?？○?/p>

摘 要：當(dāng)今社會(huì)的機(jī)械化程度得到了顯著的提升，諸如制造、航天等多個(gè)領(lǐng)域中，各類大型機(jī)械設(shè)施的應(yīng)用使得生產(chǎn)效率得到了極大的提升。同時(shí)，現(xiàn)如今機(jī)械設(shè)備也在逐漸向著高精密度、高效的方向不斷的發(fā)展，而這類設(shè)施運(yùn)行的安全穩(wěn)定與否是各個(gè)領(lǐng)域生產(chǎn)活動(dòng)得以有效開(kāi)展的重要保障，這也就意味著需要一個(gè)完善故障診斷系統(tǒng)作為機(jī)械設(shè)施安全穩(wěn)定運(yùn)行的保障。但在設(shè)施數(shù)量激增、監(jiān)測(cè)點(diǎn)數(shù)量快速增加的影響下，使得機(jī)械故障診斷技術(shù)進(jìn)入到了大數(shù)據(jù)時(shí)代。本文就圍繞著大數(shù)據(jù)時(shí)代下的機(jī)械智能故障診斷展開(kāi)了有關(guān)研究。

關(guān)鍵詞：大數(shù)據(jù)時(shí)代 機(jī)械故障 智能診斷

1 大數(shù)據(jù)背景下機(jī)械智能故障診斷的應(yīng)用分析

1.1 大數(shù)據(jù)下的智能故障監(jiān)測(cè)系統(tǒng)

對(duì)于汽車制造行業(yè)來(lái)說(shuō)，其中最為基本的四大基本工藝就是沖壓、車身焊裝、油漆以及總裝。在汽車生產(chǎn)環(huán)節(jié)中涉及的機(jī)械設(shè)施數(shù)量較為龐大，一旦其出現(xiàn)了故障，輕者帶來(lái)生產(chǎn)效率下降的問(wèn)題，重者帶來(lái)生產(chǎn)活動(dòng)的被迫停止，將會(huì)帶來(lái)巨大的經(jīng)濟(jì)損失。而作為整個(gè)車間內(nèi)部最為常用的設(shè)施之一，轉(zhuǎn)臺(tái)主要負(fù)責(zé)的是夾具臺(tái)及上料工位的旋轉(zhuǎn)工作，在監(jiān)測(cè)診斷這一機(jī)械設(shè)施故障的過(guò)程中，當(dāng)前使用較為頻繁故障診斷技術(shù)主要包括振動(dòng)、油液及無(wú)損探傷三種檢測(cè)技術(shù)。但此三者因?yàn)楦髯跃邆湎鄳?yīng)的局限性，導(dǎo)致無(wú)法很好的在車間內(nèi)部進(jìn)行應(yīng)用。而在當(dāng)前大數(shù)據(jù)技術(shù)下機(jī)械故障診斷背景下，有關(guān)研究人員在全面跟蹤觀察轉(zhuǎn)臺(tái)工作流程的前提下，發(fā)現(xiàn)轉(zhuǎn)臺(tái)在出現(xiàn)從動(dòng)建鎖死等故障的時(shí)候，其原本穩(wěn)定的電流周期及曲線就會(huì)發(fā)生對(duì)應(yīng)的變化。在此基礎(chǔ)上，借助電力傳感器的安裝來(lái)實(shí)時(shí)監(jiān)控轉(zhuǎn)電機(jī)的電流和電壓，并在振動(dòng)監(jiān)控轉(zhuǎn)臺(tái)傳動(dòng)主軸的前提下，使用大數(shù)據(jù)分析方式來(lái)擬合分析轉(zhuǎn)臺(tái)每動(dòng)作周期內(nèi)的振動(dòng)頻譜與電流數(shù)據(jù)，并最終組成一個(gè)智能化故障診斷系統(tǒng)，其具體原理如圖1所示。

這一系統(tǒng)的應(yīng)用可以做到實(shí)時(shí)偵測(cè)預(yù)先規(guī)定采樣周期的電流波動(dòng)異常，并做到及時(shí)提醒有關(guān)人員機(jī)械出現(xiàn)故障。同時(shí)，這一系統(tǒng)依舊存在著如下幾方面的不足：第一，當(dāng)前這一系統(tǒng)僅可以將電流的異常變化作為主要的分析點(diǎn)，在故障診斷的過(guò)程中往往會(huì)出現(xiàn)不夠精準(zhǔn)的問(wèn)題，在今后的發(fā)展過(guò)程中，還需要將全息譜和人工神經(jīng)網(wǎng)絡(luò)技術(shù)引入其中，并在全面優(yōu)化系統(tǒng)算法的前提下，做到傳動(dòng)主軸振動(dòng)的幅頻相信息的全面提取，借此來(lái)不斷提升故障智能診斷系統(tǒng)的精準(zhǔn)性。第二，故障智能診斷系統(tǒng)中的云服務(wù)器使用的是TCP/IP網(wǎng)絡(luò)協(xié)議，而監(jiān)控信息接入的MES制造執(zhí)行系統(tǒng)中使用的是工業(yè)網(wǎng)絡(luò)協(xié)議，二者之間存在著轉(zhuǎn)換的問(wèn)題。

1.2 深度學(xué)習(xí)下的機(jī)械健康監(jiān)測(cè)

機(jī)械設(shè)施在運(yùn)行的過(guò)程中，在部分運(yùn)行環(huán)境較為惡劣的情形下，在收集的機(jī)械運(yùn)行大數(shù)據(jù)中，包含了機(jī)械內(nèi)部各零件豐富的故障信息，之前的智能診斷故障方式，主要是依靠診斷及處理信號(hào)的經(jīng)驗(yàn)將機(jī)械信號(hào)中的特征提取出來(lái)，隨后借助機(jī)器學(xué)習(xí)模型進(jìn)行故障的智能診斷工作，但是這一方式在工況頻繁交替及故障信息耦合程度較為嚴(yán)重的情形下，對(duì)于特征提取的精準(zhǔn)性就會(huì)顯著降低。由此出發(fā)，有關(guān)研究人員在全面結(jié)合機(jī)械設(shè)備大數(shù)據(jù)特點(diǎn)及深度學(xué)習(xí)優(yōu)勢(shì)的前提下，研發(fā)了一種深度學(xué)習(xí)的機(jī)械健康監(jiān)測(cè)方法，方法的具體流程如圖2所示。這一方式可以在全面結(jié)合無(wú)監(jiān)督和監(jiān)督學(xué)習(xí)的基礎(chǔ)上，同時(shí)完成自適應(yīng)提取機(jī)械大數(shù)據(jù)故障特征及識(shí)別機(jī)械設(shè)備健康狀況這兩項(xiàng)工作，很好地避免了傳統(tǒng)故障智能診斷系統(tǒng)中的故障特征提取受限的問(wèn)題，對(duì)于保障機(jī)械設(shè)備的安全穩(wěn)定運(yùn)行有著十分顯著的作用。

2 大數(shù)據(jù)背景下機(jī)械故障診斷的發(fā)展趨勢(shì)分析

2.1 構(gòu)建大型數(shù)據(jù)庫(kù)及評(píng)估其可靠性

在分析診斷機(jī)械故障的過(guò)程中，主要的資源和基礎(chǔ)就是大型標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)的構(gòu)建數(shù)據(jù)，這也就意味著這一數(shù)據(jù)庫(kù)的合理規(guī)劃及建立對(duì)于故障診斷技術(shù)體系創(chuàng)新有著十分重要的作用。這一大型數(shù)據(jù)庫(kù)中主要包括了如下幾項(xiàng)數(shù)據(jù)：第一，企業(yè)共享的機(jī)械設(shè)施故障典型案例。第二，各項(xiàng)機(jī)械設(shè)施的長(zhǎng)時(shí)間運(yùn)行監(jiān)測(cè)數(shù)據(jù)。第三，機(jī)械設(shè)施從正常運(yùn)行狀態(tài)到故障發(fā)生這段時(shí)間內(nèi)的動(dòng)態(tài)變化數(shù)據(jù)。第四，機(jī)械設(shè)施內(nèi)部各個(gè)零件的有關(guān)信息。

通過(guò)智能化故障診斷系統(tǒng)監(jiān)測(cè)得到的機(jī)械故障大數(shù)據(jù)，會(huì)因?yàn)槭艿叫盘?hào)源頭較為分散、數(shù)據(jù)采集方式多元化以及其他一些隨機(jī)性干擾因素的影響，而出現(xiàn)不成體系的現(xiàn)象。在這種情形之下，就需要全面提升機(jī)械故障大數(shù)據(jù)的可靠性。這也就意味著在未來(lái)的發(fā)展過(guò)程中，需要在全面集成智能診斷的實(shí)施方式和理論基礎(chǔ)的前提下，對(duì)于多元化信號(hào)的尺度、樣本采集重復(fù)率和轉(zhuǎn)換維度等具備規(guī)律性的數(shù)據(jù)算法做出全面的研究，從而確保信號(hào)的一致性。除此之外，還需要通過(guò)數(shù)據(jù)質(zhì)量統(tǒng)一標(biāo)準(zhǔn)的全面合理構(gòu)建，對(duì)于這些機(jī)器故障大數(shù)據(jù)準(zhǔn)確完整與否做出全面考量。同時(shí)從子空間聚類這個(gè)層面出發(fā)，提出智能化的數(shù)據(jù)清理算法，從而真正意義上提升整體機(jī)器故障大數(shù)據(jù)的質(zhì)量。

2.2 設(shè)備故障信息的智能化展示

在當(dāng)前機(jī)械大數(shù)據(jù)的背景下，機(jī)械設(shè)施的故障，在通常情況下具備著隱喻性的規(guī)律。在這種情況下，只有以數(shù)據(jù)驅(qū)動(dòng)作為基礎(chǔ)，對(duì)其實(shí)際的信號(hào)構(gòu)成進(jìn)行全面的研究，方可在真實(shí)有效提取機(jī)械故障特征的前提下，將故障信息的智能代表作出有效的落實(shí)，從而真正有效利用機(jī)械大數(shù)據(jù)。由此出發(fā)，需要在全面遵循機(jī)械大數(shù)據(jù)稀疏屬性的前提下，針對(duì)稀疏恢復(fù)分解等表達(dá)模式做出全面的分析，以便全面的研究稀疏表達(dá)方式的具體物理含義。通過(guò)在全面結(jié)合一般高為機(jī)械數(shù)據(jù)所展示出的低維特征屬性的前提下，對(duì)高維到低維特征的數(shù)據(jù)提取和轉(zhuǎn)換方式做出全面的提升。并在全面融合故障信息的記錄和數(shù)據(jù)結(jié)構(gòu)研究的前提下，開(kāi)發(fā)出全新的故障代表模式，從而逐步提升故障體系的分析能力。

2.3 故障分析的可視化

通過(guò)可視化的應(yīng)用，可以對(duì)機(jī)械大數(shù)據(jù)的內(nèi)涵做出明確的解讀，并明確的發(fā)現(xiàn)機(jī)械故障數(shù)據(jù)中的規(guī)律，并且制定出一個(gè)完整且精準(zhǔn)的故障處理決策。這也就意味著可以將智能模型組織的數(shù)據(jù)特征提取、參數(shù)和指標(biāo)的可視化預(yù)測(cè)等作為未來(lái)的研究主要方向，進(jìn)一步深化機(jī)械故障的表達(dá)方式，從而更為直觀的呈現(xiàn)出機(jī)械故障大數(shù)據(jù)的本質(zhì)。并最終借助可視化分析得到的結(jié)果，來(lái)全面分析機(jī)器故障的因果所在，從而在真正意義上做到多層次、多角度來(lái)展示機(jī)械設(shè)施的健康狀況。

3 結(jié)語(yǔ)

在當(dāng)前機(jī)械設(shè)備深入到各個(gè)行業(yè)生產(chǎn)的大背景下，為了保障機(jī)械設(shè)施可以維持正常運(yùn)轉(zhuǎn)的狀態(tài)，就需要建立一個(gè)全面完整的智能故障診斷系統(tǒng)，在當(dāng)前這個(gè)機(jī)械故障大數(shù)據(jù)的時(shí)代中，除了機(jī)械故障的智能診斷系統(tǒng)之外，還包括了深度學(xué)習(xí)下的健康狀況監(jiān)測(cè)系統(tǒng)等。同時(shí)在大數(shù)據(jù)技術(shù)不斷發(fā)展的前提下，未來(lái)的機(jī)械設(shè)施故障智能診斷系統(tǒng)能夠?qū)崿F(xiàn)故障信息的可視化分析以及智能化展示。

參考文獻(xiàn)：

[1]唐偉峰，宋巖，張穎，茅樂(lè).大數(shù)據(jù)下機(jī)械智能故障診斷的機(jī)遇與挑戰(zhàn)[J].南方農(nóng)機(jī)，2020，51（07）：124.

[2]黃小華.大數(shù)據(jù)下機(jī)械智能故障診斷的機(jī)遇與挑戰(zhàn)[J].時(shí)代農(nóng)機(jī)，2019，46（12）：94-95+102.

[3]李天舒.大數(shù)據(jù)下機(jī)械智能故障診斷的機(jī)遇與挑戰(zhàn)[J].湖北農(nóng)機(jī)化，2019（13）：16.