機械設備故障診斷及監測研究
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了機械設備故障診斷及監測研究范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：針對機械設備中的關鍵部件——滾動軸承、齒輪箱、電動機的故障診斷與監測的發展現狀進行文獻綜述，總結該領域的研究現狀及主要方法。概述了機械設備中一些關鍵部件，比如軸承、齒輪箱、電動機的故障特點及故障形式，進而深入分析相應的診斷難點，并結合國內外相關文獻系統地介紹并比較了現有的針對機械設備關鍵部件的故障診斷與健康監測方法，最后對該領域的發展方向進行了展望。
關鍵詞：機械設備；故障診斷；滾動軸承；齒輪箱
近年來，隨著機械設備的運行環境逐漸復雜化，機械設備發生故障的概率顯著提高，一旦未能及時發現機械設備的局部故障問題，最終可能導致機械設備潛伏性故障逐漸發展以致整體性損壞的嚴重后果。在智能制造的背景下，對機械設備相關關鍵部件進行故障診斷和監測成為一個值得思考的現實問題。因此，以下就機械設備故障診斷與監測方法展開分析與探討。
1機械設備故障診斷系統
機械設備往往利用分布式傳感器作為故障診斷系統的重要部分，實時監測機械設備在工作狀態或相對靜止狀態下的信號，將之與監測對象的歷史狀態相比對，通過數字信號處理等手段進一步分析和處理所獲信號，準確地確定故障的發生位置及故障類型，從而得以及時排除機械設備的故障。在早期，機械設備狀態監測的方法主要包括振動監測法、采樣分析法、測溫法及超聲波法等。對于絕大多數機械設備，以振動作為主要參考標準的診斷方法最為常見。機械設備故障診斷系統主要分為兩大部分：①借助傳感器獲取振動等參考信號進行分析處理。傳感器技術依托電磁感應等原理來測得機械設備的工作狀態參數，并將所得數據傳輸到微型計算機中，接著微機將其與數據庫原始標準健康數據進行比對，初步診斷機械設備的狀態。但僅僅依靠傳感器是不行的，傳感器只能監測電流、電壓、等有限的狀態參數，診斷效果較差。②智能診斷技術，這類技術基于第一部分所獲數據進一步分析處理，以計算機為載體實現一種與人類思維運算近似的智能診斷系統。它可以實現基于所測信號機理，設定診斷規則，進行特征提取、數字信號分析等功能，與傳統的簡單對比診斷相比，更加科學實用[1]。這類技術目前已經相對成熟，且漸漸成為主流的應用技術。
2機械設備主要故障特點
機械設備是工業生產中不可或缺的一部分，其性能的優劣與最終的生產能效直接掛鉤。機械設備由各種零部件組合而成。在長期的運轉過程中，它們會由于衰老退化而不可避免地出現故障問題，對機械設備的性能造成影響，導致生產效率降低。由于不同部件的作用、存在比例及故障特點有所差異，下面對機械設備中的關鍵部件逐一展開分析。滾動軸承是旋轉機械的重要組成部分，它優點眾多，比如潤滑冷卻迅速效率高等，因此在機械行業廣泛得到應用。但它同時也是旋轉機械中最容易出現故障的部件之一，據有關統計顯示[2]，在旋轉機械故障中有近30%的故障是由于滾動軸承故障引起的，因此，深入研究滾動軸承的故障診斷方法具有重要意義。工程發現，疲勞損傷、腐蝕損傷、斷裂等原因都會導致滾動軸承損傷，不同原因導致的軸承損傷所反映出的故障特征同樣存在差異，因此，如何在紛繁復雜的軸承故障中提取出反映軸承故障的一致性特征成為一個值得深入研究的切入點。在機械設備中，用于提高主軸轉速的齒輪箱廣泛存在。在機械運行過程中，齒輪箱內的齒輪常常會出現磨損斷裂的問題，如果不及時、有效地對這些故障進行處理，齒輪箱最終會失效。與滾動軸承的故障特點類似，齒輪箱和滾動軸承對應相同故障類型例如斷裂所表征的故障特征具有相似性，對于需要較大數據量的深度學習等故障診斷方法，充分利用不同部件的相同故障類型數據進行診斷方法的訓練是一個實用而有效的思路。機械設備主要是由機械結構和電動機兩部分組合而成，一旦電動機發生故障，機械設備將無法正常工作。電動機的故障類型可分為電氣故障與機械故障，其中機械故障包括發電機振動過大、軸承過熱、絕緣損壞、磨損嚴重等，與前面所述軸承、齒輪箱的故障有類似之處，而電氣故障與機械故障則存在較大差異，主要包括轉子/定子線圈短路、轉子斷條導致的斷路、發電機過熱等。在研究電動機的故障時，可以將其機械故障部分與軸承等的故障方法相聯系，而電氣部分的故障則可以更多從電路原理出發，探索不同的思路。本文針對機械設備各關鍵部件的故障特點和故障類型進行分析，首先理清各種機械零部件產生故障的原因，從而引出合理選擇診斷方法是實現機械設備故障診斷及監測的重要基礎。
3機械設備的故障診斷方法
3.1遠程監測診斷技術
在工程應用中，機械設備各種參數的動態信號往往通過傳感器來獲得，為了使監測所得的動態信號與機械設備一一對應，工程師會對機械設備按順序編號。接著傳感器采集的信號通過無線網絡技術傳輸給機械設備監控中心的計算機服務器，根據動態信號的時域和頻域分析結果，實現機械設備運行狀態的遠程實時監測功能。在對獲得的數據進行時域分析時，可以通過判斷時域信號中是否有周期性脈沖峰值等方法。但這類方法容易受到機械設備運行時周圍噪聲信號的干擾，不易判斷出機械設備的健康狀態。而將時域信號通過頻譜分析轉換成頻域信號，可以有效減少噪聲對診斷的不良影響，把這些振動信號的頻譜圖與健康狀態對應的頻譜圖進行比對，以此判斷機械設備可能發生的故障類型。中心計算機服務器把發生故障的機械設備動態參數傳輸到現場，操作人員以此為依據確定發生故障部位并及時進行檢修。
3.2專家診斷技術
專家系統作為一種智能化的計算機程序系統，在機械設備的故障診斷和運行狀態監測中應用廣泛。它充分利用專家的先驗知識，通過模擬人類思維的方法，對設備的動態參數變化作出專家級水平的診斷。專家診斷技術特別強調知識庫的儲備，它可以同時存儲不同領域專家的工作經驗和相關知識，比如機械工程專業的專家知識、電氣工程專業的專家知識等，然后充分發揮計算機強大的記憶存儲能力和信息處理能力并建立對應的知識庫，從而得到綜合多領域知識的專業診斷意見。專家診斷技術作為一種自動化監測技術，可以對大型工程機械群進行統一的狀態監測，從而實現集中調度現場工作的功能，大大提高了機械設備運維檢修的工作效率，并提高了監測效率和準確性。
3.3人工智能診斷技術
人工智能故障診斷技術，屬于計算機前沿科學領域，在國內外已經得到了廣泛的重視[3-4]。人工神經網絡理論是一種典型的數學模型。它通過模擬人類大腦的神經分布及感應，以實現智能化的機器決策。在利用神經網絡對機械設備故障進行診斷時，首先采用原始故障數據集對人工神經網絡進行訓練，并利用訓練好的神經網絡對實際故障數據進行診斷分析，最終確定故障類型及位置。此外，人工神經網絡還可以預測可能發生的故障，對每個零部件的主要參數進行分析計算，使用戶更好地了解到設備的使用情況，及時排除機械設備可能存在的潛伏性故障，避免出現嚴重事故。但人工神經網絡存在容易陷入局部最優解的問題，而時下大熱的深度學習則逐漸取代神經網絡成為智能算法的主流。深度學習基于神經網絡發展而來，常見的深度學習算法包括卷積神經網絡、長短時記憶網絡、深度置信網絡等，這些網絡也開始被引入到機械設備的故障診斷中，并具有良好的效果。中國研究員在2015年首次基于變速箱振動信號進行信號對故障敏感程度的分析，提出了基于卷積神經網絡的變速箱故障識別方法。通過仿真數據的檢驗，說明該方法具有較高的可靠性，可用于對機械設備進行故障診斷。但深度學習網絡所學習的故障特征以及網絡的實際泛化能力仍有待進一步的工程檢驗。此外，模糊集故障診斷系統也是人工智能的技術類型之一[5]。模糊集理論的“模糊”主要是指事物本身的概念較為模糊，并不指方法具備隨機性。通過這一理論可以及時對故障類型及位置進行診斷。模糊控制理論是將經典集合理論模糊化，并將語言變量和近似推理引入模糊控制邏輯中[6]。但當前模糊集理論在處理復雜故障問題中的應用并不突出，仍然有待進一步探索。
4結論與展望
在智能制造的背景下，中國機械設備的故障診斷與監測技術已經接近國際水平，但是在普及和應用程度上與國際水平尚存差距。本文首先介紹了機械設備故障診斷系統的組成部分，并對機械設備的故障機制及原理展開分析，總結不同機械零部件故障的一致性與差異性，最后引出機械設備故障診斷方法的發展現狀，并對智能方法在機械故障診斷中的進一步應用進行了展望。隨著現代科學技術的發展，機械設備故障診斷技術將不再是單參數的閾值比較，取而代之的應該是基于信息集成、融合、分析、處理等技術的復雜監測方法。
參考文獻：
［1］周利，余愚.機械故障診斷中人工智能的應用［J］.可編程控制器與工廠自動化，2007（7）：36，38-40.
［2］毛三華，余峰崗，史振帥，等.工程機械運行狀態自動化監測研究［J］.現代制造技術與裝備，2020（5）：76-78.
［3］張玨.基于人工智能的工程機械故障診斷技術［J］.智能城市，2019，5（12）：192-193.
［4］鄧華偉.人工智能在機械設備故障檢測中的應用［J］.內燃機與配件，2020（11）：237-238.
［5］武迪，劉勇.人工智能技術在電氣自動化控制中的應用淺析［J］.電子元器件與信息技術，2017，1（3）：4-6.
［6］劉晟，陳杰，龔志豪，等.基于動態查詢表的模糊控制策略及其應用［J］.北京理工大學學報，2002，22（3）：347-350.
作者：梁彧 單位：武漢理工大學