, 黄仁. 机械故障诊断学[M ]. 北京: 机械工业出版社, 2006

[13] 马建仓, 林其敖, 葛文杰. 机械故障诊断学科的现状及发展[ J]. 机械科学与技术,

1994( 2): 85- 90

[14] 沈庆根, 郑水英. 设备故障诊断[M ]. 北京: 化学工业出版社, 2005.

[15] 王琳. 机械设备故障诊断与检测常用方法及其发展趋势[ J]. 武汉工业大学学报,

2000, 22( 3) : 62- 64.

[16] 屈梁生. 机械故障的全息诊断原理[M ]. 北京: 科学出版社, 2007

[17] 黄纯颖, 等.机械创新设计[M].北京: 高等教育出版社, 2000.

[18] 崔彦平, 傅其凤,等.机械设备故障诊断发展历程及展望[J].河北工业技术,2004,4.

[19] 王江萍． 机械设备故障诊断技术及应用［M］． 西安: 西北工业大学出版社， 2001，8: 123 － 145．