馬占斌

摘 要： 隨著社會的發(fā)展和進步，機械制造行業(yè)也獲得了長足的進步與提升，其中關(guān)于機械制造行業(yè)的技術(shù)創(chuàng)新與應(yīng)用，最明顯的就是機械設(shè)備故障診斷技術(shù)的應(yīng)用，這一技術(shù)的應(yīng)用使得機械設(shè)備使用過程更加安全，也確保了實際的生產(chǎn)效率和生產(chǎn)質(zhì)量，至此本文將分析機械設(shè)備故障診斷技術(shù)的發(fā)展現(xiàn)狀，進一步探討其發(fā)展趨勢。

關(guān)鍵詞： 機械設(shè)備;故障診斷;技術(shù)應(yīng)用與發(fā)展

【中圖分類號】TH165.3 ? ? 【文獻標識碼】A ? ? 【文章編號】1674-3733（2020）21-0230-01

1 機械設(shè)備診斷故障技術(shù)的傳統(tǒng)檢測方案

（1）直接觀察檢測。以往現(xiàn)場技術(shù)人員在機械設(shè)備發(fā)生問題時，往往通過眼睛和耳朵直接觀察設(shè)備情況并且結(jié)合設(shè)備材料和自身工作經(jīng)驗來檢查解決設(shè)備故障。但是這種通過眼睛和耳朵的傳統(tǒng)經(jīng)驗故障診斷技術(shù)已經(jīng)不能適應(yīng)現(xiàn)如今大型化和精密化機械設(shè)備的故障檢測需求了。

（2）設(shè)備內(nèi)部溫度監(jiān)測?，F(xiàn)代設(shè)備發(fā)生故障的原因很大一部分是摩擦不良，利用現(xiàn)代熱敏材料和紅外線技術(shù)，對設(shè)備關(guān)鍵部位進行溫度檢測，觀察關(guān)鍵零件的溫度變化趨勢，能夠有效快速地了解設(shè)備運轉(zhuǎn)狀態(tài)，從而當故障發(fā)生時能快速知道設(shè)備發(fā)生故障的所在地。

（3）振動噪音頻譜分析。在一般設(shè)備的材料說明書中都寫有當設(shè)備發(fā)生異響振動時需要停機檢查。這說明噪音和振動是判斷設(shè)備故障的重要依據(jù)。因此可以通過聲波采集裝置和振動信號監(jiān)測裝置來采集和分析設(shè)備內(nèi)部零件的噪音和振動信號，隨后對這些信號進行傅里葉變換得到噪音和振動信號頻譜，最后分析噪聲信號的頻譜可以了解設(shè)備的運行情況。但是噪聲和振動信號容易受到外部環(huán)境的影響，對設(shè)備的頻譜分析存在局限性。

2 機械設(shè)備故障診斷新技術(shù)的應(yīng)用

（1）信息融合技術(shù)。隨著現(xiàn)代科學技術(shù)的發(fā)展，信號獲取的方式越來越多，越來越先進，但是如何得到可靠的故障特征信號應(yīng)該是未來研究的重點和趨勢。對于如何獲得有效的故障信號，這就首先需要大量多種的信號傳遞裝置來保證監(jiān)測對象的相同，隨后采用正確的信息融合分析技術(shù)來處理這些信號，從而得到想要的結(jié)果。

目前，在信號頻譜分析的領(lǐng)域內(nèi)，傅里葉變換和小波變換是兩種重要的信號處理方式。對于傅里葉變換而言，其能夠有效地在整個頻域內(nèi)分析信號的成分，但是它不能同時地進行頻域和時域的分析。而與傅里葉變換相比，小波變換能夠同時地進行頻域和時域的分析，尤其擅長故障信號在頻率和時間上的細節(jié)分析，能夠突出信號的局部特點。

（2）智能決策算法。隨著人工智能技術(shù)的發(fā)展，可以將人工智能控制的核心算法如模糊控制、遺傳算法等應(yīng)用到故障判斷的決策上。并且隨著深入研究智能控制以及充分考慮智能控制與機械設(shè)備故障診斷技術(shù)的關(guān)聯(lián)，模糊控制、遺傳算法等智能決策算法在故障診斷決策應(yīng)用中的優(yōu)勢將逐步放大。在查閱相關(guān)文獻和了解現(xiàn)場應(yīng)用情況的基礎(chǔ)上，可以發(fā)現(xiàn)智能控制應(yīng)用在診斷決策的優(yōu)勢如下：①在故障診斷中應(yīng)用模糊理論，只需建立合適的隸屬函數(shù)和模糊矩陣，就能得到較為準確的問題來源，無需為建立準確的數(shù)學模型而浪費大量的時間;②采用神經(jīng)網(wǎng)格的故障判斷決策能夠采用聯(lián)想、分類和自我組織的辦法準確的處理繁雜的信息;③對于應(yīng)用了遺傳算法的故障診斷技術(shù)，能夠同時處理多個問題并且能夠處理判斷各個領(lǐng)域的問題。此外遺傳算法在處理非線性問題以及寬泛查找問題上具有顯著的優(yōu)勢;④在信息部分缺少和精度不夠的故障診斷決策上，粗糙集理論能夠自我分析，發(fā)現(xiàn)信號之間的相對關(guān)系，然后將自我分析出的聯(lián)系綜合成簡單的信息特征，從而能夠解決數(shù)據(jù)缺失的故障診斷問題。

（3）網(wǎng)絡(luò)集成資源。近些年來，隨著科學技術(shù)的進步，在工業(yè)控制技術(shù)領(lǐng)域上，局域網(wǎng)技術(shù)占據(jù)著絕對優(yōu)勢的地位。并且在信息收集和分析的領(lǐng)域上，局域網(wǎng)技術(shù)具有重要的戰(zhàn)略地位。在機械設(shè)備故障診斷技術(shù)上能夠借助局域網(wǎng)將信號檢測設(shè)備與計算機連接起來，通過數(shù)據(jù)完成對原始信息的接受，歸納以及分析決策。并且能夠利用計算機強大的計算能力，使用以上介紹的方法，更加快速準確的完成故障診斷分析，進而保證機械設(shè)備的運轉(zhuǎn)穩(wěn)定。

（4）容錯控制。容錯控制的定義為在故障發(fā)生時，系統(tǒng)能夠自動剔除故障并且能夠重新構(gòu)建系統(tǒng)或者是即使系統(tǒng)發(fā)生了故障，系統(tǒng)仍能穩(wěn)定運行并且運行性能雖有下降但仍能滿足需要，即是系統(tǒng)能夠允許故障的存在。系統(tǒng)能夠?qū)崿F(xiàn)容錯控制的前提是較為富裕的設(shè)計方法，如設(shè)備裝置設(shè)計時系統(tǒng)中存在自我補償結(jié)構(gòu)，即設(shè)備構(gòu)件能夠自我重建;或者是設(shè)備運行參數(shù)能夠自我調(diào)節(jié)，以維持設(shè)備的安全穩(wěn)定運行。在智能控制快速發(fā)展的時代背景下，智能容錯控制是工業(yè)自動控制未來的發(fā)展趨勢，即是將不斷改進和提高機械設(shè)備自動控制系統(tǒng)中自我故障處理的能力。

（5）朝著神經(jīng)網(wǎng)絡(luò)智能化診斷方向發(fā)展

人工智能技術(shù)是一種新型現(xiàn)代科技，他集中了新型技術(shù)、生物技術(shù)等等。未來的機械設(shè)備故障診斷技術(shù)勢必朝著人工智能神經(jīng)網(wǎng)絡(luò)診斷方向發(fā)展，這一網(wǎng)絡(luò)神經(jīng)系統(tǒng)是對人體大腦構(gòu)造、功能與特征的模擬，具有調(diào)節(jié)性、自適性、容錯性等特性功能。最主要的是人工智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)的非線性映射能力等能夠發(fā)揮多重功效，而且具有運算簡單、便捷等特點，能夠?qū)C械設(shè)備局部零件的損傷、破壞等進行科學、智能化的記錄和分析，發(fā)揮人腦診斷的初步功效，這樣就能夠有效提升診斷效率，確保故障診斷的精準、高效。

（6）以小波分析為基礎(chǔ)來科學診斷故障

小波分析屬于時-頻信號分析法，是建立在數(shù)學顯微鏡基礎(chǔ)上的方法，小波分析的基函數(shù)是很多尺度可變的簡諧函數(shù)，體現(xiàn)出科學的時-頻定性特征，也能夠針對各種信號進行自我調(diào)節(jié)，不斷提升適應(yīng)能力。機械設(shè)備故障問題等的診斷分析過程中，因為設(shè)備零件具有不同的功能構(gòu)造，所出現(xiàn)的信號多數(shù)有很多不穩(wěn)定成分，通過小波分析法能夠確保各種頻率的信號信息被均衡分配到對應(yīng)的頻道序列中，以此為發(fā)現(xiàn)故障問題來供應(yīng)科學理論，因為小波分析體現(xiàn)出良好的時域分析能力、頻域分析能力等等，這樣就能夠確保其在瞬間變化信號分析中更加精準、更為真實有效。

結(jié)論：機械設(shè)備故障診斷與監(jiān)測已經(jīng)有了多種方法做支撐，然而，當前的診斷與監(jiān)測方法仍然有一定的弱點和缺陷，必須對當前的監(jiān)測方法進行改進與提高，確保其朝著優(yōu)化的方向發(fā)展，未來的機械設(shè)備故障診斷與監(jiān)測勢必朝著智能化、自動化、數(shù)字化方向發(fā)展，從而提高機械設(shè)備運行效率，保證機械設(shè)備各項功能的積極、高效發(fā)揮。

參考文獻

[1] 李佳儀，劉繼華.基于人工智能技術(shù)的機械設(shè)備故障診斷[J].電子元器件與信息技術(shù)，2020，4（04）：51-52+55.

[2] 許春園.機械設(shè)備故障診斷與監(jiān)測方法研究[J].內(nèi)燃機與配件，2020（05）：157-158.

[3] 解世超.計算機監(jiān)控技術(shù)在機械設(shè)備故障診斷中的應(yīng)用[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2020（02）：108-109.