機(jī)械故障診斷技術(shù)是指通過對設(shè)備在運(yùn)行中(或相對靜態(tài)條件下)狀態(tài)信息的處理和分析， 結(jié)合診斷對象的歷史狀況, 識別設(shè)備及其部件的實時技術(shù)狀況，并預(yù)知有關(guān)異常、故障和預(yù)測其未來技術(shù)狀況, 從而確定必要對策的技術(shù)，是一門以近代數(shù)學(xué)、電子計算機(jī)理論與技術(shù)、自動控制理論、信號處理技術(shù)、仿真技術(shù)、可靠性理論等有關(guān)學(xué)科為基礎(chǔ)的，應(yīng)用型的多學(xué)科交叉的邊緣學(xué)科。
用于設(shè)備故障診斷的方法很多，常用的按檢測手段分有振動檢測診斷法、噪聲檢測診斷法、溫度檢測診斷法、聲發(fā)射檢測診斷法、油液分析診斷法等。國內(nèi)外還提出了其他一些故障診斷技術(shù)方法，主要有專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、Petri網(wǎng)絡(luò)、粗糙集理論等。
設(shè)備的零部件、整機(jī)都有不同程度的振動。機(jī)械設(shè)備的振動往往會影響其工作精度，加劇設(shè)備的磨損，加速疲勞破壞；而隨著磨損的增加和疲勞損傷的瘇，機(jī)械設(shè)備的振動將更加劇烈，如此惡性循環(huán)，直至設(shè)備發(fā)生故障、破壞。
設(shè)備發(fā)生故障時，常表現(xiàn)為振動頻率的變化，通過檢測振動的頻率、轉(zhuǎn)數(shù)、振動的速度、加速度、位移量、相位等參數(shù)，并進(jìn)行分析，從中可以找出產(chǎn)生振動變化的原因。具有實用可靠，判斷準(zhǔn)確的特點。振動分析法主要采用時域分析、頻域分析、時序分析、時頻域分析等方法來分析所采集的振動信號。
振動檢測診斷法仍是當(dāng)今診斷技術(shù)的主題，是*常用的診斷方法，具有實用可靠,判斷準(zhǔn)確的特點。
噪聲檢測診斷法
噪聲檢測診斷法就是以機(jī)器設(shè)備運(yùn)行中的噪聲作為信息源，在設(shè)備運(yùn)行過程中，通過噪聲參數(shù)的變化特征判別設(shè)備的運(yùn)行狀態(tài)。在機(jī)器設(shè)備的運(yùn)行過程中，會輻射出一定能量的噪聲。當(dāng)發(fā)生故障時，其輻射的噪聲信號也往往會發(fā)生改變，例如噪聲級的加大，噪聲信號頻率的改變等等。同時，由于可以十分方便地對噪聲信號進(jìn)行非接觸式測量，因此利用噪聲信號對機(jī)器設(shè)備進(jìn)行故障診斷是一種可行、有效的方法。
此法的本質(zhì)與振動檢測診斷法是一致的，因為噪聲主要是由振動產(chǎn)生的。此法雖簡便，但易受環(huán)境噪聲影響，因此大都采用小波降噪。
溫度檢測診斷法
溫度檢測診斷法即以可觀測的機(jī)械零件的溫度作為信息源，在機(jī)器設(shè)備運(yùn)行過程中，通過溫度參數(shù)的變化特征判別設(shè)備的運(yùn)行狀態(tài)。一方面，零件的振動可以影響溫度的變化；另一方面，溫度的變化也會使旋轉(zhuǎn)件的振動進(jìn)一步加劇。此外，其它故障類型和溫度變化之間也具有某種確定的關(guān)系，即溫度信號中隱含著其它故障診斷信號的信息。
溫度檢測是能比較直觀反映設(shè)備存在故障的一項重要檢測手段。表1列出了一些常用的測溫方法及特點。
溫度檢測法并不是單一靠檢測溫度來對設(shè)備進(jìn)行故障診斷,跟其他技術(shù)方法相結(jié)合就能更方便地應(yīng)用于工程實踐中。
聲發(fā)射檢測診斷法
材料中由于能量從局部源快速釋放而產(chǎn)生瞬態(tài)彈性波的現(xiàn)象稱為聲發(fā)射(acousticemission，簡稱AE)。用儀器探測、記錄、分析聲發(fā)射信號和利用聲發(fā)射信號推斷聲發(fā)射源的技術(shù)稱為聲發(fā)射檢測(acoustic emission testing 簡稱AET)技術(shù)。
聲發(fā)射技術(shù)具有許多優(yōu)點，如適用于實時動態(tài)監(jiān)控檢測，且只顯示和記錄擴(kuò)展的缺陷，與缺陷尺寸無關(guān)；對擴(kuò)展的缺陷具有很高的靈敏度、整體性；缺陷所處位置和方向并不影響聲發(fā)射的檢測效果；受材料的性能和組織的影響?。环椒ū容^簡單，現(xiàn)場聲發(fā)射檢測監(jiān)控與試驗同步進(jìn)行等。
聲發(fā)射法可以檢測缺陷、確定缺陷位置和評價結(jié)構(gòu)的危險程度(**性)。與其它常規(guī)無損檢測方法相結(jié)合，使用聲發(fā)射法將會取得*佳效果。聲發(fā)射技術(shù)應(yīng)用范圍已覆蓋航空、航天、石油化工、電力等領(lǐng)域。在轉(zhuǎn)動設(shè)備的故障診斷方面，聲發(fā)射技術(shù)主要應(yīng)用于滾動軸承和滑動軸承的故障診斷。聲發(fā)射技術(shù)應(yīng)用的另一個重要方面是應(yīng)用于檢測泄漏。目前，人工神經(jīng)網(wǎng)絡(luò)聲發(fā)射信號處理已成為國際上聲發(fā)射技術(shù)研究的一個熱點，我國聲發(fā)射工作者在神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用方面取得了很大成績，并曾在刀具磨損監(jiān)測、聲發(fā)射譜信號模式識別等方面取得成功。在*近召開的第14 屆世界無損檢測會議上，我國學(xué)者報導(dǎo)了利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)對聲發(fā)射源活動情況進(jìn)行模式識別的新方法，該方法除可區(qū)別缺陷種類(裂紋、泄漏和噪聲) 外，還可對裂紋的危害程度進(jìn)行判斷。
油液分析診斷法
油液分析技術(shù)又稱為設(shè)備磨損工況監(jiān)測技術(shù)，是一種新型的設(shè)備維護(hù)技術(shù)，它利用油液所攜帶的設(shè)備工況信息來對設(shè)備的當(dāng)前工作狀況以及未來工作狀況作出判斷，從而為設(shè)備的正確維護(hù)提供了有效的依據(jù)，達(dá)到預(yù)防性維修的目的。油液在設(shè)備中的各個運(yùn)動部位循環(huán)流動時，設(shè)備的運(yùn)行信息會在油液中留下痕跡，這些信息主要包括以下三個方面：
① 油液本身的物理和化學(xué)性質(zhì)的變化
② 油液中設(shè)備磨損顆粒的分布
③ 油液中外侵物質(zhì)的構(gòu)成以及分布
采用油液分析技術(shù)進(jìn)行機(jī)械設(shè)備故障診斷的特點有：
① 不拆機(jī)，無需安裝傳感器(隨機(jī)監(jiān)測除外)；
② 操作易于掌握，有的方法十分簡單和直觀；
③ 信息量較大；
④ 需要有一個嚴(yán)密的管理體系(如油樣的遞送、機(jī)器狀態(tài)的反饋等)，作為開展工作的組織保證；
⑤ 需要建立一個計算機(jī)管理系統(tǒng)，以完成大量數(shù)據(jù)的管理工作。
油液分析中，目前應(yīng)用較多的有光譜分析和鐵譜分析兩種。油液分析結(jié)果有種類多、表征各異、離散與隨機(jī)性、定量與定**叉、信息量大、信息冗余和不一致性等特點，因此必須對油液分析的信息加以信息綜合及信息融合。
專家系統(tǒng)(expert system)是一中基于知識的人工智能診斷系統(tǒng)，其實質(zhì)是應(yīng)用大量人類專家的知識和推理方法求解復(fù)雜的實際問題的一種人工智能計算機(jī)程序。目前專家系統(tǒng)用于旋轉(zhuǎn)機(jī)械的故障診斷是比較成功的。
基于專家系統(tǒng)的診斷方法的主要特點是可以方便地把運(yùn)行人員的診斷經(jīng)驗用規(guī)則表示出來，并允許在知識庫中增加、刪除或修改一些規(guī)則，以確保診斷系統(tǒng)的實時性和有效性，同時還能夠給出符合人類語言習(xí)慣的結(jié)論，并具有相應(yīng)的解釋能力等。專家系統(tǒng)在實際應(yīng)用中仍然存在以下主要缺陷：
① 建立知識庫及驗證其完備性比較困難；
② 容錯能力較差，缺乏有效的方法識別錯誤信息；
③ 大型專家系統(tǒng)的知識庫的維護(hù)難度很大；
④ 專家系統(tǒng)在復(fù)雜故障診斷任務(wù)中會出現(xiàn)組合爆炸和推理速度慢的問題。
這些缺陷大大限制了專家系統(tǒng)的實際應(yīng)用，主要應(yīng)用于離線故障分析。而且，目前專家系統(tǒng)研究的核心問題是如何用計算機(jī)獲取、表達(dá)、處理、和存儲領(lǐng)域?qū)＜业慕?jīng)驗和知識。
另一方面，盡管目前的專家系統(tǒng)及其開發(fā)工具有了較大的發(fā)展，但投入實際運(yùn)行的專家系統(tǒng)并不多，且效率較低，問題求解能力更有待進(jìn)一步提高。因為目前的專家系統(tǒng)主要是模擬某一領(lǐng)域中求解特定問題的專家的能力，而在模擬人類專家協(xié)作求解方面很少或幾乎沒有做什么工作。然而在現(xiàn)實世界中，協(xié)作求解是相當(dāng)普遍的。其次，目前開發(fā)的專家系統(tǒng)的規(guī)模越來越大，并且十分復(fù)雜。這樣就要求將大型專家系統(tǒng)的開發(fā)變成若干小的、相對獨立的專家系統(tǒng)來開發(fā)，而且需要將許多不同領(lǐng)域的專家系統(tǒng)聯(lián)合起來進(jìn)行協(xié)作求解。
基于人工神經(jīng)網(wǎng)絡(luò)的診斷方法
與專家系統(tǒng)相比，基于人工神經(jīng)網(wǎng)絡(luò)(artificial neural network簡稱ANN)的故障診斷方法具有魯棒性好、容錯能力強(qiáng)和學(xué)習(xí)能力強(qiáng)等特點。目前主要有基于BP算法的前向神經(jīng)網(wǎng)絡(luò)和基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)兩種主要應(yīng)用于旋轉(zhuǎn)機(jī)械的故障診斷。
往往大型旋轉(zhuǎn)機(jī)械是多個故障一起發(fā)生的，對于并發(fā)的故障進(jìn)行診斷是一個備受關(guān)注的問題。基于ANN的診斷方法的主要特點是避免了專家系統(tǒng)故障所面臨的知識庫構(gòu)造等難題，不需要推理機(jī)的構(gòu)造。但其也有存在的問題：
① 其性能取決于樣本是否完備；
② 與符號數(shù)據(jù)庫交互的功能較弱；
③ 不擅長處理啟發(fā)性的知識；
④ 不知如何確保ANN訓(xùn)練時收斂的快速性和避免陷入局部*小；
⑤ 缺乏解釋自身行為和輸出結(jié)果的能力。
由于需要采取相關(guān)措施優(yōu)化ANN系統(tǒng)，其研究的熱點及今后趨勢就顯現(xiàn)出來了：
① ANN與模糊集合論的結(jié)合用于故障診斷；
② ANN與遺傳算法、進(jìn)化算法相集合，用于調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)，獲得優(yōu)化的ANN系統(tǒng)；
③ 分岔和混沌與ANN結(jié)合用于研究非線性系統(tǒng)的故障診斷；
④ 統(tǒng)計數(shù)學(xué)和傳統(tǒng)數(shù)學(xué)用于ANN；
⑤ 小波與分形和ANN的結(jié)合應(yīng)用研究。
基于模糊Petri網(wǎng)絡(luò)的診斷方法
Petri網(wǎng)是由德國學(xué)者Cah Aham Petri博士于1962 年創(chuàng)立的用于構(gòu)造系統(tǒng)模型及動態(tài)特性分析的知識表示方法。Petri網(wǎng)不僅能描述系統(tǒng)的靜態(tài)結(jié)構(gòu)，也能描述系統(tǒng)的動態(tài)行為；既有嚴(yán)格的數(shù)學(xué)基礎(chǔ)，也有易理解的可視化表達(dá)，是一個理想的用于系統(tǒng)描述的工具。近年來，Petri網(wǎng)以其強(qiáng)有力的描述具有并行或異步并發(fā)行為系統(tǒng)及處理并行推理的能力、良好的數(shù)學(xué)基礎(chǔ)和便于工程化等特點，為故障診斷提供了全新的理論方法和實現(xiàn)手段。
Petri網(wǎng)絡(luò)是在構(gòu)造有向圖的組合模型的基礎(chǔ)上，形成可以用矩形運(yùn)算所描述的嚴(yán)格定義的數(shù)學(xué)對象。Petri網(wǎng)絡(luò)是離散事件動態(tài)系統(tǒng)建模和分析的理想工具。
基于Petri網(wǎng)絡(luò)的診斷方法的主要特點是不是它可以對同時發(fā)生、次序發(fā)生或循環(huán)發(fā)生的故障演化過程進(jìn)行定性和定量的分析。該方法存在的不足之處主要有：
① Petri網(wǎng)絡(luò)方法的容錯能力較差，不易識別錯誤的報警信息；
② 基本的Petri網(wǎng)絡(luò)不能描述時間特征要求高的行為特征，因此在復(fù)雜系統(tǒng)建模時，需要采用上等的Petri網(wǎng)絡(luò)。
基于粗糙集理論的診斷方法
粗糙集理論是波蘭數(shù)學(xué)家PAWLAK在20世紀(jì)年代提出的用于分析和處理各種不完備信息、從中發(fā)現(xiàn)知識、揭示潛在規(guī)律的數(shù)學(xué)工具。
粗糙集理論的主要思想：在保持分類能力不變的前提下，通過知識約簡，導(dǎo)出問題的決策或分類規(guī)則。它無需提供問題所需處理的數(shù)據(jù)集合之外的任何先驗信息，能有效地分析和處理不**、不一致、不完整等各種不完備數(shù)據(jù)，從中發(fā)現(xiàn)隱含知識，揭示潛在規(guī)律。簽于粗糙集理論的優(yōu)越性，已經(jīng)有不少研究人員把它引入到故障診斷系統(tǒng)中。
基于粗糙集理論的診斷方法的主要特點是：它能較強(qiáng)地處理信息不完整和信息冗余的情形。該方法仍需要進(jìn)一步改進(jìn)：
① 粗糙集方法的診斷規(guī)則的獲取取決于條件屬性集下各種故障情況訓(xùn)練樣本集；
② 當(dāng)丟失或出錯的警報信息是關(guān)鍵信號時，診斷結(jié)果將受到影響；
③ 當(dāng)考慮發(fā)生多重故障時，粗糙集方法將出現(xiàn)決策表十分龐大，甚至出現(xiàn)組合爆炸的問題。
本文摘錄自東南大學(xué)火電機(jī)組振動國家工程研究中心戴其兵，傅行軍撰寫的《旋轉(zhuǎn)機(jī)械故障診斷方法概述》一文，該文收錄于《江蘇省工程熱物理學(xué)會**屆學(xué)術(shù)會議論文集》。
聲明：本轉(zhuǎn)載文章出于非商業(yè)性的教育和科研目的，并不意味著贊同其觀點或證實其內(nèi)容的真實性。版權(quán)歸原作者所有，如轉(zhuǎn)載稿涉及版權(quán)等問題，請立即聯(lián)系我們，我們會予以更改或刪除相關(guān)文章，保證您的權(quán)利！