机械故障诊断综述

摘要：本文在综合大量文献基础上，对故障诊断的发展进行回顾，并对国内外故障诊断的研究现状进行了述评和归纳，故障诊断研究尚存在的主要问题，最后对故障诊断技术的发展进行了展望。

关键词：故障诊断；故障诊断方法；存在问题；发展趋势

1.国外故障诊断技术的现状

国外学者对故障诊断系统进行了大量的研究，已经取得了较为成熟和完善的技术成果，并广泛应用于产品中，如德国O&K公司开发的BORD电子监测系统，能监测与液压挖掘机作业和维修有关的全部重要参数，利用微处理机检查挖掘机作业数据快速监测、评估和显示所计算的数据，可识别发生故障和超出极限值的趋势，在重大事故前显示报警信息 美国卡特彼勒公司利用GPS 、GIS和GSM技术并将其雄伟计划命名为采矿铲土运输技术系统（ METS），其包括多种多样的技术产品，如无线电数据通信、机器监测、诊断、工作与业务管理软件和机器控制等装置

2.国内故障诊断技术

2005年，柳工机械股份有限公司完成了国家863项目 ，装载机远程服务系统与智能化挖掘机，建立了柳工专用网络挖掘机GPS硬件平台及专用软件，可以实现远程数据传输 、故障诊断遥控定位、锁机等功能、 三一重工研究院自主研发完成了基于GPRS的远程监控平台，利用全球卫星定位技术（ GPS） 无线通讯技术（ GPRS） 地理信息技术（ GIS） 数据库技术等信息技术对工程机械的地理位置 运动信息 工作状态和施工进度等实施数据采集、数据分析、远程监测、故障诊断和技术支持 。

3.故障诊断方法

3.1 专家系统故障诊断方法

利用专家系统对症状的观察和分析， 推断故障所在， 并给出排除故障的方法。可以将诊断问题分为黑箱系统问题和白箱系统问题。内部子系统间的作用比较复杂， 缺乏准确的因果逻辑关系， 而且无法完成子系统症状测量的系统是黑箱系统问题； 白箱系统问题的子系统之间作用相对简单， 且包含一定的因果和逻辑关系， 同时还可以测量子系统症状。

3.2神经网络故障诊断方法

首先利用已有的故障征兆和诊断结果对神经网络进行离线训练， 使神经网络通过权值记忆故障征兆与诊断结果之间存在的对应关系； 然后将得到的故障征兆加到神经网络的输入端， 就可以利用训练后的神经网络进行故障诊断， 并得到相应的诊断结果。因为每个故障类型必须和输出神经元相对应， 否则在出现新的故障类型时系统会显得无能为力。

3.3 模糊故障诊断方法

模糊故障诊断方法主要有基于模糊模式识别的诊断方法、 基于模糊推理的诊断方法、 基于模糊模型的诊断方法等。模糊逻辑的引入主要是 为了克服由于过程本身的不确定性、不精确性以及噪声等所带来的困难， 因而在处理复杂系统的大时滞、时变及非线性方面， 显示出它的优越性。

3.4 遗传算法故障诊断方法

目前遗传算法单独应用于系统故障诊断的研究还比较少， 它主要和其他的诊断方法结合使用， 起到优化系统的作用。比如： 在与神经网络相结合时， 主要优化神经网络的权重和结构输入、 输出参数； 在与模糊集理论相结合时， 主要用于优化模糊推理的规则；在与小波结合过程中优化小波， 得到性能优良的小波。遗传算法克服了专家系统存在的推理速度慢和先验知识很少情况下知识获取困难的障碍。

3.5 粗糙集故障诊断方法

粗糙集理论是在分类能力不变的前提下， 通过知识简约， 导出问题的决策或分类规则。以其为基础出现了基于粗糙集的专家系统故障诊断方法、 基于信息冗余多个属性约简的故障诊断方法、 基于粗糙集的神经网络故障诊断方法。粗糙集理论可以有效地克服专家系统获取知识难的问题， 粗糙集理论通过获取故障信息的多个属性约简集合， 避开丢失或错误的故障信号， 大大提高故障诊断的准确率； 粗糙集可以对训练样本集进行有效的简化， 从而降低神经网络的复杂性， 减少样本集的训练时间， 提高诊断的实时性和准确性。

4.故障诊断研究尚存在的主要问题

4.1 故障分辨率不高

现代的大多数故障诊断系统虽然能以很快的速度对被测对象自动地进行故障诊断， 但是由于设备越来越复杂， 加上电路的非线性问题， 而检测点和施加的测试信号是受到限制的， 因此影响了可控性和可测性. 同时造成故障诊断的模糊性和不确定性。另外在模拟电路中， 元器件的故障参数是一个连续量，测量响应的数据引入误差是不可避免的。

4.2 信息来源不充分

这里有两方面的情况； 一是现有的诊断系统通常只搜集被测对象当前状态信息， 而对其过去的状态和已做过的维护工作的信息、故障诊断系统本身的状态信息未加考虑；二是对被诊断电路其测试的信号大多是电信号如电压、电流等， 而对其他性质的信息较少测试， 如温度、图像、电磁场信号等。因此有时根据诊断结果提出的维护措施不够准确有效。

4.3 自动获取知识能力差

知识获取长期以来一直是专家系统研制中的瓶颈问题， 对于故障智能诊断系统来说也是如此.目前多数的诊断系统在自动获取知识方面表现的能力还比较差， 限制了系统性能的自我完善、发展和提高。虽然一些系统或多或少地加入了机器学习的功能， 但基本上不能在运行的过程中发现和创造知识，系统的诊断能力往往仅局限于知识库中原有的知识。

5.故障诊断发展趋势

上述的故障诊断方法各有其优势和特点，但它们各自也存在着局限性。对于实际对象的故障诊断，如用单一的方法，有时难以准确快速地完成对复杂对象的故障诊断。因此，多种诊断方法的结合将多种不同的智能技术结合起来的混合诊断系统，是智能故障诊断研究的一个发展趋势。

参考文献：

[1]王秋彦，鞠建波，宋振宇.故障诊断技术研究现状及发展趋[J].电子测量技术，2009. 32（4）.

[2]龚雪.工程机械智能故障诊断技术的研究现状及发展趋势[J].机床与液压，2011，

739（14）.

作者简介：何超君（1989.04-），女，汉族，四川省南充市西充县，硕士研究生，研究方向：工业过程监控与故障诊断、计算机控制技术 。