故障診斷技術(shù)綜述只是分享

1、故障診斷技術(shù)綜述一 引言故障診斷技術(shù)是一門緊密結(jié)合生產(chǎn)實際的工程科學，是現(xiàn)代化生產(chǎn)發(fā)展的產(chǎn)物。隨著現(xiàn) 代科學技術(shù)在設(shè)備上的應用， 設(shè)備的結(jié)構(gòu)越來越復雜， 功能也越來越完善， 自動化程度越來 越高， 由于許多無法避免的因素影響， 會導致設(shè)備出現(xiàn)各種故障， 從而降低或失去預定的功 能，甚至會造成嚴重的乃至災難性的事故。 不言而喻， 機械故障診斷技術(shù)在工業(yè)生產(chǎn)中起著 越來越重要的作用，生產(chǎn)實踐證明，研究故障診斷技術(shù)具有重要的現(xiàn)實意義。二 故障診斷技術(shù)的定義故障診斷技術(shù)就是在設(shè)備運行中或基本不拆卸設(shè)備的情況下，掌握設(shè)備的運行狀況，根 據(jù)對被診斷對象測試所取得的有用信息進行分析處理， 判斷被診斷對象的狀

2、態(tài)是否處于異常 狀態(tài)或故障狀態(tài)， 判斷劣化狀態(tài)發(fā)生的部位或零部件， 并判定產(chǎn)生故障的原因， 以及預測狀 態(tài)劣化的發(fā)展趨勢等。 其目的是提高設(shè)備效率和運行可靠性， 防患于未然， 避免故障的發(fā)生。三 故障診斷技術(shù)的構(gòu)成環(huán)節(jié)從故障診斷的流程看， 通常診斷系統(tǒng)由信號采集、 信號處理、 狀態(tài)識別和診斷決策四大 部分構(gòu)成。其中，信號采集是基礎(chǔ)，信號分析和處理是關(guān)鍵，狀態(tài)識別(包括判斷和預報 )是核心，決策與管理是最終目標。前 3 個環(huán)節(jié)是基本環(huán)節(jié)。1. 信號采集信息采集的基本任務是獲取有用的信息。 這是故障診斷的基礎(chǔ)和前提， 監(jiān)測獲取到的有 用信息越多，監(jiān)測數(shù)據(jù)越真實，越容易判斷出故障原因。在運行過程中，

3、必然會有力、熱、 振動及能量等各種量的變化， 由此會產(chǎn)生各種不同的信息， 根據(jù)不同的診斷需要， 選擇能表 征設(shè)備工作狀態(tài)的不同信息，如振動、壓力及溫度等，是十分必要的。 這些信號一般是用不 同的傳感器來拾取的。 只有采集到反映設(shè)備實際狀態(tài)的信號， 診斷的后續(xù)工作才有意義， 因 而信號采集是故障診斷技術(shù)中不可缺少的重要環(huán)節(jié)。(1) 常用的設(shè)備狀態(tài)監(jiān)測技術(shù)分類1) 振動信號監(jiān)測技術(shù)對設(shè)備的振動信號測試和分析， 能獲得機體、 轉(zhuǎn)子或其他零部件的振動幅值、 頻率和相 位 3 個基本要素，經(jīng)過對信號的分析、處理與識別，可了解到設(shè)備的振動特點、結(jié)構(gòu)強弱、 振動來源、 故障部位和故障原因， 為診斷決策提供依

4、據(jù)。 故利用振動信號診斷故障的技術(shù)較 為普遍。2) 聲信號監(jiān)測診斷技術(shù)聲信號監(jiān)測診斷技術(shù)包括： 噪聲診斷、 超聲波診斷和聲發(fā)射診斷技術(shù)。 其中噪聲的分析 與診斷通常有兩個目的：一是尋找機器發(fā)出噪聲的主要聲源，以便采取相應措施降低噪聲； 二是利用噪聲信號判別故障。 從噪聲信號中提取特征信號， 可以檢測出故障的原因和發(fā)生故 障的部位。利用聲波信號進行監(jiān)測與診斷故障的方法有： 聲音監(jiān)聽法、 頻譜分析法及聲強法。3) 溫度信號監(jiān)測診斷技術(shù)溫度參數(shù)在許多工業(yè)部門生產(chǎn)中很重要， 因為不恰當?shù)臏囟茸兓馕吨鵁峁收系陌l(fā) 生。從被測設(shè)備的某一部分的溫度異常變化可以判斷設(shè)備是否存在故障。 溫度信號的測量技 術(shù)

5、主要有物體溫度的直接測量和熱紅外線分析技術(shù)。4) 潤滑油的分析診斷技術(shù)大部分機械設(shè)備運動部件的摩擦表面須加入潤滑油來潤滑， 當潤滑油流經(jīng)摩擦表面后會 產(chǎn)生一系列物理化學性能變化， 于是攜帶了設(shè)備運轉(zhuǎn)狀態(tài)的內(nèi)在信息。 潤滑油分析診斷技術(shù) 即監(jiān)測潤滑系統(tǒng)中的某些物化特性， 從中獲取設(shè)備內(nèi)部的故障信息。 主要有： 油品的理化性 能分析技術(shù)、油樣所含磨損金屬顆粒的鐵譜分析技術(shù)以及潤滑油的光譜分析技術(shù)。5) 其他無損檢測診斷技術(shù)無損檢測是在不損壞工件或原材料工作狀態(tài)的前提下， 對被檢驗部件的表面和內(nèi)部質(zhì)量 進行檢查的一種測試手段。 可以檢測出設(shè)備、 零部件的表面及其材料內(nèi)部、 零部件之間的結(jié) 合部是否有

6、缺陷，包括氣孔、夾渣、裂紋及腐蝕等缺陷。常規(guī)無損檢測方法有：超聲檢測 (UltrasonicTesting, UT);射線檢測(RadiographicTesting, RT);磁粉檢測(Mag netic particle Testi ng, MT);滲透檢驗(Pe netra ntTest ing, PT);渦流檢測 (EddycurrentTesting , ET)。非常規(guī)無損檢測技術(shù)有：聲發(fā)射 (AcousticEmission，AE);泄漏檢測(Leak Testing, LT);光 全 息 照 相 (OpticalHolography) ； 紅 外 熱 成 像 (InfraredT

7、hermography) ； 微 波 檢 測 (MicrowaveTesting)。2. 信號處理這是將采集到的信號進行分類處理、 加工, 獲得能表征機器特征的過程, 也稱特征提取 過程。 信號處理是故障診斷技術(shù)的核心之一, 也是理論研究的熱點之一。 它實際上就是特征 量的選擇提取技術(shù),幾乎包括現(xiàn)代所有的信息處理技術(shù)所能提供的手段,如數(shù)字信號處理、 時間序列分析、 信息理論、 圖像識別及應用數(shù)學等。 頻譜分析技術(shù)是傳統(tǒng)的信號分析和處理 方法，如FFT分析、倒譜分析、短時傅里葉分析和Wigner Ville分布等，在傳統(tǒng)的工程中占有非常重要的地位。 但傅里葉變換和倒譜分析只適合平穩(wěn)信號的分析,而

8、對于工程領(lǐng)域中廣泛存在的非穩(wěn)態(tài)信號,雖然引入了傅里葉分析和 WignerVille 分布,但二者的分析能力 并不理想。 近年來出現(xiàn)的小波分析、 幾何分形及混沌等新的信息處理技術(shù), 在診斷領(lǐng)域得到 了很好的應用。小波分析作為“數(shù)學顯微鏡” ,具有很優(yōu)秀的“探微”能力,無論多么復雜 的信號,只要選取適當?shù)男〔? 進行適當次數(shù)的變換,就可以發(fā)現(xiàn)其中所包含的特征量。幾 何分形和混沌則模擬自然界的方式來處理信息。3. 狀態(tài)識別對設(shè)備進行狀態(tài)監(jiān)測的目的就是要識別設(shè)備是否運轉(zhuǎn)正常。 當監(jiān)測出設(shè)備出現(xiàn)故障,則要判定屬于哪類故障,故障的原因、 性質(zhì)、程度如何,因此設(shè)備診斷過程就是對設(shè)備運行狀 態(tài)的識別過程。 狀

9、態(tài)識別是將經(jīng)過信號處理獲得的設(shè)備特征參數(shù)與規(guī)定的允許參數(shù)或判別參 數(shù)進行比較、對比,以判斷機器的運行狀態(tài),是否存在故障及確定故障的性質(zhì)、類別、部位 和原因, 預測故障的發(fā)展趨勢。 為此應正確制訂相應的判別準則和診斷策略。 故障狀態(tài)識別 方法如下：(1)對比診斷法目前應用較廣, 首先對多種工藝參數(shù)的多種信息進行數(shù)據(jù)采集和存儲,這些信息包括振 動幅值、頻率、相位、轉(zhuǎn)速、位移、模態(tài)、溫度、壓力和流量等。然后建立相應信息的數(shù)據(jù) 庫，同時作出趨勢分析等圖譜。 將機器設(shè)備正常運行狀態(tài)的多種信息保存下來， 當設(shè)備發(fā)生 故障時， 把當前數(shù)據(jù)和正常運行狀態(tài)的數(shù)據(jù)進行比對， 再結(jié)合故障表現(xiàn)的信息特征， 利用診 斷

10、知識，作出故障原因和故障狀態(tài)的判定。(2) 函數(shù)診斷法故障征兆和故障原因之間存在著一定的函數(shù)關(guān)系， 經(jīng)過對設(shè)備運行參數(shù)的計算， 可以預 測故障或者識別設(shè)備已經(jīng)存在的故障。這在設(shè)備設(shè)計階段也是必需的。(3) 模擬試驗診斷法設(shè)備有很多故障， 它表現(xiàn)的征兆與故障原因之間的關(guān)系是未知的或是不確定的， 必須通 過模擬試驗， 研究故障形成的機理和特征， 解答產(chǎn)生這種故障的原因， 提出表現(xiàn)這類故障的 特征參數(shù)以及各種參數(shù)之間的定量關(guān)系等。(4) 故障樹診斷法故障樹分析不僅是可靠性設(shè)計的一種有效方法， 也是故障診斷技術(shù)的一種有效方法。 它 是從研究系統(tǒng)中最不希望發(fā)生的故障狀態(tài)出發(fā)， 按照一定的邏輯關(guān)系從總體到

11、部件一層層地 進行逐級細化， 推理分析故障形成的原因， 最終確定故障發(fā)生的最初基本原因、 影響程度和 發(fā)生概率。分析步驟是：選擇頂事件。建立故障樹。求故障樹的結(jié)構(gòu)函數(shù)。定性分析。定量分析。(5) 模糊診斷法模糊數(shù)學能夠處理各種邊界不明的模糊集合的數(shù)量關(guān)系。因在機械設(shè)備故障分析中， 復雜的機械設(shè)備系統(tǒng)可能會出現(xiàn)各種故障， 大多數(shù)情況下， 故障原因和相應癥狀之間的相互關(guān) 系，一般沒有明確的規(guī)律可循，常出現(xiàn)許多異常癥狀與故障程度之間邊界不明的模糊關(guān)系， 因此很難甚至不可能用精確的數(shù)學模型來描述。 利用模糊數(shù)學分析方法就能將各種故障及其 癥狀視為兩類不同的模糊集合， 它們之間的關(guān)系能夠用一個模糊關(guān)系矩

12、陣來描述。 兩個模糊 集合中，集合之間的相互關(guān)系就可以映射來確定。(6) 神經(jīng)網(wǎng)絡診斷法人工神經(jīng)網(wǎng)絡模型是在現(xiàn)代神經(jīng)生理學和心理學的研究基礎(chǔ)上， 模仿人的大腦神經(jīng)元結(jié) 構(gòu)特性而建立的一種非線性動力學網(wǎng)絡系統(tǒng)，它由大量的簡單的非線性處理單元高度并聯(lián)、 互聯(lián)而成。 利用計算機仿真， 并行處理信息， 具有對人腦某些基本特性的簡單的數(shù)學模擬能 力。人工神經(jīng)網(wǎng)絡在故障診斷領(lǐng)域的應用主要集中在三個方面： 一是從模式識別角度應用神 經(jīng)網(wǎng)絡作為分類器進行故障診斷； 二是從預測角度應用神經(jīng)網(wǎng)絡作為動態(tài)預測模型進行故障 預測；三是從知識角度建立基于神經(jīng)網(wǎng)絡的診斷專家系統(tǒng)。(7) 專家系統(tǒng)診斷法故障診斷專家系統(tǒng)，

13、是人們根據(jù)長期的實踐經(jīng)驗和大量的故障信息知識， 設(shè)計出一種智 能計算機程序系統(tǒng)， 以解決復雜的難以用數(shù)學模型來精確描述的系統(tǒng)故障診斷問題。 這種智 能程序與傳統(tǒng)的計算機應用程序有著本質(zhì)上的不同。 在專家系統(tǒng)中， 求解問題的知識已不再 隱含在程序和數(shù)據(jù)結(jié)構(gòu)中， 而是單獨構(gòu)成一個知識庫。 每個知識單元描述一個比較具體的情 況，以及在該情況下應采取的措施。 專家系統(tǒng)總體上提供了一種推理機制， 根據(jù)不同的處理 對象， 從知識庫中選取不同的知識元構(gòu)成不同的求解序列， 或者說生成不同的應用程序， 以 完成某一指定任務。 這種分離為問題的求解帶來極大的便利和靈活性。 通常專家系統(tǒng)由五個 部分組成：知識庫、推

14、理機、數(shù)據(jù)庫、解釋程序以及知識獲取程序。4. 診斷決策根據(jù)對設(shè)備狀態(tài)的判斷， 決定應采取的對策和措施， 同時應根據(jù)當前信號預測設(shè)備狀態(tài) 可能發(fā)展的趨勢，進行趨勢分析。四 故障診斷技術(shù)的發(fā)展趨勢將當前不斷發(fā)展的前沿科技運用于設(shè)備故障診斷技術(shù)是故障診斷學的發(fā)展方向。 當今故 障診斷技術(shù)的發(fā)展趨勢是傳感器的精密化、多維化，診斷理論、診斷模型的多元化，診斷技 術(shù)的智能化。隨著人工智能技術(shù)的迅速發(fā)展， 特別是知識工程、專家系統(tǒng)、 模糊邏輯和神經(jīng) 網(wǎng)絡在診斷領(lǐng)域中的進一步應用，故障診斷技術(shù)將得到更加深入與系統(tǒng)的研究。具體來說表現(xiàn)在如下方面：1. 融合現(xiàn)代人工智能，結(jié)合多種智能診斷技術(shù) 現(xiàn)代智能技術(shù)包括專家

15、系統(tǒng)、 模糊邏輯、 神經(jīng)網(wǎng)絡及進化計算等。 現(xiàn)代智能方法在設(shè)備 故障診斷技術(shù)中已得到了廣泛的應用， 隨著智能科技的不斷發(fā)展， 將多種不同的智能技術(shù)結(jié) 合起來的混合診斷系統(tǒng)， 是智能故障診斷研究的一個發(fā)展趨勢。 結(jié)合方式主要有基于規(guī)則的 專家系統(tǒng)與神經(jīng)網(wǎng)絡的結(jié)合， 實例推理與神經(jīng)網(wǎng)絡的結(jié)合， 模糊邏輯、 神經(jīng)網(wǎng)絡與專家系統(tǒng) 的結(jié)合等。 其中，模糊邏輯、神經(jīng)網(wǎng)絡與專家系統(tǒng)結(jié)合的診斷模型是最具發(fā)展前景的， 也是 目前人工智能領(lǐng)域的研究熱點之一。2. 采用最新的傳感技術(shù)，融合多元傳感技術(shù)一方面，采用最新激光測試技術(shù)。目前激光技術(shù)已在軍事、醫(yī)療等領(lǐng)域逐步走向成熟。完全可以將該項技術(shù)運用于設(shè)備的故障監(jiān)測診斷中， 這樣可以獲得更加準確的信息。 另一方 面，在進行設(shè)備故障診斷時， 可采用多個傳感器同時對設(shè)備的各個位置進行監(jiān)測， 然后按照 一定的方法對這些信息進行處理。這樣， 對設(shè)備可以進行全方位、 多角度的監(jiān)測與維護，以 便對設(shè)備的運行狀態(tài)有整體的、全方面的了解。3. 遠程在線分布式全系統(tǒng)智能診斷系統(tǒng)基于互聯(lián)網(wǎng)的智能診斷系統(tǒng)是將設(shè)備診斷技術(shù)與計算機網(wǎng)絡技術(shù)相結(jié)合， 用若干臺中心 計算機作為服務器， 在企業(yè)的關(guān)鍵設(shè)備上建立狀態(tài)監(jiān)測點， 采集設(shè)備狀態(tài)數(shù)據(jù)； 在技術(shù)力量 較強的科研院所建立分析診斷中心， 為企業(yè)提供遠程技術(shù)支持和保障。 建立遠程在線分布式 全系統(tǒng)智能診斷