工程機(jī)械智能故障診斷技術(shù)的研究現(xiàn)狀分析

1、工程機(jī)械智能故障診斷技術(shù)的研究現(xiàn)狀分析1工程機(jī)械故障診斷技術(shù)的目的1.1 對(duì)工程機(jī)械使用過程中的各種故障或者是異常情況進(jìn)行及時(shí)且準(zhǔn)確的診斷，可以有效避免或者是消除故障，從而實(shí)現(xiàn)對(duì)工程機(jī)械正常運(yùn)轉(zhuǎn)的有效指導(dǎo)，并可提升工程機(jī)械運(yùn)行的有效性、安全性、可靠性、以及經(jīng)濟(jì)性。1.2 高效的故障診斷及其管理系統(tǒng)可以幫助用戶在使用工程機(jī)械過程中發(fā)揮其最優(yōu)的機(jī)械性能參數(shù)，并制定出科學(xué)合理的檢測(cè)流程和維修制度，從而可在一定程度上延長(zhǎng)機(jī)械的使用壽命、降低機(jī)械的使用費(fèi)用。1.3 工程機(jī)械從業(yè)人員可通過故障診斷技術(shù)對(duì)機(jī)器進(jìn)行檢測(cè)監(jiān)視以及分析評(píng)估，從而為其設(shè)計(jì)、生產(chǎn)和改進(jìn)工作提供有用的數(shù)據(jù)。2當(dāng)前主要的智能故障診斷方法2

2、.1 故障樹診斷方法這種故障診斷方法其實(shí)就是將最不希望發(fā)生的故障結(jié)果作為出發(fā)點(diǎn)，然后再嚴(yán)格按照相關(guān)的邏輯關(guān)系進(jìn)行一步一步的逐級(jí)細(xì)化分析，對(duì)故障形成的根本原因進(jìn)行分析與探討，最終對(duì)故障發(fā)生的原因、發(fā)生概率的大小以及所產(chǎn)生的影響程度作出確定通過故障樹進(jìn)行診斷的方法可以將引起系統(tǒng)故障發(fā)生的原因或表現(xiàn)繪制成形象的圖表模式，從而可以非常直觀地反映出各個(gè)部件和故障原因之間的關(guān)系，同時(shí)還可以對(duì)故障發(fā)生的程度和概率進(jìn)行定量計(jì)算。該方法可以對(duì)故障的形成及變化進(jìn)行直觀且快速的表達(dá)，但是故障樹的建立會(huì)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(huì)隨著產(chǎn)品及技術(shù)發(fā)展的變化而變化，所以該故障診斷方法具有一定的

3、局限性。2.2 故障診斷專家系統(tǒng)這種故障診斷方法主要是利用大量的推理方法、專家知識(shí)、經(jīng)驗(yàn)積累對(duì)一些單一獨(dú)立的部件組成和故障現(xiàn)象進(jìn)行歸納整理并建立有機(jī)聯(lián)系，從而有效解決一些復(fù)雜問題的人工智能系統(tǒng)。該方法是目前研究應(yīng)用較多的一種智能診斷技術(shù)，可用在較難建立起數(shù)學(xué)模型的復(fù)雜系統(tǒng)中。2.3 基于模糊數(shù)學(xué)的故障診斷方法該種方法主要是利用一些模糊關(guān)系矩陣或者是癥狀的隸屬度來(lái)對(duì)發(fā)生故障的原因進(jìn)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(hào)傳輸途徑復(fù)雜、特征參數(shù)和故障表象之間的映射關(guān)系模糊、運(yùn)行狀態(tài)及邊界條件存在多邊關(guān)系等使得故障原因較難判斷的復(fù)雜場(chǎng)合。但是

4、該智能診斷方法相對(duì)比較復(fù)雜，想要建立起適合的模糊規(guī)則和隸屬度函數(shù)需要消耗一定的時(shí)間，且需依托于一個(gè)穩(wěn)定的系統(tǒng)構(gòu)成。2.4 基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法可以看作是一種信息處理系統(tǒng)，其通過一定數(shù)量的分布處理器和連接，來(lái)模仿人腦的工作方式。該系統(tǒng)方法在實(shí)際使用過程中，可先對(duì)故障特征進(jìn)行提取，再通過對(duì)樣本的總結(jié)、學(xué)習(xí)和訓(xùn)練來(lái)確定故障判決的規(guī)則，并進(jìn)一步的對(duì)故障具體類型進(jìn)行診斷。這種方法可在工程機(jī)械故障診斷的時(shí)候?qū)σ恍┬鲁霈F(xiàn)故障的權(quán)值進(jìn)行自我調(diào)整，這將提升故障診斷的正確率，并有效降低誤報(bào)和漏報(bào)。同時(shí)，該種診斷方法還具有模式匹配、聯(lián)想記憶以及歸納相似故障的能力，對(duì)故障及其征兆之間的

5、非線性映射關(guān)系能進(jìn)行很好的反映。特別適用于那些診斷過程非常復(fù)雜或者是一些突發(fā)性故障的診斷。2.5 支持向量機(jī)的故障診斷方法典型故障數(shù)據(jù)樣本的缺乏是制約智能故障診斷技術(shù)發(fā)展的主要原因之一。支持向量機(jī)（SVM其實(shí)就是一種基于統(tǒng)計(jì)理論的機(jī)器學(xué)習(xí)方法。其目標(biāo)是在現(xiàn)有信息下獲得最優(yōu)解，而不是當(dāng)樣本數(shù)趨于無(wú)窮大時(shí)的最優(yōu)解，因而特別適用于小樣本的故障診斷。如果將支持向量機(jī)故障診斷方法和人工神經(jīng)網(wǎng)絡(luò)兩種方法進(jìn)行比較的話，該方法具有更大的使用優(yōu)勢(shì)，其結(jié)構(gòu)簡(jiǎn)單，覆蓋范圍廣，所以可以在有限的特征信息下將樣本數(shù)據(jù)中所隱含的各類知識(shí)進(jìn)行最大限度的發(fā)掘，有效避免了神經(jīng)網(wǎng)絡(luò)等其他一些診斷方法中所具有的局部極值等問題，而這些

6、優(yōu)勢(shì)在工程機(jī)械故障診斷過程中具有很高的應(yīng)用價(jià)值。3工程機(jī)械故障診斷技術(shù)的發(fā)展趨勢(shì)隨著科學(xué)技術(shù)的不斷發(fā)展，現(xiàn)如今的信息技術(shù)、計(jì)算機(jī)技術(shù)以及傳感器技術(shù)都取得了很大的進(jìn)步，對(duì)信號(hào)的分析手段也在不斷地增加，工程機(jī)械故障診斷技術(shù)也逐漸從以往單一的模式向著智能化和全息化發(fā)展，具體發(fā)展趨勢(shì)主要體現(xiàn)在以下幾個(gè)方面：3.1 多傳感器數(shù)據(jù)融合技術(shù)隨著工程機(jī)械日漸向著復(fù)雜化、自動(dòng)化和大型化方向發(fā)展，這就要求對(duì)其進(jìn)行多角度和全方位的監(jiān)測(cè)與維護(hù)，從而可以對(duì)工程機(jī)械的具體運(yùn)行狀態(tài)有一個(gè)更加全面的了解和掌握。這就需要在對(duì)其各種故障進(jìn)行診斷的時(shí)候，可以利用多個(gè)傳感器對(duì)多個(gè)位置進(jìn)行同時(shí)監(jiān)測(cè)，并對(duì)這些信息進(jìn)行及時(shí)的分析與處理，還

7、可以充分結(jié)合各種現(xiàn)代化先進(jìn)技術(shù)不斷研發(fā)新型的監(jiān)測(cè)儀器和傳感器設(shè)備，對(duì)機(jī)械運(yùn)行過程中的各個(gè)物理量和幾何量進(jìn)行更加準(zhǔn)確的檢測(cè)以有效提升故障診斷的準(zhǔn)確率。3.2 混合智能故障診斷技術(shù)工程機(jī)械故障的發(fā)生具有一定的突發(fā)性和多樣性，而且在實(shí)際診斷的時(shí)候還需要充分結(jié)合一定的專家經(jīng)驗(yàn)，所以充分利用智能化的診斷系統(tǒng)對(duì)相應(yīng)的故障進(jìn)行診斷可以獲得更好的效果。在現(xiàn)如今的智能化故障診斷發(fā)展過程中，不斷將各種智能技術(shù)進(jìn)行充分的結(jié)合將會(huì)成為一個(gè)發(fā)展趨勢(shì)。就目前的情況來(lái)看，主要是對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)和專家系統(tǒng)的充分結(jié)合，神經(jīng)網(wǎng)絡(luò)系統(tǒng)和實(shí)例推理的結(jié)合，專家系統(tǒng)、模糊邏輯與神經(jīng)網(wǎng)絡(luò)的結(jié)合等等，最后一種結(jié)合方式也是目前最具有發(fā)展?jié)摿Φ囊?/p>

8、種結(jié)合方式。3.3 結(jié)合最新信號(hào)處理方法的故障診斷技術(shù)由于工程機(jī)械在實(shí)際運(yùn)行工程中的負(fù)荷、轉(zhuǎn)速以及故障等各個(gè)方面都會(huì)發(fā)生一定的變化，其所引起的振動(dòng)也具有一定的非線性、非平穩(wěn)性和不確定性，以往傳統(tǒng)的信號(hào)處理方式已經(jīng)不能很好地滿足工程的實(shí)際需求，近些年多出現(xiàn)的數(shù)學(xué)形態(tài)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(duì)這種非線性和不平穩(wěn)性信號(hào)可以進(jìn)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(gè)由小波伸縮成的基函數(shù)族上，然后在通頻范圍之內(nèi)可以獲取不同頻道的各種分解序列，其在頻域和時(shí)域方面都具有一定的局部化分析功能。所以可以充分結(jié)合故障診斷的實(shí)際需求來(lái)對(duì)故障信息頻道序列進(jìn)行選取，并

9、進(jìn)一步查找故障源。這種分析方法具有非常好的時(shí)頻定位效果，尤其適用于瞬態(tài)、時(shí)變或者是非線性信號(hào)，和一般的方法相比較而言，其具有更好的頻域和時(shí)域定位能力，從而可以為故障診斷檢測(cè)提供更有效的分析手段。3.4 遠(yuǎn)程故障診斷技術(shù)由于工程機(jī)械工作環(huán)境的復(fù)雜性和故障發(fā)生的隨機(jī)性，所以這對(duì)其現(xiàn)場(chǎng)診斷和維護(hù)操作帶來(lái)較大的難度。除此之外，工程機(jī)械在實(shí)際應(yīng)用過程中往往都具有比較大的分散性和流動(dòng)性，這也會(huì)給故障的排除帶來(lái)一定的難度。而遠(yuǎn)程故障診斷及監(jiān)測(cè)技術(shù)的應(yīng)用可以有效克服這些困難。遠(yuǎn)程故障診斷技術(shù)主要是利用計(jì)算機(jī)網(wǎng)絡(luò)、機(jī)載模塊、無(wú)線通訊等技術(shù)對(duì)工程機(jī)械故障進(jìn)行實(shí)時(shí)跨空間長(zhǎng)距離的有效診斷。在具體使用過程中，可以通過工程機(jī)械上安裝的傳感器及其相應(yīng)建立起的狀態(tài)監(jiān)測(cè)點(diǎn)，對(duì)各種狀態(tài)數(shù)據(jù)進(jìn)行及時(shí)準(zhǔn)確的采集并用來(lái)作為遠(yuǎn)程故障診斷的有效依據(jù)。有條件的企業(yè)可以建立遠(yuǎn)程監(jiān)控平臺(tái)及大數(shù)據(jù)分析系統(tǒng)，服務(wù)于企業(yè)本身和用戶，可以實(shí)現(xiàn)資源利用充分、成本低和生產(chǎn)效