工程機械智能故障診斷技術的研究現狀

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了工程機械智能故障診斷技術的研究現狀范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：隨著我國社會經濟和科學技術的快速發展，工程機械也日趨智能化和復雜化，而在具體使用過程中難免會發生各種各樣的故障，以往傳統的故障診斷技術已經無法滿足系統的實際需求，在此背景之下，智能化的故障診斷技術就應運而生了。工程機械在具體使用過程中會受到振動、高低溫以及粉塵等各種外界因素的影響，所以發生故障的頻率也就相對比較頻繁，這種問題會給社會和企業帶來較大經濟損失，所以不斷提升機器的故障診斷技術勢在必行。本文就工程機械故障診斷技術的目的、方法以及發展趨勢進行了一定的分析與研究。

關鍵詞：工程機械；故障；智能；診斷技術；現狀；發展趨勢

1工程機械故障診斷技術的目的

1.1對工程機械使用過程中的各種故障或者是異常

情況進行及時且準確的診斷，可以有效避免或者是消除故障，從而實現對工程機械正常運轉的有效指導，并可提升工程機械運行的有效性、安全性、可靠性、以及經濟性。

1.2高效的故障診斷及其管理系統

可以幫助用戶在使用工程機械過程中發揮其最優的機械性能參數，并制定出科學合理的檢測流程和維修制度，從而可在一定程度上延長機械的使用壽命、降低機械的使用費用。

1.3工程機械從業人員可通過故障診斷技術對機器

進行檢測監視以及分析評估，從而為其設計、生產和改進工作提供有用的數據。

2當前主要的智能故障診斷方法

2.1故障樹診斷方法

這種故障診斷方法其實就是將最不希望發生的故障結果作為出發點，然后再嚴格按照相關的邏輯關系進行一步一步的逐級細化分析，對故障形成的根本原因進行分析與探討，最終對故障發生的原因、發生概率的大小以及所產生的影響程度作出確定。通過故障樹進行診斷的方法可以將引起系統故障發生的原因或表現繪制成形象的圖表模式，從而可以非常直觀地反映出各個部件和故障原因之間的關系，同時還可以對故障發生的程度和概率進行定量計算。該方法可以對故障的形成及變化進行直觀且快速的表達，但是故障樹的建立會受到一些主觀因素的影響，而且故障樹信息的完整性和正確性會隨著產品及技術發展的變化而變化，所以該故障診斷方法具有一定的局限性。

2.2故障診斷專家系統

這種故障診斷方法主要是利用大量的推理方法、專家知識、經驗積累對一些單一獨立的部件組成和故障現象進行歸納整理并建立有機聯系，從而有效解決一些復雜問題的人工智能系統。該方法是目前研究應用較多的一種智能診斷技術，可用在較難建立起數學模型的復雜系統中。

2.3基于模糊數學的故障診斷方法

該種方法主要是利用一些模糊關系矩陣或者是癥狀的隸屬度來對發生故障的原因進行判斷，以表征各種故障的傾向性，并可減少很多不確定因素給診斷工作造成的困擾和影響。它主要用于因信號傳輸途徑復雜、特征參數和故障表象之間的映射關系模糊、運行狀態及邊界條件存在多邊關系等使得故障原因較難判斷的復雜場合。但是該智能診斷方法相對比較復雜，想要建立起適合的模糊規則和隸屬度函數需要消耗一定的時間，且需依托于一個穩定的系統構成。

2.4基于神經網絡的故障診斷方法

基于神經網絡的故障診斷方法可以看作是一種信息處理系統，其通過一定數量的分布處理器和連接，來模仿人腦的工作方式。該系統方法在實際使用過程中，可先對故障特征進行提取，再通過對樣本的總結、學習和訓練來確定故障判決的規則，并進一步的對故障具體類型進行診斷。這種方法可在工程機械故障診斷的時候對一些新出現故障的權值進行自我調整，這將提升故障診斷的正確率，并有效降低誤報和漏報。同時，該種診斷方法還具有模式匹配、聯想記憶以及歸納相似故障的能力，對故障及其征兆之間的非線性映射關系能進行很好的反映。特別適用于那些診斷過程非常復雜或者是一些突發性故障的診斷。

2.5支持向量機的故障診斷方法

典型故障數據樣本的缺乏是制約智能故障診斷技術發展的主要原因之一。支持向量機（SVM）其實就是一種基于統計理論的機器學習方法。其目標是在現有信息下獲得最優解，而不是當樣本數趨于無窮大時的最優解，因而特別適用于小樣本的故障診斷。如果將支持向量機故障診斷方法和人工神經網絡兩種方法進行比較的話，該方法具有更大的使用優勢，其結構簡單，覆蓋范圍廣，所以可以在有限的特征信息下將樣本數據中所隱含的各類知識進行最大限度的發掘，有效避免了神經網絡等其他一些診斷方法中所具有的局部極值等問題，而這些優勢在工程機械故障診斷過程中具有很高的應用價值。

3工程機械故障診斷技術的發展趨勢

隨著科學技術的不斷發展，現如今的信息技術、計算機技術以及傳感器技術都取得了很大的進步，對信號的分析手段也在不斷地增加，工程機械故障診斷技術也逐漸從以往單一的模式向著智能化和全息化發展，具體發展趨勢主要體現在以下幾個方面：

3.1多傳感器數據融合技術

隨著工程機械日漸向著復雜化、自動化和大型化方向發展，這就要求對其進行多角度和全方位的監測與維護，從而可以對工程機械的具體運行狀態有一個更加全面的了解和掌握。這就需要在對其各種故障進行診斷的時候，可以利用多個傳感器對多個位置進行同時監測，并對這些信息進行及時的分析與處理，還可以充分結合各種現代化先進技術不斷研發新型的監測儀器和傳感器設備，對機械運行過程中的各個物理量和幾何量進行更加準確的檢測以有效提升故障診斷的準確率。

3.2混合智能故障診斷技術

工程機械故障的發生具有一定的突發性和多樣性，而且在實際診斷的時候還需要充分結合一定的專家經驗，所以充分利用智能化的診斷系統對相應的故障進行診斷可以獲得更好的效果。在現如今的智能化故障診斷發展過程中，不斷將各種智能技術進行充分的結合將會成為一個發展趨勢。就目前的情況來看，主要是對神經網絡系統和專家系統的充分結合，神經網絡系統和實例推理的結合，專家系統、模糊邏輯與神經網絡的結合等等，最后一種結合方式也是目前最具有發展潛力的一種結合方式。

3.3結合最新信號處理方法的故障診斷技術

由于工程機械在實際運行工程中的負荷、轉速以及故障等各個方面都會發生一定的變化，其所引起的振動也具有一定的非線性、非平穩性和不確定性，以往傳統的信號處理方式已經不能很好地滿足工程的實際需求，近些年多出現的數學形態濾波、小波分析、混沌以及幾何分形等多種新型信息處理模式對這種非線性和不平穩性信號可以進行很好的處理。比如小波分析信息處理方式可以將各種信息分解到一個由小波伸縮成的基函數族上，然后在通頻范圍之內可以獲取不同頻道的各種分解序列，其在頻域和時域方面都具有一定的局部化分析功能。所以可以充分結合故障診斷的實際需求來對故障信息頻道序列進行選取，并進一步查找故障源。這種分析方法具有非常好的時頻定位效果，尤其適用于瞬態、時變或者是非線性信號，和一般的方法相比較而言，其具有更好的頻域和時域定位能力，從而可以為故障診斷檢測提供更有效的分析手段。

3.4遠程故障診斷技術

由于工程機械工作環境的復雜性和故障發生的隨機性，所以這對其現場診斷和維護操作帶來較大的難度。除此之外，工程機械在實際應用過程中往往都具有比較大的分散性和流動性，這也會給故障的排除帶來一定的難度。而遠程故障診斷及監測技術的應用可以有效克服這些困難。遠程故障診斷技術主要是利用計算機網絡、機載模塊、無線通訊等技術對工程機械故障進行實時跨空間長距離的有效診斷。在具體使用過程中，可以通過工程機械上安裝的傳感器及其相應建立起的狀態監測點，對各種狀態數據進行及時準確的采集并用來作為遠程故障診斷的有效依據。有條件的企業可以建立遠程監控平臺及大數據分析系統，服務于企業本身和用戶，可以實現資源利用充分、成本低和生產效率高的綜合目標。綜上所述，工程機械故障診斷是一項相對比較復雜的工作，具有一定的技術難度，但是只有不斷提升故障診斷的智能化水平才能有效避免各種故障發生的頻率并節約解決時間，所以加強對工程機械智能故障診斷技術的分析與研究，對于保證工程機械設備運行的安全性、提高工程機械故障診斷水平將會產生積極作用。

參考文獻：

[1]劉書玖.工程機械使用性能故障分析及預防措施[J].民營科技，2016（04）：33.

[2]李靜.故障樹分析法在工程機械維修中的應用[J].企業技術開發，2016，35（11）：33-34.

[3]孫艷平，綦春剛，陳泳金，包釗.工程機械空調安裝及維修要點[J].科技創新與應用，2016（20）：105-106.

[4]王景，許娜.工程機械液壓傳動系統故障原因淺析[J].河北能源職業技術學院學報，2016，16（02）：59-60.

[5]李喜全.工程機械液壓系統油溫過高故障分析[J].黑龍江科技信息，2016（25）：26.

作者:井然 單位:徐工集團工程機械股份有限公司道路機械分公司